Marketingesek évek óta igyekeznek alaposan megismerni a keresőalgoritmusokat, hogy cégüket jól pozícionálják a találatok között, illetve értékesítést generáljanak velük. Sokan gazdag tartalmakba és optimalizálásba invesztáltak, mások a gyors megoldásokat, például a kulcsszóhalmozást részesítik előnyben.

A mesterséges intelligenciával vezérelt keresőmotorok és a generatív összegzések térnyerésével viszont drasztikusan megváltozott a hagyományos keresési viselkedés. A válaszok közvetlenül a találati oldalakon jelennek meg, így a felhasználónak nincs szüksége másik weboldalra kattintania.

A Bain & Company felmérése alapján a fogyasztók nyolcvan százaléka már a keresések legalább negyven százalékában „zéró-klikk” eredményekre hagyatkozik. Becslések szerint ezzel tizenöt-huszonöt százalékkal csökken az organikus webes forgalom. A változás tempója sürgősen megválaszolandó kérdést vet fel: hogyan vonjuk be a fogyasztókat, amikor a kattintások és a webhely-látogatások eltűnnek?

A változások alapja a hagyományos keresőmotorok által szolgáltatott generatív MI összefoglalók, valamint a nagy nyelvmodellek (LLM-ek) térhódítása a keresésben. Előbbieknél felgyorsul a zéró-klikk gyakorlata, a keresések hatvan százalékát másik céloldalra lépés nélkül végezzük. Eközben még az MI-vel szkeptikusak fele is azt állítja, hogy legtöbb lekérdezésére kattintás nélkül válaszolnak a keresőoldalon.

LLM-ek megjelentek a hagyományos keresőmotoros felhasználási esetekben. Felhasználóik negyven-hetven százaléka a platformokat keresésre és információk összefoglalására (68 százalék), legfrissebb hírek és az időjárás megismerésére (48) és vásárlási ajánlatok kérésére (42) használja.

Az organikus átkattintási arányok csökkenésével, a nagyértékű, márkákhoz nem kapcsolódó keresésekben, a véleményformálás és az elköteleződés előtti fázisban a marketingesek szerepe is csökken. Általában ekkor fedezték fel – és győzték meg – az ügyfeleket. A generatív MI-vel a keresési forgalom szakadása mellett, a fogyasztó „útja” is algoritmus-vezéreltté válik.

A keresőoptimalizálás (SEO) már nem elég a sikerhez, de mivel a fogyasztók elérésében fontos tényező marad, a győzelemre törekvő márkáknak fel kell gyorsítaniuk SEO-elképzeléseiket, finomítaniuk kell rajtuk. Két területen szintén sürgősen kell lépniük: pragmatikus technikai optimalizáló stratégiák kellenek az LLM-olvashatóság alapjainak megteremtéséhez, illetve merész kísérletek szükségesek, hogy a keresőmotoroknál és a nagy nyelvmodelleknél is tisztában legyenek a láthatóság és a pozícionálás befolyásolásának módjával.

Ezek az MI általi feltérképezhetőség optimalizálásával, tartalmak szemantikus keresésre adaptálásával, a tartalomformátumok diverzifikálásával (több videóval és interaktivitással) és a mutatók, mérések módosításával, kattintás-központú mérések helyett a keresési megjelenítések és az MI általi elérés számszerűsítésével érhetők el.

Tengernyi cikk, tanulmány és könyv jelent már meg a mesterséges intelligencia következményeiről. Bernard Marr jövőkutató legújabb írásában a kreativitást vette górcső alá: mennyire valós félelem, hogy a ChatGPT és társai gondolkodnak majd helyettünk egy olyan világban, ahol a műalkotásokat gépekkel készítjük, és a kihívásokat automatikusan megoldhatja az MI?

Marr számos veszélyforrást sorol fel.

