هوش مصنوعی ( بخش سوم )

کارت حافظه

ادغام چت بات ها ونرم افزارهای دیجیتال در ارتباط گفتگو نیاز به برنامه ریزی دقیق ، اجرای مبتنی بر شایستگی و نظارت و کنترل مداوم دارد. از آنجا که این راه حلها تحت کنترل نیستند ،از زمان شروع کار ممکن است بدون کنترل استفاده شوند.

از هر شرکت خواسته شده است تا یک مفهوم دستیاران دیجیتال را با دقت بیشتری بررسی کند. این مهم است که مهارت های خود را برای طراحی صدا توسعه دهید ، زیرا صدا دیر یا زود یک چالش بزرگ برای همه شرکت ها خواهد بود! این صفحه کلید و سایرخدمات ورودی کلاسیک قدیمی تر خواهد شد. این به این معناست که علاوه بر SEO (بهینه سازی موتور جستجو) ، VEO (بهینه سازی موتور صوتی) یا BEO (بهینه سازی موتور ربات) هم اکنون باید توسعه یابد. چالش در اینجا تنها به پایان رسیدن در صفحه اول لیست ارگانیک ، مانند SEO نیست. شما باید در این لیست به مقام اول دست یابید ، زیرا چت بات یا دستیاران دیجیتال لیست طولانی از گزینه های ممکن را نخوانده اند. آنها به طور ایده آل از دیدگاه کاربر نتیجه مطلوب را توصیه می کنند. پشیمان می شوید اگر این پیشنهاد شما برای گروه هدف مربوطه نباشد!

چیزی که ارزش فکر کردن دارد

دستیاران شخصی دیجیتال اطلاعات را به عهده می گیرند. هر چه مدت زمان طولانی تر و شدت بیشتری از آنها استفاده شود ، دانش بیشتری در مورد کاربر و عادات وی ذخیره می کند. براساس ترجیحات ما ، دستیار دیجیتالی مجازی با برخی از شرکت ها اطلاعات را تبادل می کند، نه با دیگران! علاوه بر این ، گفتگوهای بیشتری بین دستیاران دیجیتال مختلف در سمت عرضه و تقاضا برقرار خواهد شد. ارتباطات شخصی تا حدی جایگزین ارتباطات ماشین به ماشین می شود. این قیمت ها ، شرایط تحویل و استراتژی های بیشتر ، متقابل و فروش را با یکدیگر مذاکره می کنند. این مسئله خطر از دست دادن تماس مستقیم مشتری با شرکت ها را در پی دارد. توسعه محصولات و خدمات می تواند به طور فزاینده ای به سمت گفت و گوهای دستگاه به ماشین متمرکز شود. از این گذشته ، اطلاعات در مورد رفتار خریدهای گذشته و فعلی و همچنین خواسته ها ، رویاها و ترجیحات کاربران در دسترس است! دستیاران دیجیتال درفروش تاثیر گذار هستند و نمایندگان مشاوره هستند که عمدتا از شرکتهایی که محصولاتی را جدا می کنند جدا می شوند تصمیم می گیرند که بخرند یا نه. شرکت های پشتیبان این دستیاران با هر اطلاعات جدید بدست آمده قدرت خواهند یافت. این به این معنی است که نه تنها شرکتهای GAFAMI بلکه شرکتهای BAT از اهمیت بالایی برخوردار خواهند شد. همه مدل های جدید برنده ظاهر می شوند که این امر، با همه ی اثرات منفی بر رقابت باعث تقویت بیشتر تسلط موجود بر بازار می شود.

خلاصه:

 در زمینه خدمات به مشتریان ، کاربرد گسترده ای برای هوش مصنوعی وجود دارد.

 • در اینجا به ویژه چت بات ها از اهمیت زیادی برخوردار هستند.

 • چت بات های مبتنی بر متن ، رابط های ارتباطی ساده ای را ارائه می دهند.

• بزرگترین چالش با گپ های مبتنی بر صدا است که به کارفرمایان دیجیتال مجازی تبدیل می شوند.

• از شما خواسته شده است تا ارتباط زمینه های مختلف برنامه برای شرکت خود را بررسی کنید.

بازاریابی و فروش

یکی از زمینه های کاربردی برای راه حل های هوش مصنوعی زمینه های بازاریابی و فروش و همچنین اقدامات ارتباطی است که وظیفه آنها را بر عهده دارد. در اینجا ، هیچ تمایز دانشگاهی بین بازاریابی و فروش وجود ندارد زیرا تفکر به بازار یابی و فروش کمکی نمی کند. در عوض ، یک رویکرد یکپارچه و شبکه محور لازم است که در آن کارمندان مسئول ارتباط با مشتری دست به دست هم دهند، صرف نظر از اینکه در آن جهت سازمانی قرار دارند.

