5 πολύτιμες χρήσεις της τεχνητής νοημοσύνης για τη βελτίωση της καθημερινής ζωής » ΜΕΓΑΛΑ ΔΕΔΟΜΕΝΑ ΣΤΑ ΜΕΓΑΛΑ ΚΕΡΔΗ

5 πολύτιμες χρήσεις της τεχνητής νοημοσύνης για τη βελτίωση της καθημερινής ζωής » ΜΕΓΑΛΑ ΔΕΔΟΜΕΝΑ ΣΤΑ ΜΕΓΑΛΑ ΚΕΡΔΗ

September 29, 2022 0 Von admin

Στα περισσότερα παραδείγματα Τεχνητής Νοημοσύνης (AI) στην επιχείρηση, υπάρχει ένα ρομπότ συνομιλίας ή ένα ρομπότ ή ένας αλγόριθμος που προσπαθεί να αντικαταστήσει έναν άνθρωπο. Σίγουρα θα δούμε τέτοια αντικατάσταση μέσω AI, αλλά η αύξηση είναι επίσης μια προσέγγιση αξίας και είναι πολύ πιο εφικτή και ίσως ακόμη πιο πολύτιμη. Στην αύξηση, μια διαδικασία AI εξετάζει διάφορες επιλογές και παρέχει στον άνθρωπο βελτιωμένες επιλογές απόφασης, με βάση κάποια βαθύτερη εξέταση ή τουλάχιστον με μεγαλύτερη πολυπλοκότητα και προαιρετικές δυνατότητες. Υπάρχουν πολλά πράγματα που κάνουμε αυτήν τη στιγμή και τα οποία κάνουμε τακτικά και συχνά πραγματοποιούνται με περιορισμένη εξέταση των επιλογών ή ελλιπή εκτίμηση της πολυπλοκότητας. Η ποινή που βιώνουμε είναι το κόστος, η ποιότητα ζωής και η απώλεια χρόνου. Εδώ είναι μερικά πράγματα, που πιστεύω ότι αξίζουν μια διαδικασία AI για συνεχή βελτίωση στην καθημερινή ζωή.

  1. Ημερήσιος Δυναμικός Προγραμματισμός: Εάν ζείτε σε οποιαδήποτε μεγάλη αστική περιοχή, το καθημερινό σας πρόγραμμα είναι πολύ περίπλοκο από τον καιρό, την κίνηση, τις απροσδόκητες συναντήσεις πελατών, ένα άρρωστο παιδί στο σχολείο και τις απρόβλεπτες καθυστερήσεις. Τουλάχιστον στο Σιάτλ και σε άλλες μεγάλες πόλεις, υπάρχουν μεγάλες αλλαγές στους χρόνους μετακίνησης με βάση αυτό. Ακόμη και ένα φορτηγό τρένο μπορεί να κάνει ένα ταξίδι 30 λεπτά περισσότερο! Ωστόσο, θα ήθελα να το μάθω αυτό το πρώτο πράγμα το πρωί και να μεταφερθούν ή να προγραμματιστούν εκ νέου οι συναντήσεις για να καλύψουν τον χρόνο του ταξιδιού. Σε μέρη όπως η Νέα Υόρκη, η DC και οι μεγάλες πόλεις του κόσμου, οι χρόνοι ταξιδιού είναι συνάρτηση των συστημάτων συγκοινωνίας, του καιρού και της ροής της κυκλοφορίας. Τα χρονοδιαγράμματα θα πρέπει να συνδέονται δυναμικά. Όχι άλλες χαμένες ή καθυστερημένες συναντήσεις, όχι άλλο άγχος, όχι άλλο αγώνας για καθυστέρηση. Γνωρίζετε (με μεγάλη σιγουριά) ότι η τεχνητή νοημοσύνη σας έκανε τον καλύτερο δυνατό προγραμματισμό και ενημέρωσε το ημερολόγιό σας με αλλαγές για να μπορέσει να συμβεί αυτό.

