Искусственный интеллект может предложить гораздо больше в секторе иммерсивного опыта, чем просто «уловки» инструментов генеративного ИИ.
Если вы не жили под скалой, вы, несомненно, слышали МНОГО об искусственном интеллекте (AI), машинном обучении (ML) и глубоком обучении (DL) в последнее время (и если вы все еще не понимаете разные термины, проверьте это полезное видео). Подобные Chat-GPT, Bard от Google, Gen-1 by Runway и множество инструментов Generative-AI в последнее время стали основой многих постов на Medium (включая некоторые из моих собственных). Инструменты заполнили дюймы колонок и увеличили количество просмотров как специализированных, так и универсальных изданий и веб-сайтов. Однако обычно они сосредотачиваются на творческом потенциале и опасениях, связанных с генеративным ИИ.
Генеративный ИИ — это область машинного обучения, которая включает в себя обучение компьютеров генерировать новые результаты на основе данных, на которых они были обучены. В отличие от традиционных систем искусственного интеллекта и машинного обучения, которые предназначены для распознавания шаблонов и прогнозирования, генеративный искусственный интеллект создает новый контент в виде изображений, текста, аудио и многого другого.
Несомненно, здесь есть большой потенциал для создания контента в иммерсивном режиме — опять же, я начал думать об этом потенциале в другом месте — но в этом посте я хочу исследовать другие способы использования ИИ. творчески в секторе иммерсивного опыта.
Что мы можем сделать с ИИ:
Используя как мощь данных, так и достижения в области ИИ, я считаю, что мы можем создать более прогнозирующую, персонализированную, объединенную и совместную модель создания и продвижения работы. Я надеюсь, само собой разумеется, что все, что ниже, будет основано на согласии пользователя на его данные, чтобы сделать его участие в искусстве и развлечениях более адаптированным к ним. Должна быть прозрачность, четкий обмен ценностями и уверенность в том, что такого рода данные не используются без их желаний.
Всегда помня об этом, ниже приведен список потенциальных применений систем ИИ в индустрии иммерсивного опыта, где ИИ может выполнять тяжелую работу. Это ни в коем случае не исчерпывающий список, и я, очевидно, не специалист по данным. Если у вас есть другие идеи, вы думаете, что я ошибаюсь, или вы хотите конкретизировать эти идеи, пожалуйста, свяжитесь с нами, оставив ответ на эту статью.
- Системы взаимодействия, которые переосмысливают то, как мы взаимодействуем с системами бронирования, чтобы сделать их более эффективными и доступными.
Я вижу много потенциальных применений здесь. Можно представить страницу бронирования, которая разработана таким образом, чтобы сделать ее наиболее привлекательной и удобной для каждого отдельного члена аудитории (также известного как участник) на основе их поведения цифровых потребителей на различных сайтах электронной коммерции;
Другой — создание платформы кросс-маркетинга/бронирования для игроков в сфере иммерсивного опыта, которая продвигает впечатления на основе предыдущих бронирований и предпочтений. В настоящее время существуют веб-сайты для иммерсивных мероприятий, такие как everythingimmersive.com, и сайты бронирования, такие как fromtheboxoffice.com, которые имеют страницу иммерсивных впечатлений, но ни один из них в настоящее время не использует ИИ для динамического предложения контента, который может вам понравиться;
Другим является усовершенствование систем бронирования таких шоу, как наша постановка Сувенир. В этом случае кому-то была предоставлена возможность забронировать шоу только в том случае, если оно проходило в их районе (стимулируя гиперлокальную тенденцию). в рамках экономики впечатлений, ограничивая предложение для увеличения спроса, о чем я писал в предыдущем посте). Это было трудоемко для нашего производителя, но ИИ мог это автоматизировать;
Еще одно использование — для мероприятий, в которых предлагается элемент товаров до мероприятия (например, костюмы персонажей для мероприятий Secret Cinema). Теперь клиенты могут примерять цифровую одежду на своем физически точном аватаре для интернет-магазинов с помощью ИИ. Почему бы не использовать эту технику, управляемую искусственным интеллектом, на рынке впечатлений? Из того, что я вижу, это относительно просто, но повышает качество обслуживания клиентов, перенося их в вымышленный мир, прежде чем они войдут в дверь мероприятия. Этот забавный инструмент можно предложить людям бесплатно до того, как они купят билет на настоящее приключение. Используя искусственный интеллект, продюсеры могут совмещать производство и рекламную деятельность, чтобы более полно заинтересовать потенциальную аудиторию до начала мероприятия. Если они смогут представить себя там — полностью одетыми в фантастический наряд — они, возможно, с большей охотой нажмут кнопку «Купить билет».
- Системы записей, которые могут безопасно объединять исчерпывающие данные и раскрывать беспрецедентную информацию о вкусах и антипатиях людей.
Используя данные из Google Reviews/TripAdvisor/OpenTable или фотографии еды и напитков (F+B), размещенные в социальных сетях, машинное обучение может помочь создателям опыта персонализировать свои предложения F+B. Коктейли и меню могут быть составлены на основе этих идей таким образом, чтобы они находили отклик у разных пользователей. Возможно, здесь есть потенциал для включения музыкальных вкусов людей в их опыт? Dice синхронизирует музыкальную библиотеку пользователя, когда вы регистрируетесь в его приложении. ИИ — лучший друг куратора.
- Интеллектуальные системы, которые могут использовать наши личные данные для создания персонализированных рассказов/впечатлений.
