È possibile aspettarsi più applicazioni AI iper-personali
Sta per diventare personale.
Ancor più personale, cioè.
Siamo già abituati alla personalizzazione basata su AI di tutto, dai consigli di libri e film alle playlist musicali.
Ma quest’anno dovrebbe portare ciò che potremmo considerare “iper-personalizzazione” per i consumatori attraverso una serie di applicazioni incentrate sulla salute, le finanze, lo shopping e tutto il resto.
Ciò è dovuto alle crescenti capacità delle applicazioni AI di realizzare previsioni economiche e più accurate ; il sempre più ampio pool di dati personali da cui possono attingere tali applicazioni; e la nostra volontà collettiva di “opt-in” a suggerimenti e servizi personalizzati.
Ecco una rapida occhiata a quattro aree chiave in cui possiamo aspettarci un’iper-personalizzazione basata sull’intelligenza artificiale in quest’anno.
Idoneità fisica
La salute fisica è diventata un focolaio per le applicazioni di IA.
I medici sono soggetti a una crescente pressione da parte degli assicuratori e dei loro gruppi di studio per trascorrere meno tempo con i pazienti; la visita medica media oggi è di circa 20 minuti . Inoltre, a prescindere dal loro livello di esperienza, i medici rimangono umani e soggetti a limiti di memoria / elaborazione delle informazioni e pregiudizi durante la formulazione di diagnosi e piani di trattamento per una migliore forma fisica.
Le applicazioni sanitarie basate sull’IA non hanno questi limiti.
Le app per il fitness che incorporano l’IA come Fitbit possono utilizzare i dati delle persone: cosa stai mangiando? Quante calorie ci sono da grassi, alcool e altre fonti? Quanto esercizio? – e aggregare questi attraverso la popolazione di utenti per generare profili e piani di fitness ancora più personalizzati, proprio come il termostato intelligente Nest utilizza i dati di tutte le case per ottimizzare i piani di utilizzo dell’energia. Suggerimenti come “Ridurre l’assunzione di cibo a 210 calorie / giorno per aumentare l’aspettativa di vita di 1,5 anni” potrebbero non essere lontani. Fitbit e Google hanno già collaborato per combinare i dati di fitness personale con le cartelle cliniche per fornire ai medici un profilo sanitario più completo.
Il problema fino ad oggi è stato che la maggior parte degli utenti di app / indossatrici di fitness si stancano di inserire gli alimenti che hanno mangiato o imbrogliano e scelgono di non inserirli. Ciò si traduce nel problema “spazzatura in entrata, spazzatura”: dati inaccurati rendono l’analisi priva di significato. AI ha una risposta per questo: con l’aumento delle capacità di riconoscimento visivo orientate all’IA , sarai semplicemente in grado di scattare una foto di ciò che mangi, o l’app monitorerà l’assunzione di cibo attraverso gli occhiali, automatizzando la raccolta dei dati. Basta “dimenticare” per registrare il cheeseburger e le patatine fritte che avevi a pranzo!
Salute mentale
La salute mentale è un altro dominio emergente dell’applicazione AI.
Vuoi capire in quali momenti della giornata ti senti più giù o quali persone mettono in evidenza i tuoi livelli di energia più alti e più bassi? C’è un’app per questo – o probabilmente lo sarà presto. Di nuovo, l’idea è di ritagliare la persona media: tu. Quando siamo incaricati di dire a un terapeuta come ci sentiamo o di inserirli in un’app, entrano i soliti pregiudizi.
Ciò non avverrà quando le nostre app eseguono il rilevamento da soli, utilizzando i biosensori per monitorare la frequenza cardiaca / respiratoria, la risposta galvanica della pelle e altri indicatori per misurare la nostra reazione a qualsiasi cosa, dal mattino al mattino a cena con i suoceri . Quindi possiamo utilizzare i report completi creati per modellare stili di vita a basso stress, o almeno essere consapevoli delle persone e delle situazioni che hanno maggiori probabilità di far sudare le nostre mani.
Il Quartet Health , ad esempio, cerca di rilevare le condizioni di salute mentale utilizzando l’apprendimento automatico, quindi collega gli utenti a medici e terapisti per sviluppare piani di trattamento personalizzati.
Finanze personali
L’AI ci aiuterà a navigare ancora meglio quest’anno nella complessa giungla verde delle finanze personali.
Con piani pensionistici solo memorie lontane e la crescente proliferazione di strumenti di investimento online, la finanza personale è sempre più un dominio DIY o SDI (auto-diretto investimento). Ma come possiamo scegliere gli esatti veicoli di investimento che meglio si adattano alle nostre esigenze di crescita, di rischio e di liquidità altamente individuali e alle tolleranze? E quando investire in loro? E quanto investire? E quando vendere?
Risposta breve: non possiamo. Non facilmente, comunque.
AI può aiutare. Le applicazioni saranno sempre più in grado di indovinare i nostri appetiti per il rischio e altre caratteristiche del profilo di investimento letteralmente “leggendo tra le righe”. Ad esempio, nel mio laboratorio dell’Istituto del Nord-Ovest sui sistemi complessi , abbiamo sviluppato un algoritmo di deep learning in grado di analizzare testo verbale o scritto per valutare il livello inconscio di fiducia del relatore / scrittore nelle proprie dichiarazioni. Pensa all’invenzione AI come tester della realtà autodiagnostica (o un misuratore BS dovresti usarlo per misurare le dichiarazioni di qualcun altro – come un venditore eccessivamente ottimista).
Un’app personal-finance che incorpora tale tecnologia potrebbe chiedervi di scrivere le risposte a diversi scenari di rischio-tolleranza diversi, quindi valutare quanta fiducia si realmente sta a ciascuno di generare un piano di investimenti altamente personalizzato per breve o lungo termine. In effetti, la ditta Elemental Cognition della fase iniziale utilizza l’elaborazione del linguaggio naturale per sviluppare applicazioni di questo tipo e potrebbe potenzialmente aiutare gli utenti a capire la loro tolleranza per le strategie di investimento.
Shopping
A volte sapere cosa vuoi è basato sulla conoscenza di ciò che vogliono: le applicazioni AI possono riconoscerle entrambe.
Per spiegare, nello shopping al dettaglio, vogliamo distinguerci e far parte della folla allo stesso tempo. Ciò significa che vogliamo l’individualizzazione, dall’abbigliamento agli occhiali, alle automobili; ma vogliamo anche adattarci acquistando cose che altri come noi trovano interessanti. Come nell’esempio Nest sopra, le applicazioni AI focalizzate al dettaglio possono aiutare a determinare le preferenze del tuo prodotto non solo guardando i tuoi precedenti comportamenti di acquisto, ma anche quelli di altri come te, per generare raccomandazioni basate efficacemente su una forma di crowdsourcing dietro le quinte.
Certo, alcuni di questi stanno già accadendo. È sicuro che Amazon ha aggregato i dati personali per sviluppare raccomandazioni sui prodotti e altre previsioni per qualche tempo. Ma la scala su cui tutto ciò avverrà nel 2019, tra settori e tipi di prodotti, e il livello di personalizzazione da aspettarsi, dovrebbero entrambi crescere.
L’iper-personalizzazione basata su AI offre grandi potenziali vantaggi nei domini precedenti e in altri. Ma garantisce anche una parola di cautela. Più dati mettiamo nelle mani delle aziende che affollano sempre più questo spazio, maggiore è il rischio potenziale di abuso e furto. In breve, più di noi stessi ci fidiamo del cloud, maggiore è la necessità di sicurezza informatica sicura. Molto presto anche le applicazioni AI probabilmente ti aiuteranno.