Βελτίωση: Λιγότερος χρόνος χάνεται. Τι θα κάνατε με περισσότερο χρόνο στη ζωή σας και λιγότερο άγχος όταν αργούσατε;

  1. Επίτευξη καλύτερης τιμολόγησης σε τακτικές αγορές: Υπάρχουν πράγματα που χρησιμοποιούμε καθημερινά, τα οποία, ωστόσο, αγοράζονται λιγότερο συχνά. Σημαίνει ότι κάνουμε απογραφή αυτών των στοιχείων. Σημαίνει ότι τα κρατάμε μέχρι να χρειαστεί και χρησιμοποιούμε κεφάλαιο για να τα κρατήσουμε. Το φυσικό αέριο είναι ένα παράδειγμα. Το αγοράζουμε, ας πούμε, μια φορά την εβδομάδα. Διάφορα είδη σπιτιού, απορρυπαντικά, ακόμη και κονσερβοποιημένα τρόφιμα και ποτά έχουν επίσης αυτό το χαρακτηριστικό. Γιατί να υπερπληρώνουμε ποτέ; Φανταστείτε μια τεχνητή νοημοσύνη που λίγο-πολύ παρακολουθεί τις αγορές μας, ας πούμε εξετάζοντας τις διαδικτυακές μας αγορές, και παρακολουθεί ή εκτιμά την κατανάλωσή μας (κάποια κατανάλωση είναι πιο δύσκολο να μετρηθεί από το φυσικό αέριο) και προδιαπραγματεύεται την τιμή αγοράς και τον χρόνο παράδοσης με έναν πωλητή. Η Amazon ή η Walmart θα ήξεραν να στείλουν απορρυπαντικό Tide επειδή η τεχνητή νοημοσύνη διαπραγματεύτηκε μια τιμή που είναι επωφελής και θα χρειαστείτε το Tide τις επόμενες ημέρες ή εβδομάδες. Αυτό βοηθάει όλους. Ο πωλητής δεν θέλει πραγματικά να κρατήσει απόθεμα και λογικά θα πρόσφερε έκπτωση για γρήγορη πώληση του προϊόντος. Μαθαίνοντας τη λειτουργία κόστους πωλητή και προσφέροντάς σας να αγοράσετε σε ιδανικές στιγμές για τον πωλητή, το μικρό μας AI μπορεί να μας προσφέρει προσφορές για τα πάντα, από χαρτοπετσέτες μέχρι καύσιμα. Φανταστείτε εάν η τεχνητή νοημοσύνη μπορεί επίσης να ενσωματωθεί στο δίκτυο και να μας επιτρέψει να περιορίσουμε τη χρήση ηλεκτρικής ενέργειας, ώστε οι εταιρείες ενέργειας να μπορούν να μας προσφέρουν εκπτώσεις για να καταναλώνουμε λιγότερη (ή καθόλου) κατά τις περιόδους αιχμής. Χωρίς μια τέτοια τεχνητή νοημοσύνη να μαθαίνει για το κόστος, όλοι καταλήγουμε να αγοράζουμε όταν χρειαζόμαστε ή θέλουμε πράγματα, με αποτέλεσμα γενικά να πληρώνουμε υπερβολικά.

Βελτίωση: Μείωση δαπανών από τους καταναλωτές. Επίσης, μείωση του κόστους για τους πωλητές. Το AI αφαιρεί την τριβή από την αγορά.