پیش بینی سرب ، پروفیل سرب و موتورپیشنهادی

پیش بینی سرب و پروفایل سرب اولین زمینه های مهم کاربرد هوش مصنوعی هستند. ده ها سال پیش ، به عنوان شرکت های کلاسیک و امروزه تا حدی ناپدید شدند ، شرکت های سفارش پستی شروع به بیرون کشیدن رفتار خریدهای آینده و ارزش مشتری قابل دستیابی بر اساس سوابق داده های جامع مشتری خود کردند. برای این منظور از مدل های مختلف امتیاز دهی پیچیده استفاده شده است . مفاهیم هوش مصنوعی هم اکنون می توانند این روش را به میزان قابل توجهی بهبود بخشند ، زیرا داده های بسیار بیشتری و در همان زمان می توانند برای تشخیص الگوی استفاده شوند ، که در اینجا نیز مرتبط است. از مقایسه بین مشتریان برتر فعلی و مشتریان جدید بالقوه می توان برای شناسایی مخاطبان ظاهری که بالاترین پتانسیل را دارند برای جذب مشتری های برتر استفاده کرد. برای این منظور ، هزاران داده را می توان در یک امضای دیجیتال فشرده کرد که مانند یک الگوی جستجو ، پایگاه داده های موجود را برای شناسایی نامزدهای مشابه اسکن می کند. این همچنین به عنوان تجزیه و تحلیل پیش بینی کننده شناخته می شود زیرا این تجزیه و تحلیل ها برای پیش بینی احتمال خرید و ارزش مشتری عمل می کند. سوالات زیر باید براساس داده های دریافتی مداوم پاسخ داده شوند:

• کدام پیشنهادات منجر به بالاترین نرخ تبدیل چه مشترک شدن در یک خبرنامه ، درخواست مطالب اطلاعاتی یا نقل قول ، ترتیب جلسه و یا خرید می کنند؟

• بهترین زمان برای ارسال با توجه به تبدیل های مورد نظر کدام است؟

• کدام ریتم های پیگیری باعث افزایش تبدیل می شوند؟

• کدام کانال ارتباطی به بهترین وجه از تبدیل های گروه های هدف پشتیبانی می کند؟

• کدام یک از خصوصیات پیشنهادات تبدیل ها را افزایش می دهد؟

• کدام یک از شخصیت ها به بهترین وجه از تبدیل ها پشتیبانی می کند؟

اطلاعات به دست آمده در اینجا می تواند برای پروفایل فعال استفاده شود. این به این معناست که پروفایلها هر روز ، هر ساعت و هر دقیقه بهبود می یابند تا شرکت ها به اهداف بهینه دست یابند. در اینجا یادگیری تقویتی که قبلاً معرفی شده است قابل استفاده است. از این گذشته ، هر تبدیل بدست آمده مربوط به پاداش است که نشانگر آن است که الگوریتم خوب عمل کرده است. این روش پرداختن به مشتریان ، برنامه ریزی بازاریابی را نیز تغییر می دهد. در حالی که در کمپین های گذشته برای گروه های هدف خاص توسعه داده شده بود ، علاوه بر آن  باید برنامه های گفتگوی مجزا قابل اجرا نیز ایجاد شود که براساس عوامل مختلف اهداف افراد میباشد. محرک های مربوطه، به عنوان مثال خرید محصول A و B هر دو هفته یکبار می تواند یک برنامه گفتگوی مبتنی بر این را در زمان های مختلف برای مشتریان مختلف آغاز کند. از آنجا که محرک ها برای همه افراد علاقه مند یا مشتریان در دسترس نخواهند بود ، از کمپین هایی با تمرکز گسترده تر استفاده خواهد شد. زمینه مهم دیگر فعالیت توصیه های فردی است. الگوریتم های پیشنهادی پیچیده آمازون  مسئولیت 36 درصد فروش در آنجا را بر عهده دارد. 90٪ پشتیبانی مشتری در آمازون نیز بصورت خودکار است. Netflix از 800 برنامه نویسی بهره می برد که از جمله موارد دیگر ، الگوریتم هایی برای مدیریت توصیه و تولید محتوای شخصی ایجاد می کنند. گروه اتو برای بهینه سازی کانال های ارتباطی مورد استفاده از مدل سازی ویژگی های نوآوری استفاده می کند . این مساله مبتنی بر نقطه نظرات مشتری است ، که در آن موتورهای جستجو ، رسانه های اجتماعی و تبلیغات آنلاین تجزیه و تحلیل می شوند . تمام تلاش های پشتیبانی شده باید در هول و محور مشتری باشد. تنها در صورتي كه مشتريان بتوانند ارزش افزوده فردي را براي خودشان تشخيص دهند ، آنها مي توانند از پيشنهادات متداول استفاده كنند . موتور پیشنهادی می تواند سهم قابل توجهی در افزایش رضایت مشتری داشته باشد و با بهبود نرخ تبدیل ، هم فروش و هم بالاتر از همه سود شرکت را افزایش دهد. در این دستگاه تعداد زیادی از اطلاعات پشتیبانی شده توسط AI  قابل پردازش هستند كه در مورد كاربران ، رفتارهای قبلی و ترجیحات ابراز شده و همچنین  در آینده  درمورد محیط آنها (بازاریابی متن كلمه كلیدی) در دسترس است. در نتیجه ، محصول بعدی برای خرید یا بهترین اقدام بعدی نه تنها باید برای کاربر تنظیم شود ، بلکه از نظر ایده آل نیز به زمان و مکان استفاده می باشد. علاوه بر این ، مناسب ترین کانال برای تهیه باید انتخاب شود. همیشه ضروری نیست که یک پیشنهاد بسیار دقیق باشد بلکه می تواند شامل فروش و یا اطلاعات تبلیغی بازاریابی محتوا با کلمات کلیدی نیز باشد.