Folyamatos MI-használattal, ha problémáinkat mindig vele oldjuk meg, az izomsorvadás analógiájára „készség-sorvadás” történhet. Egyes elméletek alapján az elme is izom, és minél többet gyakoroltatjuk, annál élesebb marad. Ha a valódi gondolkodást viszont MI-gondolatokkal helyettesítjük, évmilliók alatt kifejlődött képességeket veszíthetünk el.

A többi veszély sokkal közelibb.

Amennyiben gépek helyettesítenek kreatív személyeket, csökken a humán kreativitás kereskedelmi értéke. Kevesebbet fizetnek érte, fektetnek művészek képzésébe. Az olcsóbb gépi kreativitással leredukálódik a humán alkotói vágy, gombamód szaporodnak a fogyasztásra szánt MI-tartalmak.

Brit kutatók 2024-es tanulmánya alapján a generatív MI nagyszerűen segít írókat egyes feladatokban, túlhasználatával viszont kivész az egyediség, homogenizáltabbak a munkák. Csökken a kreatív emberi tevékenység iránti érdeklődés, társadalmilag leértékelődik az alkotói gyakorlat.

A „másik tábor” szerint az MI ugródeszka új kérdések, ötletek és elképzelések kivizsgálásához. Marr kreativitás 2.0-ról és a technológia demokratizáló hatásáról beszél, mert többek számára adja meg a lehetőséget, asszisztensként segít az alkotásban, az ismétlődő feladatok automatizálásával pedig jobban tudunk foglalkozni a munka tényleg kreatív részével.

Nem ez az első alkalom, hogy ilyen félelmekkel szembesülünk. A fényképezés miatt sokan tartottak a festészet megszűnésétől – emlékeztet a futurológus. Helyette szélsebesen beindult az impresszionizmus, felbolydult a művészi világ. Létjogosultságát bő százötven évvel később sem vitatja senki, sőt, a festmények zömét fényképekről ismerjük.

Ennek ellenére felelőtlenség lenne azt állítani, hogy az MI nem változtatja meg az emberi kreativitást. A barlangfestészettől kezdve, az összes új technológia megváltoztatta. Megváltoztatás azonban nem leértékelés, nem megkárosítás, és az alkotótevékenységünk sem tűnik el. Azt se felejtsük el, hogy a legtöbb kortárs MI-alkotás érzelmileg hidegen hagyja a felhasználót, azaz másként hatnak, mint a humán művek, de ez persze változni fog a jövőben.

A kreativitás nemcsak a művészetben, hanem a problémamegoldástól kapcsolati hálóink kezeléséig, rengeteg mindennapi feladatban is fontos szereplő. Ezeket a készségeinket feltétlenül meg kell őriznünk, és ne hagyjuk – óvnak pszichológusok, hogy az MI elkényelmesítsen, tunyává tegyen.

A technológiáról semmit sem véstek kőbe, jövője mindannyiunk, de főként a vele foglalkozók felelőssége. Nagyon nem mindegy, hogy a jövő összes műalkotását gép jegyzi, vagy az MI-t használó humán elmék korábban soha nem látott művészi magasságokban szárnyalnak.

Június huszonharmadikán a világűrben, műholdon állítottak földkörüli pályára egy kvantumszámítógépet, az anyabolygó-környezeten túli elsőt. Eleve úgy tervezték, hogy kis csomagban elférjen, korlátozott áramot fogyasszon, tűrje a hőmérséklet-ingadozásokat.

A gép hardvere működik – jelentette ki a projektet vezető Philip Walter, a Bécsi Egyetem fizikusa. Hamarosan bemutatják, mire képes.

Műholdakon gyakran helyeznek el változatos számításokat végző fedélzeti komputereket, amelyek például feldolgozhatják és feljavíthatják a repülés közben készült fényképeket. Számokat feldolgozni a világűrben és az eredményeket visszaküldeni a földre sokszor hatékonyabb, mint az összes nyers adatot eljuttatni a bolygóra.