  1. Βαθιά (και συνεχής) αναζήτηση: Οι περισσότεροι άνθρωποι έχουν μερικά ειδικά χόμπι ή χόμπι για τα οποία ξοδεύουν χρήματα. Σε τέτοια χόμπι, ο στόχος είναι γενικά να έχετε τόση διασκέδαση ή ποιότητα εμπειρίας ανά δολάριο που ξοδεύετε. Είναι μια περιορισμένη βελτιστοποίηση, όπως θα λέγαμε στα οικονομικά. Ακόμα κι αν δεν είμαστε ευαίσθητοι στις τιμές, προτιμούμε ένα μεγαλύτερο δωμάτιο ξενοδοχείου από ένα μικρότερο, εάν οι τιμές είναι ίδιες ή προτιμούμε καλύτερες θέσεις στο παιχνίδι με μπάλα, όταν έχουν ίση τιμή. Ωστόσο, τέτοιες προσφορές, ειδικά οι προσφορές για ταξίδια και ψυχαγωγία είναι συχνά περιορισμένες, λαμβάνονται γρήγορα και συχνά έχουν προαιρετικές δυνατότητες που επιβάλλουν κόστος ευκαιρίας. Όταν βρίσκετε πολλά στη Χαβάη, θα μπορούσατε να ρωτήσετε, πώς συγκρίνεται αυτό με το ταξίδι στα Φίτζι ή τη Φλωρεντία; Τι θα λέγατε για ένα υπέροχο σύνολο εισιτηρίων για να δείτε τους Seahawks; Τι είναι ούτως ή άλλως ένας εξαιρετικός συνδυασμός τιμής/θέσης; Αυτές οι προκλήσεις πάντα μου προκαλούν θλίψη. Μου αρέσει να ταξιδεύω με την οικογένειά μου και επιλέγοντας ταξίδια, εύχομαι να είχα μια τεχνητή νοημοσύνη που θα μπορούσε να σκεφτεί μέσα από τον ιστό των επιλογών. Για παράδειγμα, θα μπορούσα να πω στην τεχνητή νοημοσύνη, ότι θέλω να πάω στην Ευρώπη ορισμένες εβδομάδες και επιστρέφει πολλές συγκρίσεις και τις καλύτερες επιλογές, όχι μόνο ως προς την τιμή αλλά και την εμπειρία, καθώς πιθανώς η τεχνητή νοημοσύνη έχει μάθει το γούστο μου. Δεν χρειάζεται πλέον να διαβάζετε εκατοντάδες κριτικές και να κοιτάτε χιλιάδες φωτογραφίες στο TripAdvisor, το AI σας έχει προσδιορίσει πλήρως τις «καλύτερες επιλογές» για εσάς. Η αλήθεια είναι ότι το μυαλό μας δεν μπορεί να επεξεργαστεί τις πολλές επιλογές που είναι διαθέσιμες και αν δεν συναντήσουμε πολλές εμπειρίες ή εμπειρία, πιθανότατα θα χάσουμε κάτι που θα μπορούσε να ήταν πιο ευχάριστο. Μια τέτοια βαθιά και συνεχής αναζήτηση μπορεί επίσης να αναπτυχθεί για να βοηθήσει κάποιον να βρει και να αγοράσει ένα ειδικό αντικείμενο (ακόμη γνωστό) ή ίσως να εντοπίσει έναν ειδικό γιατρό για μια εκλεκτική χειρουργική επέμβαση.

Βελτίωση: Καλύτερες εμπειρίες πελατών. Αυτό αυξάνει τη χρησιμότητα της εμπειρίας, αλλά δίνει επίσης στους παρόχους πρόσβαση σε καταναλωτές που είναι πιο πιθανό να θαυμάσουν την εμπειρία. Όλοι κερδίζουν.

