9 אפליקציות שמשתמשות בבינה מלאכותית (AI) בחיי היום יום.

בינה מלאכותית (AI) נמצאת בכל מקום. האפשרות שאתם משתמשים בה בדרך זו או אחרת ואתם אפילו לא יודעים על זה. אחד היישומים הפופולריים של AI הוא Machine Learning נקרא גם ML, שבו מחשבים, תוכנות ומכשירים משתמשים באמצעות קוגניציה (דומה מאוד למוח האנושי).

במאמר זה נביא מספר דוגמאות שאנחנו משתמשים בהם כל יום ולא היה לנו מושג כי הם מונעים על ידי ML.

עוזר אישי וירטואלי

סירי, Alexa, Google Now הן כמה דוגמאות פופולריות של עוזרי אישי וירטואלי. כפי שהשם מרמז, הם מסייעים במציאת מידע, המופעלים על ידי קול. כל מה שצריכים לעשות זה להפעיל אותם ולשאול "מה הוא לוח הזמנים שלי היום?", "מה הם טיסות מישראל לניו יורק", או שאלות דומות.

כדי לקבל מענה , העוזר האישי שלך מחפש מידע, מבצע שאילתות הקשורות לבקשה שלך או שולח פקודה למשאבים אחרים (כמו אפליקציות טלפון) כדי לאסוף מידע. אתה יכול גם להנחות עוזרים עבור משימות מסוימות כמו "הגדר אזעקה עבור 6 בבוקר למחרת בבוקר", "תזכיר לי לבקר במשרד ויזה מחר אחרי מחר".

למידה ממוחשבת היא חלק חשוב מהעוזרים האישיים כאשר הם אוספים ומעדכנים את המידע על בסיס המעורבות הקודמת שלך איתם. לאחר מכן , קבוצה זו של נתונים מנוצלת כדי לעבד תוצאות מותאמות על פי ההעדפות שלך.

עוזר וירטואלי משולבים במגוון של פלטפורמות. לדוגמה:
• רמקולים חכמים: אמזון הד וגוגל הבית
• סמארטפונים: סמסונג Bixby על סמסונג S8
• יישומים ניידים: Google Allo

ניבוי תוך כדי נסיעה

תחזיות תנועה: כולנו משתמשים באמצעות שירותי ניווט GPS. בזמן שאנחנו משתמשים בזה, המיקום הנוכחי שלנו והמהירויות נשמרים בשרת מרכזי לניהול התנועה. נתונים אלה משמשים לבניית מפה של תנועה נוכחית. כל זה מסייע במניעת התנועה עושה ניתוח צפיפות, הבסיס לפתרון הוא שיש לפחות מספר מכוניות מצוידים GPS. למידה ממוחשבת עוזרת בתרחישים כאלה ומסייעת לאמוד את האזורים שבהם ניתן למצוא צפיפות על בסיס חוויות יומיומיות.

רשתות תחבורה מקוונות: בעת הזמנת מונית, היישום מעריך את מחיר הנסיעה. כאשר משתפים את כל הנתונים משירותים אלה, איך הם יכולים למזער את העומסים?
התשובה היא לימוד מכונה. ג'ף שניידר, מוביל את ההנדסה ב Uber ATC מגלה בראיון כי הם משתמשים ML להגדיר שעות מחיר על ידי חיזוי וביקוש. בכל המחזור של השירותים, ML משחק תפקיד מרכזי.

מעקב וידאו

תארו לעצמכם שצריך לחפש אדם אחד שמצולם בכמה סרטוני וידאו!
אין ספק, שבדרכים הישנות זו עבודה קשה ומשעממת 🙂 גם כן. זו הסיבה שהרעיון של למידת מכונה עושה את העבודה הרבה יותר הגיונית ומהירה.

מערכות מעקב וידאו כיום מופעלות על ידי AI המאפשרים זיהוי פשיעה לפני שהם קורים. הם עוקבים אחר התנהגות יוצאת דופן של אנשים כמו אדם העומד ללא תנועה במשך זמן רב, אדם שמעד, או אשה שמנמנמת על ספסלים וכדוומה, המערכת יכולה לתת התראה לעובדים האנושיים, ובכך למנוע תקלות אפילו להציל חיים במקרים רבים. כאשר פעולות כאלה מדווחות ונספרות בצורה נכונה , הן עוזרות לשפר את שירותי הפיקוח. כל זה קורה עם למידת מכונה שעושה את העבודה שלה ב backend (בחלק האחורי של המערכת).

שירותי מדיה חברתית

פלטפורמות מדיה חברתית משתמשות בלימוד מכונה עבור היתרונות שלהן ושל המשתמשים. הנה כמה דוגמאות, שאתם חייבים לשים לב אליהם, להשתמש ולאהוב את המדיה החברתית, מבלי להבין שכל התכונות הנפלאות האלו הם יישומים של ML – למידת מכונה.

אנשים שאתה עשוי להכיר: מכירים את היכולת הזו? זאת למידת מכונה שעובדת על רעיון פשוט מאד: הבנה של חוויות.
פייסבוק רואה ברציפות את החברים שאתה מחובר אליהם, את הפרופילים שבהם אתה מבקר לעתים קרובות, את תחומי העניין שלך, את מקום העבודה שלך או קבוצה שאתה משתף עם מישהו וכדומה. על בסיס למידה מתמשכת, מוצעת רשימה של משתמשי פייסבוק שתוכל להתיידד עם.

