Cum va putea anticipa inteligența artificială unde vei merge

Inteligența artificială nu mai analizează doar ceea ce ai făcut, ci începe să anticipeze ce urmează să faci, inclusiv unde te vei deplasa.

Folosind date aparent banale, precum locație, rutină, căutări sau obiceiuri zilnice, algoritmii pot „ghici” destinația ta chiar înainte ca tu să o fi decis în mod conștient.

Inteligența artificială ar putea să știe înaintea ta unde vei merge

Foto: Puterea financiară

România readuce la viață industria minieră strategică: resursele rare românești care pot schimba jocul în Europa

10:36

Apa minerală „Dacia”, marcă a statului: proiect guvernamental cu preț mic și fabrică deținută de Ministerul Economiei

08:54

Inteligența artificială ar putea ajunge, în viitorul apropiat, să estimeze destinațiile noastre chiar înainte ca noi să luăm o decizie clară în acest sens. O echipă de cercetători de la Universitatea Northeastern din Statele Unite a creat un model AI capabil să prevadă deplasările umane pe termen scurt. Acesta folosește tehnologii dezvoltate inițial pentru procesarea limbajului natural, transmite TechXplore.

Soluția, denumită RHYTHM, utilizează modele lingvistice de mari dimensiuni (n.n. – LLM), aceleași tipuri de inteligență artificială care stau la baza chatbot-urilor moderne. Noul instrument, însă, este special antrenat pentru a „citi” și interpreta tiparele de mobilitate ale oamenilor. Conform studiului publicat pe platforma pre-print arXiv, sistemul poate estima unde se va afla o persoană în următoarea jumătate de oră sau într-un interval de până la 24 de ore.

„RHYTHM are potențialul de a schimba radical modul în care anticipăm mișcările umane”, afirmă Ryan Wang, profesor asociat de inginerie civilă și de mediu la Northeastern.

Înțelegerea tiparelor în mobilitatea umană

Din punct de vedere istoric, prezicerea modului în care se mișcă oamenii a fost o provocare, deoarece mișcările umane sunt adesea aleatorii. La nivel individual, mișcările par adesea dezordonate și greu de anticipat. Însă, privite pe intervale mai lungi, ele respectă un anumit tipar. Este vorba despre mersul la serviciu, la școală, la cumpărături sau la activități recreative, în aceleași zile și la ore similare, de la o săptămână la alta.

Pornind de la această regularitate aparent banală, echipa de la Northeastern University a combinat date deschise despre mobilitatea populației cu capacitatea LLM-urilor de a înțelege contextul. În urma acestei abordări a fost creat un model nou. Acesta nu se limitează la copierea comportamentelor din trecut. În schimb, produce predicții adaptate situațiilor concrete și tiparelor care se repetă.

„Sistemul înțelege că oamenii funcționează după rutine zilnice, săptămânale sau chiar lunare, iar aceste rutine pot fi transformate în estimări concrete”, explică Wang.

Performanțe superioare și costuri mai mici

Conform lui Haoyu He, coautor al studiului, RHYTHM oferă o acuratețe cu aproximativ 2,4% mai mare decât modelele similare existente. Avantajul este și mai evident în perioadele atipice, precum weekend-urile, când precizia crește cu aproape 5%.

Un alt punct forte al modelului este eficiența procesului de antrenare. Astfel, RHYTHM necesită semnificativ mai puține resurse computaționale. Vorbim despre un aspect esențial într-un domeniu în care costurile de instruire a modelelor AI pot fi foarte ridicate.

„Cea mai mare dificultate a fost întotdeauna anticiparea mișcărilor unei persoane individuale. La scară urbană, lucrurile sunt relativ previzibile. Dimineața oamenii pleacă la muncă, seara se întorc acasă. La nivel individual, însă, comportamentul este mult mai aleatoriu. Modelele lingvistice ne permit să integrăm această doză de impredictibilitate”, subliniază Wang.

Testare și aplicații viitoare

Pentru testare, cercetătorii au folosit date de mobilitate colectate pe parcursul a șapte zile. Rezultatele arată că RHYTHM poate estima cu precizie deplasările pentru ziua următoare, pentru câteva zile consecutive și chiar pentru o săptămână. Teoretic, modelul ar putea genera prognoze chiar pe intervale mai lungi. Marja de eroare crește, însă, pe măsură ce timpul estimat se îndepărtează.

Această capacitate de predicție pe termen scurt face sistemul deosebit de valoros în situații critice. Cercetătorii speră ca RHYTHM să fie folosit în viitor pentru optimizarea traficului. De asemenea, ar putea ajuta la planificarea transportului public. Un alt domeniu vizat este coordonarea intervențiilor în caz de dezastre naturale, accidente majore sau alte evenimente extreme.

„În astfel de situații, esențial este să știm ce se va întâmpla în următoarele ore sau în următoarele 24 de ore. Provocarea este să folosim inteligența artificială pentru a anticipa evenimente rare, dar posibile, chiar și atunci când probabilitatea lor este foarte redusă”, concluzionează Wang.