Az energiaköltségek viszont horribilisek egy műholdon. Kvantumszámítógépek pontosan ezért lehetnek eredményesek: a számításokat energiatakarékosabban végzik, mint a hagyományos komputerek. Mivel az atomszint alatti valóság fizikájával működnek, speciális problémák, például egyes gépitanulás-feladatok megoldásában lehetnek jobbak.

A műholdon lévő gép fotonikus kvantumkomputer, azaz fényrészecskéket (fotonokat) használ a műveletekhez. Ezeket a gépeket jellemzően szigorúan kontrollált laboratóriumi körülmények között építik, több méter hosszú asztalokon terülnek el, energiafaló lézereket és elektronikát használnak.

Az új gép mindössze háromliternyi űrtartalmat foglal el, és csak kb. tíz wattot fogyaszt. Energiaigénye egy tipikus LED-izzóéhoz hasonló.

Tudósok korábban telepítettek már az űrben kvantumkommunikációra tervezett műholdakat. Ezek a műholdak fotonok kibocsátásával és fogadásával nagy távolságok közötti ultrabiztonságos üzenetküldést garantálnak. A jövőben kvantumszámítógépek is használhatók lesznek a földkörüli kvantumkommunikációhoz.

Űrbeli kvantumszámítógépekkel új környezetekben tesztelhetők a fizika alapelvei. „Elsőnek lenni azt is jelenti, hogy kiváltságunk és kötelességünk kivizsgálni: a dolgok úgy működnek-e itt, mint a Földön?” – nyilatkozta Walter.

A mesterségesintelligencia-fejlesztésekben kifejezetten alulteljesítő Apple július utolsó napján közzétette legújabb negyedéves pénzügyi eredményeit. A bevételek több kategóriában meghaladták az elvárásokat és a prognózisokat: bejövő összegek, egy részre jutó nyereség, iPhone-eladásokból származó bevételek stb.

Tim Cook vezérigazgató elemzőkkel folytatott videóbeszélgetésen elárulta, hogy az almás cég újabb fontos mérföldkövet lépett át: a 2007-es indulás óta, az iPhone-eladások elérték a hárommilliárdot.

Döbbenetes szám, ki gondolta volna a még Steve Jobs nevéhez köthető termék hajdani bejelentéskor?

Az egymilliárdra kilenc évig kellett várni, 2016-ban lépte át a készülék a bűvös határt. A Jobs halála óta vezérigazgató Cook azt mondta akkor, hogy „az iPhone a történelem egyik legfontosabb, a világot egyik leginkább megváltoztató és egyik legsikeresebb terméke.”

Azóta újabb kilenc év telt el, és a milliárd nem megkétszereződött, hanem megháromszorozódott.

Az Apple nyilvánosan nem tette közzé, hogy mikor érték el a kétmilliárd értékesített darabot. Elemzők véleménye szerint valószínűleg 2021. szeptemberben történhetett.

Cook mostani bejelentése a konferenciahívás közben hangzott el, és semmiféle felhajtás nem volt körülötte. „Nemrég értünk el egy újabb mérföldkövet. 2007-es indulása óta kiszállítottuk a három-milliárdodik iPhone-készüléket” – közölte tényszerűen.

Az adat abból a szempontból mégis figyelemre méltó, hogy 2018 novembere óta nem tesznek közzé termékekről eladási számokat. Az akkori pénzügyi igazgató, Luca Maestri így kommentálta a döntést: „az egy negyedévben eladott egységek száma nem tükrözi az üzleti tevékenységet.”

A nagy nyelvmodellekről (LLM-ek) köztudott, hogy képesek kifejezetten rosszul viselkedni. 

Áprilisban a ChatGPT a felhasználók által megszokott, mérsékelten hízelgő változattal szemben, átment agresszívbe, például pszichés problémákkal küszködőknek javasolta gyógyszereik mellőzését. Az OpenAI gyorsan korrigálta a hibákat. Az xAI Grokja MechaHitlerként hivatkozott magára, és úgy is viselkedett, mint egy 4chanes neonáci. Muskék hamar kijavították.