برای پشتیبانی از این مراحل، سیستم های هوش مصنوعی می توانند پشتیبانی مهیج در تحلیل و بهینه سازی وب سایت ها داشته باشند. یک ایده جالب برای این مساله توسط EyeQuant در سال 2019 ارائه شده است. این شرکت از انستیتوی علوم شناختی در دانشگاه اوزنابروک پدید آمده است. راه حل هوش مصنوعی مورد استفاده در اینجا ، ارزیابی تأثیر بصری از یک طراحی وب سایت را بدون نیاز به کد رهگیری یا آزمایشات کاربر ، امکان پذیر می کند. EyeQuant از یافته های تحقیقات علوم اعصاب استفاده می کند و آنها را در زمان های واقعی با استفاده از الگوریتم های هوش مصنوعی ، در طرح های موجود اعمال می کند. برای انجام تست های پیش آزمون ، تمام آنچه شما نیاز دارید یک فایل تصویری یا URL به عنوان ورودی است. چگونه EyeQuant به این هدف دست می یابد؟ اساس ارزیابی ها داده های حاصل از مطالعات گسترده کاربر در آزمایشگاه های ردیابی و تابلوهای آنلاین است. بر اساس این داده ها ، الگوهای ادراک مشخص می شوند ، و ویژگی های طراحی کار شده است که به طور قابل توجهی بر موفقیت یا عدم موفقیت یک وب سایت تأثیر می گذارد. بر اساس یافته های این مطالعات ، نتایج مقدماتی پیش بینی می شود که می توانند بلافاصله عملی شوند. یک مورد جالب برای اپسون در دسترس است . تمام این مراحل توسط سیستم عامل های AI برای برنامه ریزی رسانه ها قابل پشتیبانی است. این سکوها وظایفی را که قبلاً توسط آژانسهای رسانه ای انجام می گرفتند بر عهده می گیرند. این سؤال را ایجاد می کند که آیا سیستم های متخصص مربوطه منجر به همکاری بین انسان و ماشین می شوند یا انتظار می رود جایگزینی در کار انسان باشد. در مرحله اول ، سیستم عامل های هوش مصنوعی می توانند به برنامه ریزان رسانه به عنوان سیستم های خبره کمک کنند تا مقدار زیادی از داده های موجود را تجزیه و تحلیل کنند تا الگوهای مرتبط با تبلیغات را بهتر یا حتی سریعتر تشخیص دهند. پلت فرم Albert AI از شرکت AI با نام Adgorithms در این زمینه کمک می کند. Dole Asia از این چارچوب برای یک کمپین دیجیتالی استفاده کرد تا تمام خریدهای رسانه ای ، بهینه سازی ها و مکان ها (شامل تبلیغات صفحه نمایش ، آگهی ها ، تصاویر و فیلم های فیسبوک) را به طور خودمختار مدیریت کند. این محیط توسط افراد سایت ایجاد شده است. برای این منظور ، ابتدا KPI های مربوطه مطابق با استانداردهای خاص برند و مشخصات بیشتر مستند شده در 30،000 صفحه تعریف شدند. بر اساس الگوریتم های هوش مصنوعی ، آلبرت تعیین کرد که رسانه ها در چه زمان هایی و در کدام قالب ها سرمایه گذاری کنند. همچنین تصمیم گرفته شد بطور مستقل از کجا باید بودجه برند استفاده شود. ترکیب های بهینه برای ایجاد و عناوین را می توان در زمان واقعی یافت. مهمتر از همه ، فناوری به کار رفته در اینجا ارزش خود را برای شرکتهایی که با تبلیغات فراخوانی برای عمل بسیار کار می کنند ثابت کرده است . اگر یک کمپین ارتباطی باید ارتباط با ارزش های کلاسیک مارک (مانند اعتماد ، اعتبار ، آگاهی) برقرار کند ، استراتژی رسانه باید کاملاً با برنامه ارتباطات هماهنگ باشد. در اینجا، هنوز هم امروزه خلاقیت و ابتکارات انسانی یک زمینه مهم وپر کاربرد است. اگر مارک های اتومبیل درمحیط بازار از چارچوب هوش مصنوعی یکسان استفاده کنند و در نتیجه تمایز برند را با استفاده از همان استراتژی رسانه ای  بر اساس همان الگوریتم های مشابه، ریسک کنند وجود دارد. یک مثال از برنامه ریزی رسانه ای ، چارچوب Lucy AI است.