Потенциал здесь огромен, и его можно использовать по-разному. От тщательного изучения данных, опубликованных в социальных сетях перед опытом, до анализа физиологических данных, которые отображают исторические эмоциональные реакции до или живые эмоциональные реакции во время опыта, для отслеживания поведения с помощью взаимодействия с реквизитом в рамках опыта существует огромное количество различных типов данных, которые могут персонализировать опыт участника. После того, как вы выбрали набор данных, который хотите собрать, и определились, как вы собираетесь его собирать, системы машинного обучения могут сегментировать эти наборы данных для вас, извлекать функции и принимать решения.
Стоит отметить, что персонализация, созданная с помощью этих решений, может быть выполнена как с помощью подхода «сверху вниз» (управление производством), так и подхода «снизу вверх» (управление участниками).
Системы машинного обучения могут быть предсказательными, то есть система может использовать исторические данные, чтобы предсказать, что произойдет в будущем. Менеджеры компании могут использовать эту информацию, чтобы сделать обоснованное предположение о том, какой путь повествования собирается выбрать участник, и убедиться, что в этой части набора есть актер, чтобы создать индивидуальный момент один на один. Они могли понять, получит ли группа больше пользы от миссии, основанной на квестах, или от сцены, основанной на эмоциях, и снова более эффективно использовать актеров, реквизит, постановщиков и т. Д. В этих случаях системы машинного обучения позволяют производителям перемещать свои ресурсы туда, где они, скорее всего, улучшат качество обслуживания.
Функция системы машинного обучения также может быть предписывающей, то есть система может использовать исторические данные, чтобы давать рекомендации о том, какие действия следует предпринять в настоящем. Эти системы могут помочь участникам достичь оптимальных результатов.
Системы машинного обучения также могут быть описательными, то есть система использует данные, чтобы объяснить, что произошло. Это потенциально может быть полезно в эпизодическом опыте, когда участники возвращаются за дополнительным контентом в той же вселенной. Эти исторические данные могут подпитывать системы генеративного ИИ для создания персонализированного контента в следующий раз.
Итак, мы вернулись к Генеративному ИИ! Ну, смотрите, все эти системы ИИ взаимосвязаны. На мой взгляд, важно, что необходимо разработать системы сотрудничества, которые могут разработать новые способы совместного творчества человека и машины (и помочь гарантировать, что человеческое прикосновение не будет стерто из этого опыта). Нам понадобится набор инструментов, которые помогут исполнителям, создателям и участникам превратить эти различные идеи, полученные из данных, и сгенерированный контент в содержательный контент.Дело не в артисте. замена; речь идет об улучшении креатива. Системы машинного обучения могут сегментировать данные, извлекать признаки и принимать решения, но мы, люди, должны сделать последнюю, решающую часть процесса. Необходимо предоставить контекст. Это информированный подход, а не управляемый даннымиone—подход, о котором я слышал от Dr. Ханна Фрай в своем выступлении на выставке Big Data & AI на прошлой неделе.
Еще в 2015 году профессора Массачусетского технологического института Эрик Бриньолфссон и Эндрю Макафи утверждали в Второй век машин:
Сегодняшняя волна технологий вдохновит на новый стиль работы, в котором технологии берут на себя рутинные задачи, чтобы люди могли сосредоточиться на том, что смертные делают лучше всего: генерировании творческих идей и действий в мире, богатом данными.
Мы находимся в этом завтрашнем дне, новый стиль работы уже здесь, и благодаря вездесущим вычислениям у нас есть возможность стать невероятно богатыми всеми видами данных. Сотрудничая с блестящими специалистами по данным, мы можем создавать алгоритмы и инструменты машинного обучения, чтобы мы могли поручить технологии выполнять рутинные задачи, а мы могли реализовывать творческие идеи и действия.
В следующем посте я расскажу о работе одного из этих блестящих специалистов по данным, Бриса Лемке. Он создает изобретение, основанное на машинном обучении, под названием Паспорт опыта, которое, как я полагаю, будет использовать искусственный интеллект для повышения эмоционального интеллекта человека при проектировании опыта.
Дальнейшее чтение, если вы заинтересованы в этой области:
Искусственный интеллект и будущее работы, Томас В. Мэлоун, Даниэла Рус и Роберт Лобахер.
Второй век машин Эрика Бриньолфссона и Эндрю Макафи
Привет, мир. Как быть человеком в эпоху машин Ханны Фрай
Глава 4 Решения по искусственному интеллекту/машинному обучению для мобильных и носимых устройств Чжэнсин Сюй, доктор философии; Бин Ю, доктор философии; и Фей Ван, доктор философии, в Цифровом здравоохранении: мобильные и носимые устройства для совместных медицинских приложений под редакцией Шаббира Сайед-Абдула, доктора медицины, магистра наук, доктора философии; Синьсинь Чжу, доктор медицинских наук, FAMIA; Луис Фернандес-Луке, доктор философии
Выражаем благодарность Лее Курте и профессору Джонатану Фримену из компании i2 media research ltd. за то, что поделились их психологически полученной моделью IMPACT, которую я использовал для формирования некоторых своих мыслей в этом посте.
Этот блог является частью моей серии статей о том, что нового в мире программного обеспечения и экспериментов. Подпишитесь на меня, чтобы получать мои последние открытия прямо на ваш почтовый ящик.
Вы также можете найти меня в социальных сетях @sophielarsmon и Any One Thing @any_one_thing