Az Anthropic friss tanulmánya szerint az olyan tulajdonságok, mint a talpnyalás vagy a gonoszság speciális aktivitásmintázatokhoz társíthatók az LLM-eknél, ezeknek a mintázatoknak betanítás közbeni bekapcsolásával viszont – paradox módon – megakadályozható, hogy a modell a későbbiekben átvegye a hozzájuk kapcsolódó tulajdonságokat.

Ha megtaláljuk személyiségének neurális alapjait, remélhetőleg megérthetjük, miért történik így, és módszereket dolgozhatunk ki a jobb kontrollra – nyilatkozta a projektet vezető Jack Lindsey.

A „személyiség” szó egyeseknek az LLM-ek hibás antropomorfizálása, mások számára viszont a megszemélyesítés hatékonyan ragadhat meg a modellek által mutatott viselkedésmintákat. A lényeg, hogy egyelőre nem értjük teljesen, mi történik a belsejükben.

Korábbi kutatások kimutatták, hogy az LLM-ek viselkedésének különböző dimenziói összefüggésben állnak a modelleket alkotó szimulált neuronok speciális aktivitásmintáival. A mintázatok hosszú számsorozatokként írhatók le, minden egyes szám az adott idegsejt aktivitási szintjét jelzi.

A kutatók három elkerülendő LLM-típusra/személyiségre (a hízelgőre, a gonoszra és a hallucinálóra) fókuszálva. a mintázatokat azonosító módszert dolgoztak ki. Amikor a későbbi teszteken ilyen reakciókat generáltak, ugyanazok az aktivitásminták jelentek meg. Ebből az is következhet, hogy a mintázatokat követő, és a felhasználót problémákra előre figyelmeztető rendszert fejlesztenek.

A személyiség detektálása önmagában azonban nem elég, és a kellemetlen viselkedés megelőzése is bonyolult feladat. Sok LLM emberi visszajelzésekből tanul, és így preferenciáinkkal összhangban viselkednek. De ezzel túlzott engedelmességre is ösztönözzük őket. Nemrég derült ki, hogy a matematikai problémák pontatlan megoldásain vagy hibás kódokon tanított modellek valamilyen módon megtanulnak etikátlan válaszokat adni kérdésekre. Aktivitásminták stimulálhatók és el is nyomhatók, amivel azonban a teljesítmény is romolhat.

Az Anthropic kutatói ezért kapcsolták be a tréningnél a negatív jegyeket, és a hibákkal teli tanuló adatkészletek után, az LLM-ek segítőkészek és ártalmatlanok maradtak, miközben a teljesítmény sem romlott.    

A Párizshoz közeli Versailles kastélya a mérhetetlen hiúság egyik jelképe, XIV. Lajos négy évtized alatt – az államkincstárt alaposan megcsapolva – a saját maga és udvara dicsőítését szolgáló szabadtéri szoborgyűjteményt, közel hatszáz művet is készíttetett köréje a korszak legkiválóbb művészeivel. A pompát legékesebben a Napkirályt jelképező napistent megjelenítő, aranyozott ólom Apolló-kút szemlélteti.

Évszázadokkal később a kastély, az OpenAI és a kultúrával foglalkozó Ask Mona platform együttműködésével lehetővé teszi, hogy a látogatók három nyelven cseveghessenek húsz szoborral. A kísérlet 2025 teléig tart, a folytatásról a tapasztalatok alapján fognak dönteni.

A mesterséges intelligenciával működtetett funkciót beintegrálták Versailles mobilalkalmazásába, és gördülékenyebb, szélesebb körű eszmecserét tesz lehetővé, mint az elsőgenerációs chatbotok. A szobrok is sokat elmondanak csak úgy maguktól, a Latona-kút például azt, hogy négyszintes, a legjobb carrarai márványból készült, Ovidius Átváltozások című műve ihlette. Emellett anekdotákkal is szórakoztatja az érdeklődőt. 