  1. Διαχείρηση μετρητών: Πολλοί Αμερικανοί έχουν στεγαστικά δάνεια, πιστωτικά όρια μετοχικού κεφαλαίου, φοιτητικά δάνεια, δάνεια αυτοκινήτου, δίδακτρα για παιδιά και αποταμιεύσεις, ταυτόχρονα. Φυσικά, κανείς έχει αποταμιεύσεις για διάφορους λόγους, ακόμη και με την παρουσία χρέους. Κάθε φορά, σκέφτομαι τις προκλήσεις της διαχείρισης μετρητών στα προσωπικά οικονομικά, σκέφτομαι έναν πρώην συνάδελφο και καθηγητή οικονομικών που μου εκμυστηρεύτηκε (ή καυχιόταν) ότι κρατούσε τον μισθό ενός έτους στον τραπεζικό λογαριασμό του. Παραδέχτηκε ότι δεν ήξερε τι ήθελε να κάνει και ένιωθε ότι ήταν η καλύτερη επιλογή του, καθώς διατηρούσε κάθε προαιρετική επιλογή. Όπως όλες οι οιονεί εξομολογήσεις, φαινόταν να αναζητά την κατανόησή μου, την έγκρισή μου ή τουλάχιστον την ενσυναίσθηση μου. Έγνεψα καταφατικά και συμφώνησα ότι η επιλογή του διατήρησε όλες τις επιλογές. Είχε όμως μεγάλο κόστος. Θα μπορούσε να είχε τοποθετήσει τα χρήματα σε βραχυπρόθεσμες χρηματαγορές ή να τα χρησιμοποιήσει για να εξοφλήσει το ανακλητέο χρέος (όπως μια γραμμή μετοχικού κεφαλαίου κατοικιών) ή ακόμη και να τα δανείσει σε δανειολήπτες υψηλής πιστωτικής ποιότητας για σύντομο χρονικό διάστημα. Εάν οι καθηγητές οικονομικών μπορούν να έχουν αυτό το πρόβλημα με μεγάλους τρόπους, τότε όλοι το έχουμε κατά κάποιο τρόπο. Αυτό το πρόβλημα έχουν και οι εταιρείες. Ουσιαστικά, δίνουμε στις τράπεζες διασπορά διατηρώντας χρήματα σε χαμηλούς τόκους λογαριασμούς. Και το κάνουμε ακόμα κι αν δεν το θέλουμε. Ο μισθός σας κατατίθεται σε λογαριασμό όψεως ή ταμιευτηρίου και πιθανότατα υπάρχει για μερικές ημέρες, εβδομάδες ή μήνες πριν από την εξαγωγή του. Μπορούμε να τα καταφέρουμε καλύτερα, αλλά όχι επειδή το κόστος αναζήτησης και αλλαγής είναι πολύ υψηλό. Μερικές φορές οι επιχειρήσεις χρειάζονται κεφάλαια για μερικές ημέρες ή εβδομάδες για να ξεκινήσουν ένα έργο ή μέχρι να πληρωθεί ένα τιμολόγιο. Υπάρχει άμεση ανάγκη για κεφάλαιο που αναπόφευκτα καλύπτεται από εταιρικές πιστωτικές γραμμές υψηλού επιτοκίου. Φανταστείτε να συνδυάσετε αυτά τα εκατομμύρια αυτών των περιπτώσεων με καθημερινούς καταθέτες που θα ήταν πολύ χαρούμενοι να λάβουν 2%-2,5% για δανεισμό χρημάτων σε διάστημα μερικών ημερών ή εβδομάδων. Ακόμα κι αν δεν έχετε χρέος, είναι υπέροχο να κάνετε μια αναζήτηση τεχνητής νοημοσύνης για βραχυπρόθεσμες επενδυτικές επιλογές και στη συνέχεια να μετακινείτε τα χρήματά σας (ακόμα και καθημερινά) σε οργανισμούς καταθέσεων ή αναζήτησης πίστωσης που θα πλήρωναν περισσότερα από όσα πληρώνουν οι τράπεζες για καταθέσεις. Επίσης, ιδανικά, μπορούμε να πληρώσουμε το δίκτυο ηλεκτροδότησης την τελευταία δυνατή ημέρα, οπότε λαμβάνουμε περισσότερες ημέρες διασποράς και γενικά βάζουμε το AI να διαχειρίζεται τις ταμειακές ροές έχοντας κατά νου τις αναμενόμενες εισροές, εκροές και βραχυπρόθεσμες επενδύσεις για μεγιστοποίηση της αξίας. Η τεχνητή νοημοσύνη μπορεί να δημιουργήσει ένα μαξιλάρι μετρητών και ακόμη και ένα ταμείο λάσπης. Πρόκειται πραγματικά για την εκτίμηση, την αναζήτηση και την εκτέλεση. Είναι δίκαιο και ορθολογικό. όλοι παίρνουν μια καλή συμφωνία. Ο κάτοχος του κεφαλαίου λαμβάνει καλύτερα επιτόκια και πιθανώς ο οργανισμός που προσφέρει αυτά τα επιτόκια δεν χρειάζεται να πληρώσει υψηλότερα επιτόκια στα παραδοσιακά κανάλια. Φυσικά, εάν κάποιος έχει χρέος, η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στην επιτάχυνση της εξυπηρέτησης του χρέους αναζητώντας πλεόνασμα κεφαλαίου και σπατάλη στις προσωπικές ταμειακές ροές για την αποπληρωμή του χρέους.