لوسی چگونه کار می کند؟

 لوسی همه را می داند ، همه را می بیند ، همه را می فهمد. ابری متصل ، جهانی از داده ها در نوک انگشتان اوست. او که در زمینه پردازش زبان طبیعی آموزش دیده است ، می تواند درست مثل یک هم تیمی انسانی سؤالاتی از وی پرسیده شود. او که توانایی یادگیری ماشینی را دارد ، هر چه بیشتر انجام دهد ، در شغل خود نیز پیشرفت می کند. فقط با نرم افزار او تماس نگیرید، این واقعاً به احساسات او صدمه می زند. هوش لوسی مبتنی بر رایانه IBM Watson است. در اینجا ، پردازش زبان طبیعی و تجزیه و تحلیل پیش بینی ترکیب شده است. به هر حال ، نام لوسی از لوچیندا ، دختر توماس واتسون گرفته شده است ، جونیور لوسی شریک زندگی “IBM با Watson” است و توسط تیمی از برنامه نویسان و مهندسان در سراسر جهان پشتیبانی می شود. حتی برای سیستم عامل های هوش مصنوعی مانند لوسی ، پردازش داده های غیرساختار هنوز دشوار است. از این گذشته ، برنامه ریزی رسانه ها نه تنها نتایج نظرسنجی های مصرف کنندگان بلکه داده های استفاده از رسانه و سایر مشخصات شرکت ارتباط دهنده را در بر می گیرد. وظیفه برنامه ریزان رسانه این است که این داده های مختلف را به گونه ای تهیه کنند که توسط هوش مصنوعی پردازش شوند. سیستم لوسی نقاط قوت و محدودیت های سیستم عامل فعلی AI را نشان می دهد. این امر به لوسی اجازه می دهد بهترین کانال ها را برای یک کمپین از جمله جستجو ، اجتماعی ، مجله ، فضای باز و تلویزیون پیشنهاد دهد. لوسی هنوز قادر به توصیه‌ی واضح نیست که در مورد کدام شبکه اجتماعی خاص (مانند فیس بوک ، اسنپ چت یا توییتر) استفاده شود. دلیل این امر این است که تاکنون هیچ سیستم اندازه گیری یکنواخت در سکوهای مختلف موجود نیست. ارزیابی های انسانی هنوز هم در اینجا مرتبط هستند.

تجارت مکالمه

یک کار مهیج در بازاریابی و فروش تجارت مکالمه و تقاطع برنامه های پیام رسانی و خرید است. تجارت مکالمه مربوط به فرآیندهای خرید است که از طریق فرآیندهای گفتگو مبتنی بر سیستم انجام می شود. در حال حاضر امروزه روند افزایشی در تعامل بین مشتریان و شرکتها از طریق پیام رسانی و برنامه های چت مشاهده می شود. ابزارهایی مانند Facebook Messenger ، WhatsApp و WeChat برای این منظور استفاده می شوند . دستیاران دیجیتال (به عنوان مثال الکسا ، بیکسبی ، کرتانا ، دستیار Google) نیز گرایش به سمت خرید مبتنی بر زبان را ارتقا می بخشند. پس از آن دیگر فقط ارتباط رو در رو (در فروشگاه ثابت) ، گوش به گوش (در فروش تلفنی) یا متن به ماشین (در تجارت الکترونیکی کلاسیک) وجود ندارد. استفاده از سکوهای ارتباطی (مانند خدمات پیام رسان) یا دستیاران شخصی دیجیتال منجر به فرایند فروش صدا به دستگاه می شود. فعالیتهای زیر از تجارت مکالمه ای می تواند توسط یک انسان ، چت بات یا ترکیبی از هردو در طی چنین فرایند فروش پشتیبانی شود:

 • چت های مشتری با نمایندگان شرکت یا همتایان دیجیتالی آنها

• ارائه خدمات پشتیبانی مشتری

•  پاسخ خودکار سوالات

• ارسال توصیه های شخصی

• ارائه ارزیابی

تجزیه و تحلیل احساسات

یک چالش بزرگ برای همه مدیران ارتباطات نظارت بر بخش عمومی ، به ویژه نظارت بر ارتباطات در رسانه های اجتماعی (کلید واژه شنیدن اجتماعی) است. در اینجا ، هدف استفاده از نظارت بر رسانه های اجتماعی یا نظارت جامع تر وب برای شناسایی بینش های اولیه در مورد مشکلات مربوط به محصولات و خدمات و همچنین تغییرات کلی در نظر شرکت و پیشنهادات آن است. برای این منظور ، باید کل اینترنت به طوریکپارچه در جستجوی ورودی های مربوط به شرکت و پیشنهادات آن باشد. این مدخل ها می توانند نظرات ، روندها ، بازخورد پیشنهادات خود یا خارجی ، ارزیابی محصول و خدمات و همچنین انگیزه هایی برای نوآوری ها باشند. گزینه اول و رایگان نظارت بر وب ، استفاده از Google Alerts است. پس از تعریف اصطلاحات مهم جستجو در زیر google.de/alerts ، Google هنگام ظاهر شدن کمک های آنلاین به اصطلاحات تعریف شده ، نامه الکترونیکی را به طور خودکار تولید می کند. به این ترتیب ، می توانید به موقع اخبار مناطق را دریافت کنید ، ناظرین را مشاهده کنید یا روند صنعت را مشخص کنید. علاوه بر این ، می توان پیگیری کرد که آیا ورودی ها برای شخص و پیشنهادات و مارک های شخصی خود یا برای شرکت خود شخص وجود دارد. برای این کار ، فقط به قابلیت جستجوی Google دسترسی پیدا می شود ، بدون اینکه از هوش مصنوعی استفاده شود. برای شرکت های بزرگ یا برای نظارت بر وب گسترده ، ممکن است لازم باشد بینش داده های بزرگ تولید شده از صدها یا هزاران منبع به یافته های مربوط منتقل شود. بنابراین ، چالش بزرگ نه تنها درک ابزار ، بلکه شناختن اهمیت و کیفیت آنهاست. در هنگام تعیین اهمیت بیانیه برای یک شرکت ، باید تمایز قائل شد:

• اظهارات افراد ناشناس

• ارسال نامه از رهبران و صاحبان نفوذ افکار (در سطح جهانی)

• نتایج موسسات تحقیقاتی بی طرف بازار

• نتایج بیانیه های رسمی دولت ها یا احزاب در مخالفت • انتشار پیشنهادات قانونی یا قوانین مصوب

• انتشار تصمیمات دادگاه (بسته به میزان تعلق به حوزه قضایی عادی ، براساس دادگاه های ولسوالی ها ، دادگاههای منطقه ای ، دادگاههای بالاتر منطقه ای ، دادگاه فدرال ).

علاوه بر این ، باید هدف یک بیانیه مشخص شود. این زمینه کاربرد تحلیل های احساساتی است. وظیفه آنها جدا کردن اظهارات مثبت از اظهارات منفی و خنثی است. در حالت ایده آل ، این کار برای کسانی که یک پیام مبهم دارند انجام می شود. این مورد با عبارت زیر است: این واقعاً یک سرویس عالی بود! آیا اکنون این تحسین یا انتقاد با اقدامی مضحک است؟ در طبقه بندی این گونه پست ها ، از احساسات پشتیبانی شده توسط AI به طور فزاینده ای استفاده می شود. اطلاعات بدست آمده غالباً طبق مقولات مثبت ، خنثی و منفی طبقه بندی می شوند و در گزارش، نتایج مربوطه با نمونه هایی همراه هستند. چالش بزرگ در ارزیابی اطلاعات از شبکه و به ویژه از رسانه های اجتماعی ، تمایز بین واقعیت ، عقیده و پوپولیسم است! سوال مهم دیگر این است: قصد فرستنده چیست؟ پشتیبانی مهم مبتنی بر هوش مصنوعی برای تجزیه و تحلیل مشارکتهای شناسایی شده توسط متن کاوی یا استخراج استدلال ارائه می شود. نمونه ای از این مفهوم Argu-menText است که توسط دانشگاه فنی دارشتاد ساخته شده است. در مرکز این رویکرد تجزیه و تحلیل خودکار، استدلال های مصرف کننده به منظور درک بهتر مشتریان است. ArgumenText منابع مختلفی را برای استدلالهای زبان طبیعی جستجو می کند. استدلال به عنوان عقیده در مورد موضوعی درک می شود که دلایل آن نیز ذکر می شود. برای استخراج استدلال از متون ، ابتدا باید موضوع مورد نظر مشخص شود. سپس استدلالهای طرفدار و متناقض را می توان از منابع مختلف به دست آورد. مبنای این امر ، یادگیری ماشین نظارت شده است . نمونه ای را می توان در شکل 4.12 یافت. با این مفهوم ، هوش مصنوعی باید سه الزام خاص را رعایت کند:

