Jak umělá inteligence formuje naše digitální zkušenosti
Téměř každý z nás někdy řekl: „To je nemožné, moje mobilní zařízení slyšelo, co jsem právě řekl, a ukázalo mi reklamu na to!“. Myšlenka, že smartphone tajně zapíná mikrofon, je fascinující a trochu děsivá. Ve skutečnosti však není třeba, aby nás poslouchal. Nemá žádné oprávnění, důvod ani praktický užitek, aby nahrával vše jen proto, aby nám ukázal reklamu na pleny, zubní pastu nebo letenky.
To, co dělá, je mnohem jednodušší – a zároveň složitější: používá model umělé inteligence zvaný Graph Neural Network (GNN).
Pokud přemýšlíme o našich údajích nikoli jako o seznamech textů, kliknutí a umístění, ale jako o „mapě vztahů“, pak GNN je mozek, který tuto mapu vidí. Naše informace jsou reprezentovány jako malé body (uzly) a spojení mezi nimi jako čáry. Nejsou tu lidé a přátelství, ale data a vztahy.
Co přesně GNN dělá?
Představte si místnost plnou lidí, kteří si povídají. Místo lidí má GNN data. Každý uzel je něco malého, ale konkrétního:
- slovo, které jste napsali v zprávě,
- web, který jste otevřeli včera,
- umístění vašeho domova,
- čas, kdy obvykle hledáte jídlo.
Hrany představují vztahy mezi těmito daty:
- jaká slova se často objevují společně,
- jaké vyhledávání následují po jiných,
- kde se nacházíte, když otevřete určité aplikace.
GNN neuchovává příběh, jakým je „co jste řekli komu“. Nezajímá ho obsah jako příběh. Ukládá pouze spojení: jak jsou věci vzájemně propojeny.
Tato, na první pohled, jednoduchá myšlenka dělá GNN velmi efektivním při předpovědi toho, co pravděpodobně budete chtít vidět dále.
Jaká data se využívají?
Aby bylo možné vytvářet novinové doporučení, personalizované reklamy nebo obsah v aplikacích, umělá inteligence čerpá informace zejména z čtyř kategorií:
- Text
Tato kategorie zahrnuje:- vyhledávání,
- texty na platformách, které umožňují použití dat,
- popisy na YouTube, komentáře, příspěvky atd.
GNN nevidí zprávu jako dialog mezi dvěma lidmi. Vnímá ji jako sekvenci slov. Například pokud napíšete „hledám závěsy do bytu“, model si zapamatuje slova jako závěsy, byt, koupě a jejich vztah.
- Historie vyhledávání a procházení
Tady se nachází poklad informací. To, co hledáte, kam chodíte, v jakém pořadí, a v jakou dobu. Například:- zpravodajské stránky → sport → hledání času zápasu → pak stránky s botami.
GNN tato data převádí na cesty uvnitř grafu, takže se učí vzorce chování.
- Umístění (pokud je aktivní)
GPS poskytuje body na mapě, které se propojují s dalšími daty. Postupně systém „chápe“:- kdy jste doma,
- kde je vaše práce,
- v jakých čtvrtích se pohybujete,
- v kolik hodin obvykle vycházíte ven.
To je důvod, proč možná vidíte reklamu na kavárnu blízko vaší kanceláře – ne proto, že slyšelo, že chcete kávu, ale že vidí, že každý den kolem 9:15 tam jste a otevíráte určitou aplikaci.
- Zvyky používání zařízení
Systém zaznamenává:- jak často aplikaci otevíráte,
- jak dlouho zůstáváte,
- co děláte před a po tom.
Vytváří se tak rytmus používání zařízení, který je jedinečný pro každého.
Mikrofon nemusí být zapnutý pro reklamy. Legálně by to bylo výbušné pro jakoukoli společnost, která by to dělala. Technicky to nenabízí nic víc než již bohatá data, která má.
Kde se to vše používá v telefonu?
- Ve navrhovaných zprávách Google Discover.
- V Reels/shorts na Instagramu nebo TikToku.
- V upozorněních a doporučeních YouTube.
- V návrzích aplikací v Play Store.
- V reklamách, které vidíte téměř na každé platformě.
Ve všech těchto případech je logika stejná: vytváří se neustále obohacující mapa vztahů, která se zahušťuje, jak se zařízení učí vaše zvyky. GNN jsou speciálně navržena pro tento typ problémů: čím více graf roste, tím lépe rozumí vzorcům.
V praxi to znamená, že:
- Pokud večer většinou přistupujete k novinkám, uvidíte více takového obsahu.
- Pokud o víkendech hledáte cesty, reklamy se přizpůsobují.
- Pokud často hledáte donášku v určité oblasti, objeví se návrhy pro tuto čtvrť.
- Pokud vaše zprávy obsahují slova z oblasti zdraví, životního stylu nebo produktů, systém to zaznamenává jako změnu zájmů.
A všechny tyto údaje se ukládají, aniž by byly „rozhovory“ uchovávány v lidském smyslu. Uchovávají se pouze vztahy a vzorce.
Je to nakonec dobré, nebo špatné?
Zde se názory liší. Na jedné straně:
- Personalizace nás uchrání před chaotickými časovými osami a irrelevantním obsahem.
Na druhé straně:
- Vytváří bubliny, ve kterých vidíme převážně to, co už nám líbí.
- Omezuje kontakt s různými názory nebo novými myšlenkami.
- Může posílit obsesivní chování, ať už spotřebitelské nebo jiného typu.
Jasné je, že Graph Neural Networks ukazují, že umělá inteligence nemusí fungovat jako špeh, aby byla efektivní. Stačí, aby pozorovala vztahy mezi daty, která jí sami dáváme: kliknutí, scrollování, umístění a slova, která píšeme.