זיהוי פנים: אתה מעלה תמונה שלך עם חבר ו- Facebook מזהה מיד את הידיד. פייסבוק בודק את תנוחות ותחזיות בתמונה, שים לב למאפיינים הייחודיים, ולאחר מכן להתאים אותם עם האנשים ברשימת החברים שלך. התהליך כולו על backend הוא מסובך ומטפל גורם דיוק אבל נראה יישום פשוט של ML בחלק הקדמי.

זיהוי אובייקטים ותיוגים: לימוד מכונה הוא מרכיב הליבה של חזון המחשב, היא טכניקה לחלץ מידע שימושי מתמונות וסרטוני וידאו. Pinterest משתמש בלמידת מכונה כדי לזהות את האובייקטים (או תיוגים) בתמונות ולהמליץ ​​על תיוגים דומים בהתאם.

ספאם ותוכנות זדוניות

ישנן מספר מערכות סינון דואר זבל שנמצאות בשימוש בחברות הדוא"ל הפופולאריות ביותר כיום. כדי לוודא כי מסנני דואר זבל אלה מתעדכנים כל הזמן, מופעל בהם למידת מכונה. כאשר סינון דואר זבל מבוסס על כללים , הוא נכשל לעקוב אחר הטריקים האחרונים שאומצו על ידי שולחי דואר זבל.
לכן אומצו גישות חדשות Multi Layer Perceptron, C 4.5 עץ השראה הם חלק מהטכניקות סינון דואר זבל יעילות יותר כי הם מופעלים על ידי ML.

מעל 325,000  תוכנות זדוניות (malwares ) מזוהים כל יום וכל פיסת קוד הוא 90-98% דומה לגירסאות קוד הקודמות שלה. תוכניות האבטחה של המערכות המופעלות על ידי למידה ממוחשבת מבינות את דפוס הקידוד. לכן, הם מזהים תוכנה זדונית חדשה עם וריאציה 2-10% בקלות כדי להציע ללקוחות הגנה נגדם.

תמיכת לקוחות מקוונת

מספר אתרי אינטרנט מציעים כיום אפשרות לשוחח בצ'אט עם נציג תמיכת הלקוחות בזמן שהם מנווטים בתוך האתר. עם זאת, לא לכל אתר יש מנהל שירות לקוחות כדי לענות על שאלות הגולשים הרבים שפוקדים את האתר. ברוב המקרים, אתה מדבר עם chatbot.

בוטים אלה נוטים לחלץ מידע מהגולש איתו הם מדברים. תוך כדי שיחה.  במהלך הזמן הבוטים נוטים להבין את השאלות של הגולשים טוב יותר ולשרת אותם עם תשובות טובות יותר, וזה אפשרי בשל אלגוריתם של למידת מכונה.

מנועי חיפוש

Google ומנועי חיפוש אחרים משתמשים בלמידת מכונה כדי לשפר את תוצאות החיפוש עבורך. בכל פעם שאתה מבצע חיפוש, האלגוריתמים שב- backend שומרים את התגובה שבה אתם מגיבים לתוצאות שהתקבלו.

אם תפתחו את התוצאות המובילות ותישארו בדף האינטרנט למשך זמן רב, מנוע החיפוש יניח שהתוצאות שהוצגו היו בהתאם לשאילתה. באופן דומה, אם תגיעו לדף השני או השלישי של תוצאות החיפוש, אך לא תפתחו אף אחת מהתוצאות, מנוע החיפוש מעריך שהתוצאות שהוצגו אינן תואמות את הדרישה.

בדרך זו, האלגוריתמים העובדים ב- backend משפרים את תוצאות החיפוש.

המלצות מוצרים

שאתם רוכשים לדוגמה מוצר באתר קניות מקוון לאחר כמה ימים אתם מתחילים לקבל המלצות בנוסף תוכלו לשים לב שהאתר או האפליקציה מתאימה את עצמה וממליצה לך על פריטים שאיכשהו תואמים לטעם שלך.

אין ספק, זה מחדד את חווית הקנייה, אבל האם ידעת שמכונת למידה עושה את הקסם בשבילך? על בסיס ההתנהגות שלך עם האתר / App, רכישות בעבר, פריטים שאהבתם  או הוספתם לעגלה, העדפות המותג וכדומה, ככה נוצרים המלצות המוצרים באותם אתרים / אפליקציות.

זיהוי הונאות מקוונות

למידת מכונה מוכיחה את הפוטנציאל שלה להפוך את הסייברספייס למקום בטוח , מעקב הונאות כספיות באינטרנט היא אחת הדוגמאות שלה. לדוגמה: Paypal משתמשת ML להגנה מפני הלבנת הון. החברה משתמשת במגוון כלים המסייעים להם להשוות מיליוני עסקאות המתרחשות ולהבחין בין עסקאות לגיטימיות או בלתי לגיטימיות המתקיימות בין הקונים למוכרים.