تنوع داده ها

 پردازش تعداد زیادی از انواع متن مختلف که ساختار یکنواخت ندارند لازم است. جمله های فرمول یافته را می توان در وبلاگ ها یافت. اظهارات منتشر شده در سایر کانالهای رسانه های اجتماعی به عنوان مثال در توییتر یا فیس بوک اغلب فقط کوتاه بیان میشوند و با ایموجی ها و تصاویرترکیب می شوند.

مقیاس پذیری

 کیفیت برنامه ArgumenText به داده های اصلی آموزش بستگی دارد. تصور کردن تلاش برای یادداشت کردن متون به منظور تولید داده های آموزشی واجد شرایط که کاملاً ضروری باشد دشوار نیست . به عنوان بخشی از توسعه ArgumenText ، از منابع جمعیتی استفاده می شود. این جمعیتی است که به بازار اینترنتی کمک می کند. در چنین بازارچه ای ، افراد و مشاغل می توانند از هوش انسانی برای انجام کارهایی استفاده کنند که امروزه رایانه ها قادر به انجام آن نیستند. در اینجا ، مطالب ذکر شده تجزیه و تحلیل شده است. مقادیر زیادی متن با استفاده از منابع جمعیتی می تواند سریعاً حاشیه نویسی شود. بنابراین ، دانشگاه فنی  موفق شد ظرف چند روز 40 موضوع مختلف را حاشیه نویسی کند.

بهبود یافتن

 محدودیت مهمی که قبلاً در برنامه های کاربردی هوش مصنوعی ذکر شد ، همچنان عدم وجود یا عمومی بودن محدود (کلید واژه هوش مصنوعی عمومی) است. الگوریتم هایی که برای تجزیه و تحلیل متن برای حوزه های خاص ایجاد شده اند به عنوان مثال صنعت خودرو یا صنعت مد نمی توانند به سادگی برای تجزیه و تحلیل در زمینه های دیگر به عنوان مثال لوازم آرایشی یا گیاهان استفاده شوند. در کل ، استفاده از ArgumenText نشان داده است که 85٪ از دقت بشر در حال حاضر از طریق ارزیابی متن پشتیبانی شده توسط AI حاصل شده است. نمونه ای از آنالیز برای اصطلاح کلیدی هوش مصنوعی در شکل 4.13 ارائه شده است. ArgumenText می تواند استفاده آینده خود را در تجزیه و تحلیل احساسات خطاب پیدا کند تا بین نظرات مثبت و منفی مشتری تفاوت قائل شود. این یافته ها می تواند در تهیه کمپین های ارتباطی گنجانیده شود.

با وجود این افتخارات، شرکت ادوبی ابزار هوش مصنوعی را ارائه می دهد که خلق و خوی متن ها یا ویژگی های زیبایی شناختی تصاویر از مقادیر زیادی محتوا را تشخیص می دهد. اطلاعات آماده شده از این طریق می توانند به سرعت پردازش شوند. سرویس هوش مصنوعی محتوا اجازه می دهد تا تصاویر برای استفاده مجدد انتخاب و ویرایش شوند . شرکت سفارش آنلاین سفارش پستی آلمانی Otto یک ویژگی توسعه یافته خود را برای ارزیابی محصول در فروشگاه آنلاین خود ادغام کرده است. به منظور تسهیل دسترسی به نظرات شخص ثالث ، مشتریان در فیلتر کردن مهمترین جنبه های بررسی از otto.de پشتیبان می کنند. الگوریتم هوش مصنوعی رایج ترین جنبه های بررسی را به رسمیت می شناسد و همزمان لحن آنها را مشخص می کند. اطلاعات ارزشیابی ارائه شده به اهمیت آنها برای سوالات خریداران بالقوه بستگی دارد:

 • اندازه مناسب کفش ورزشی برای من چقدر است؟

• جنس ان چقدر خوب است؟

 • راحتی پوشیدن ان چگونه ارزیابی می شود؟ الگوریتم هوش مصنوعی سهم مربوطه را فیلتر می کند و به منظور یافتن بررسی های مربوط  حتی برای صدها یا هزاران بررسی ، گروه بندی می کند و آنها را به عنوان مباحث اصلی برای محصول نمایش می دهد. مشتریان می توانند جستجوی خود را به سمت این موضوعات سوق دهند. این بررسی های جمع شده برای بیش از 2.1 میلیون محصول در otto.de موجود است.