Βελτίωση: αυξημένες αποδόσεις του πλεονάζοντος κεφαλαίου συν μείωση του κόστους κεφαλαίου για πολλαπλούς δανειζόμενους οργανισμούς.

  1. Καλύτερη συνταγή απόψε: Αυτό είναι διασκεδαστικό όσο και αληθινό. Εάν μαγειρεύετε τακτικά και απολαμβάνετε την εξερεύνηση νέων κουζινών (όπως κάνουμε στο σπίτι), τότε έχετε αντιμετωπίσει την πρόκληση ότι βρήκατε ένα υπέροχο πιάτο σε μια συνταγή, αλλά δεν έχετε ή δεν πιστεύετε ότι έχετε συγκεκριμένο κλειδί συστατικά. Αυτό είναι ένα πρόβλημα ανάμειξης, το οποίο μπορεί να λυθεί αν η βελτιστοποίηση και τα συστατικά που λείπουν προτείνουν ένα ταξίδι στο κατάστημα. Ωστόσο, σκεφτείτε να αντιστρέψετε το πρόβλημα, το οποίο είναι μαθηματικά πολύ πιο δύσκολο να λυθεί. Ξεκινήστε με όλα τα πράγματα στο ψυγείο και τα ντουλάπια σας και σκεφτείτε όλα τα πιάτα που μπορείτε να φτιάξετε χωρίς να πάτε στο κατάστημα. Ουάου! Μερικά από τα αναγνωρισμένα πιάτα είναι ακόμα καλύτερα από αυτό που επιθυμούσατε. Οι επιλογές ήταν πάρα πολλές και περίπλοκες για να τις σκεφτούμε. Μπορούν να επιβληθούν περισσότεροι περιορισμοί όπως μέγιστοι χρόνοι μαγειρέματος, τύποι κουζίνας κ.λπ. Οι δυνατότητες είναι ατελείωτες (καλά όχι ακριβώς, οι δυνατότητες είναι πεπερασμένες και σε εκατομμύρια, καθιστώντας το πρόβλημα επιλύσιμο) αλλά οι ίδιοι αλγόριθμοι μπορούν να χρησιμοποιηθούν για τον εντοπισμό των λύσεων το ΠΡΟΒΛΗΜΑ ΣΟΥ. Προσδιορίζετε όλους τους πιθανούς συνδυασμούς που υπόκεινται στις προτιμήσεις προσφοράς και γεύσης σας (που είναι απλώς άλλοι περιορισμοί). Φυσικά, αυτό είναι πολύ χρήσιμο για τους μάγειρες και άλλους με προβλήματα ανάμειξης, αλλά έχει πραγματική αξία στη μείωση των περιττών ταξιδιών στο κατάστημα, στη μείωση της σπατάλης τροφίμων και στην αύξηση της ποιότητας ζωής.

Βελτίωση: πρόκειται πραγματικά για την κατανομή των πόρων και την αποτελεσματικότερη χρήση των διαθέσιμων πόρων.

Στο διασκεδαστικό πλαίσιο της προετοιμασίας του δείπνου, θα έφερνε μεγαλύτερη οικονομία, χαρά και εξερεύνηση στη ζωή. Μπορούμε όλοι να το χρησιμοποιήσουμε, συν ότι θα ήταν πραγματικά διασκεδαστικό! Ας ελπίσουμε ότι το AI μπορεί να είναι πραγματικά διασκεδαστικό!