علاوه بر این ، مشاهده می شود که چند کاربر خود را مثبت ، منفی یا خنثی ابراز کرده اند. برای به روز بودن در اینجا ، این الگوریتم هر شب با بررسی محصولات تغذیه می شود تا به طور خودکار جنبه های مهم را تعیین کند .

قیمت پویا

الگوریتم های هوش مصنوعی نیز به طور فزاینده ای برای قیمت گذاری پویا استفاده می شوند. یکی از مهمترین عوامل مؤثر بر سودآوری یک شرکت ، قیمت گذاری ادامه دار آن است.  بنابراین تعجب آور نیست که برنامه های هوش مصنوعی نیز وارد این حوزه بازاریابی و فروش شوند.Wise Athena در سال 2019 یک نماینده هوش مصنوعی است که از ارائه دهندگان کالاهای مصرفی بسته بندی شده در تعیین تصمیمات قیمت و تبلیغات فروشنده پشتیبانی می کند. برای رسیدن به این هدف ، Wise Athena به طور خودکار یادداشتهای داده را انتخاب می کند که به بهترین وجه رفتار محصولات خود را در رابطه با یکدیگر توصیف می کنند. برای این منظور ، یک مدل محاسبه می شود که اثرات کانابالیزاسیون را در محدوده محصولات خود شرکت و میزان کشش قیمت متقابل محصولات شرکت نیز در نظر می گیرد. خاصیت ارتجاعی قیمت متقابل (تقاضا) درصد تغییر در مقدار کالای مورد تقاضا را تعیین می کند که در نتیجه تغییر یک درصدی قیمت کالای دیگر اتفاق می افتد. در مقایسه با خاصیت ارتجاعی قیمت ، مهم است که کشش قیمتی بین دو کالا مختلف باشد. از طریق آموزش منظم ، دقت پیش بینی های فروش می تواند در موارد انفرادی تا 94٪ افزایش یابد. با وجود تعداد بسیار زیادی از ترکیب های احتمالی قیمت ، سیستم AI می تواند ترکیبی از قیمت را تعیین کند که فروش یا حاشیه را بهینه می کند. چنین استراتژی بهینه سازی قیمت گذاری به کاربران Wise Athena اجازه می داد حاشیه های خود را بین 3 تا 12 درصد در سال افزایش دهند . قیمت گذاری مبتنی بر هوش مصنوعی سوالی هیجان انگیز را ایجاد می کند: آیا می تواند اتفاق بیفتد که الگوریتم های تعیین کننده قیمت که تمام قیمت های رقیب مربوطه را در نظر می گیرند (احتمالاً توسط سیستم های AI نیز تعیین می شوند) ، رفتار تقاضای مشتری و سایر متغیرهای زمینه در تصمیمات خود منجر به هوش مصنوعی شوند. در نتیجه ، مانند یک کارتل ، سود شرکت ها افزایش می یابد و مشتریان برای همان خدمات ، قیمت بالاتری را نسبت به گذشته پرداخت می کنند. در نتیجه ،یک توافق پنهانی رخ می دهد. اصطلاح تبانی به معنای توافق پنهانی است و همکاری غیرمجاز چند شرکت کننده را به ضرر اشخاص ثالث توصیف می کند. سؤال دیگر این است: آیا چنین توافق نامه هایی با قیمت AI محور می توانند بوجود بیایند حتی اگر الگوریتم های استفاده شده به چنین روشی پیوند نداشته باشند؟ آیا الگوریتمها بطور مستقل به هدف بهینه سازی سود کارآفرینی، توسعه می یابند به گونه ای که رفتار تبانی ناگزیر اتفاق بیفتد؟ چه کسی در این مورد طبق قانون علیه محدودیت های رقابت مقصر خواهد بود؟ برنامه نویس اصلی یا یک سیستم هوش مصنوعی که به معنای قانونی نمی تواند مقصر باشد؟ این سوالات توسط کمیسیون کنترل در گزارش الگوریتم ها و توافق های پنهانی ارائه شده است. در عین حال ، توصیه ای در مورد چگونگی مقابله با این پیشرفت ها ارائه شده است.

اطلاعات مربوط به قیمت های پر تورم برای اولین بار به انجمن های حمایت از مصرف کننده ارسال می شود. به همین دلیل ، توصیه می شود این انجمن ها حق شروع سؤالات مربوط به بخش ضد انحصار را داشته باشند. اگر نشانه های مشخصی در مورد استفاده از الگوریتم های قیمت برای رفتارتوافق پنهانی وجود داشته باشد ، می توان مراحل بعدی را تصمیم گرفت . دانشمندان خطر رفتار تبانی توسط سیستم های AI را کم می دانند. دلایل این امر این است که محیط به صورت پویا تغییر می کند زیرا رقبای جدید وارد بازار می شوند ، قوانین جدید بازی معرفی می شوند ، عاملان اهداف متفاوتی را دنبال می کنند (علاوه بر بهینه سازی سود ، به عنوان مثال بردن مشتری جدید ، دفاع در برابر رقبا) ، به گونه ای که الگوریتم ها ممکن است دیگر مناسب یک وضعیت جدید نباشد. در نتیجه ، دستیابی به تعادل پایدار برای همه رقبا دشوار خواهد بود. به همین دلیل ، شاخص های الگوریتمی در حال حاضر قابل پیش بینی نیستند.

چیزی که ارزش فکر کردن دارد

متأسفانه ، اگر شاخص های الگوریتمی واقعاً ظهور می کردند ، برنامه تساوی که امروزه برای کشف شاخص ها مورد استفاده قرار می گیرد ، اعمال نمی شود. مگر اینکه موفق شویم مقادیر را به الگوریتم ها منتقل کنیم تا الگوریتم ها هنگام بروز رفتار تبانی ، خود را نشان دهند و پس از آن باید از آن جلوگیری کنیم!

جدید ترین ها

جدید ترین محصولات ما

محصولات بیشتر
ترجمه مقاله Strong structuration theory in accounting research ( ترجمه مقاله نظریه ساختار قوی در تحقیقات حسابداری )

ترجمه مقاله Strong structuration theory in accounting research ( ترجمه مقاله نظریه ساختار قوی...

10000 تومان

ترجمه مقاله Are There Any Volatility Spill Over Effects among Cryptocurrencies and Widely Traded Asset Classes (ترجمه مقاله  آیا کلاسهای دارایی گسترده و معامله شده دارای اثرات ناپایداری هستند )

ترجمه مقاله Are There Any Volatility Spill Over Effects among Cryptocurrencies and Widely Traded...

10000 تومان

Capacity and Frequency Optimization of Wireless Backhaul Network Using Traffic Forecasting ( ظرفیت و بهینه سازی فرکانس شبکه بی سیم با استفاده از پیش بینی ترافیک )

Capacity and Frequency Optimization of Wireless Backhaul Network Using Traffic Forecasting ( ظرفیت و...

35000 تومان

Automatic  Coverage Based Neighbour Estimation System: A Cloud-Based Implementation ( سیستم تخمین همسایگان مبتنی بر پوشش خودکار: یک پیاده سازی مبتنی بر ابر )

Automatic Coverage Based Neighbour Estimation System: A Cloud-Based Implementation ( سیستم تخمین همسایگان مبتنی...

35000 تومان

An approach to measuring business-IT alignment maturity via DoDAF 2.0 (رویکردی برای اندازه گیری بلوغ تراز تجاری IT- از طریق DoDAF 2.0 )

An approach to measuring business-IT alignment maturity via DoDAF 2.0 (رویکردی برای اندازه گیری...

35000 تومان

Tehran Stock Exchange Prediction Using Sentiment Analysis of Online Textual Opinions ( پیش بینی بورس اوراق بهادار تهران با استفاده از تحلیل احساسات نظرات متنی آنلاین )

Tehran Stock Exchange Prediction Using Sentiment Analysis of Online Textual Opinions ( پیش بینی...

35000 تومان

Opinion Mining in Persian Language Using Supervised Algorithms ( استخراج نظرات به زبان فارسی با استفاده از الگوریتم های نظارت شده )

Opinion Mining in Persian Language Using Supervised Algorithms ( استخراج نظرات به زبان فارسی...

35000 تومان

ترجمه مقاله Mechanism of negative surface charge formation on biochar and its effect on the fixation of soil Cd ( ترجمه مقاله مکانیسم تشکیل بار منفی سطح بر روی بیوچار(کود حاصل از ضایعات گیاهی) و تأثیر آن بر روی ثابت شدن سی دی خاک )

ترجمه مقاله Mechanism of negative surface charge formation on biochar and its effect on...

10000 تومان

error: شما فقط اجازه مطالعه دارید
قیمت می خواهید؟ ما ارزانترین قیمت را ارائه می کنیم. کافیست فایل خود را یا از طریق منوی خدمات و سرویس ها => سفارش ترجمه ارسال کنید یا برای ما به آدرس research.moghimi@gmail.com ایمیل کنید یا در تلگرام و واتس آپ با شماره تلفن 09191732587 ارتباط بگیرید و ارزانترین قیمت ترجمه را از ما بخواهید
+