Ο καθηγητής Walker παρέχει βασικές ομιλίες, παρουσιάσεις σεμιναρίων, προγράμματα κατάρτισης στελεχών και ενημερώσεις στελεχών.

Κάντε κλικ ΕΔΩ για να μάθετε περισσότερα για τις ομιλίες του, αναφορές από πελάτες, επιλογές για προσαρμοσμένες ομιλίες και προγράμματα και λεπτομέρειες σχετικά με τον προγραμματισμό ενός προγράμματος για τον οργανισμό σας.

Σχετικά με τον Russell Walker, Ph.D.

Ο καθηγητής Russell Walker βοηθά τις εταιρείες να αναπτύξουν στρατηγικές για τη διαχείριση του κινδύνου και την αξιοποίηση της αξίας μέσω αναλυτικών στοιχείων και Big Data. Είναι Αναπληρωτής Καθηγητής Μάρκετινγκ στο Foster School of Business του Πανεπιστημίου της Ουάσιγκτον. Έχει συνεργαστεί με πολλούς κορυφαίους αναλυτικούς οργανισμούς μέσω του Analytics Consulting Lab, μιας βιωματικής τάξης που ίδρυσε και ηγείται στη Foster.

Μπορείτε να τον βρείτε στο @RussWalker1776 και russellwalkerphd.com

AI, Αλγόριθμος, Analytics, Τεχνητή Νοημοσύνη, Big Data, Big Data Analytics, Data Analytics, Οικονομικά, Προτεινόμενα, Μηχανική Μάθηση, ML, Βελτιστοποίηση, Αναζήτηση

Του Russell Walker, Ph.D.



Ο Russell Walker βοηθά τις εταιρείες να αναπτύξουν στρατηγικές για τη διαχείριση του κινδύνου και την αξιοποίηση της αξίας μέσω αναλυτικών στοιχείων και μεγάλων δεδομένων. Έχει κάνει νέα έρευνα στη δημιουργία εσόδων από δεδομένα και την ψηφιακή διακοπή και συμβουλεύει κορυφαίες εταιρείες σε αυτά τα θέματα. Ως Διευθυντής Βιωματικής Μάθησης στο Analytics και Αναπληρωτής Καθηγητής Διδασκαλίας Μάρκετινγκ και Διεθνών Επιχειρήσεων στο Foster School of Business, στο Πανεπιστήμιο της Ουάσιγκτον, ο Δρ. Walker είναι ακαδημαϊκός ηγέτης σκέψης στα αναλυτικά. Ο Russell Walker έχει αναπτύξει και διδάξει κορυφαία προγράμματα στελεχών για Big Data και Analytics, Strategic Data-Driven Marketing, Enterprise Risk, Operational Risk και Global Leadership. Πριν μετακομίσει στο Seattle and the Foster School, ο Dr. Walker ήταν Κλινικός Καθηγητής στο Kellogg School of Management του Northwestern University, όπου ίδρυσε και δίδαξε πολλά δημοφιλή μαθήματα ανάλυσης και διαχείρισης κινδύνου. Είναι ο συγγραφέας του βιβλίου From Big Data to Big Profits: Success with Data and Analytics (Oxford University Press, 2015) που εξετάζει τις στρατηγικές δημιουργίας εσόδων από δεδομένα και την ανάπτυξη επιχειρηματικών μοντέλων με επίκεντρο τα δεδομένα στη νέα ψηφιακή οικονομία. Είναι επίσης συγγραφέας του βραβευμένου κειμένου Winning with Risk Management (World Scientific Publishing, 2013), το οποίο εξετάζει τις αρχές και την πρακτική της διαχείρισης κινδύνου ως ανταγωνιστικό πλεονέκτημα. Ο Δρ Walker συμβουλεύεται εταιρείες σχετικά με τα θέματα Big Data και Analytics, Δημιουργία εσόδων δεδομένων, Διαχείριση Κινδύνων και Επιχειρηματική Στρατηγική. Μπορείτε να επικοινωνήσετε με τον Russell Walker στη διεύθυνση: [email protected] @RussWalker1776 russellwalkerphd.com