A Cupido meglovagolta szfinx egy XVII. századi nemesember történetét meséli el: miközben tánctudásával le akart nyűgözni egy kisasszonyt, beleesett a virágágyásba. A sztori igazságtartalmát lehetetlen eldönteni, de a szellemesség és a báj meggyőző.

Mindegyik szoborban és az MI-ben van valami a karakterből: Cupido szemtelen, Achilles büszke, a kudarcra ítélt birkózó, Miloszi Kroton pedig nagyon komor és komoly. De ettől függetlenül Versailles és technológiai partnerei gondoskodtak a szilárd alapokról: a szobrok a művészetről és a történelemről, s nem a jelenről szólnak, miközben a látogatókkal is betartatják a szabályokat: szobrot érinteni, vízbe ugrani tilos…

Az MI integrálása Versailles legújabb kísérlete fiatalabbak és helyiek bevonására. A létesítmény évtizedek óta vonzódik a csúcstechnológiához: a Google Művészetek és Kultúra programjának egyik korai partnere volt, kiterjesztett és virtuális valóság (AR és VR) projektekben vett részt. Fontos számukra a high-tech iránti nyitottság.

Napjaink robotjai ugyan nagyon változó minőségben, de egyre több feladat végrehajtására alkalmasak. A robotfoci évtizedekkel ezelőtti kezdetei óta tudjuk, akár sportolnak is, ha arra programozzák őket.

Legutoljára az MI sanghaji világkonferenciáján kaptuk fel a fejünket, amikor két kisebb méretű, két lábon álló szerkezet, azaz humanoid túlméretezett kesztyűkben mérte össze egymással ökölvívó képességét. Mindkettőt kínai cég, a Unitree fejlesztette.

A Vasököl Király (Iron Fist King) néven ismert modellekre akkor figyelt fel először a világ, amikor a cég májusi tornáján egymásnak estek. A bokszoló botok egyelőre nem autonómak, hanem humán operátor által távirányított masinák. Csapottaikat és horgaikat tehát ember koreografálja.

A két Vasököl Király egyensúlyozása és stabilizáló mechanizmusa mégis komoly hatást gyakorolt mesterségesintelligencia-kutatókra, bár azt megjegyezték, hogy mozgásuknak és az azt irányító rendszereknek automatikusan kellene működniük. 

Az első meccset és a sanghaji demót követően a Unitree újabb botmeccs során mutatta be a Királyokat a kínai Hangcsou Qian Xuesen Iskola diákjainak. A gyerekek nagy élvezettel nézték őket. (A fejlesztőcég központja szintén hangcsoui.)

„Hihetetlen. Most már nagyon szeretném tudni, hogyan harcolnak egymással” – nyilatkozta az egyik kisiskolás egy hongkongi lapnak.

Úgy tűnik, az iskola a Unitree robotok fontos tesztterepe. Februárban ugyanott filmeztek le emberekkel táncoló két G1 humanoidot. A sanghaji MI-konferencián egyébként nemcsak ők, hanem más cégek termékei is jelen voltak, és mindenféle tevékenységet végeztek, egyesek például pompon-lányokra emlékeztetően szurkoltak.

Mindezzel együtt a legnagyobb hatást az ökölvívó humanoidok váltották ki.

Ha egy molekuláris szerkezet képét elforgatjuk, az ember meg tudja mondani, hogy ugyanaz a molekula, gépi tanuló modell viszont új adatpontként kezelheti. Számítástechnikai szaknyelven a molekula szimmetrikus: ugyanaz marad, ha bizonyos átalakulásokon megy keresztül, például elforgatjuk.

Szimmetrikus adatokkal több területen, különösen a természettudományokban és a fizikában találkozunk. A szimmetriát felismerő MI-modell képes objektumok azonosítására, teljesen függetlenül attól, hogy hol találhatók az adott képen. 

Viszont, ha például egy gyógyszerkutató modell nem érti a szimmetriát, pontatlan előrejelzéseket tehet molekuláris tulajdonságokról. De a tapasztalati sikerek ellenére sem világos, létezik-e számítási szempontból hatékony módszer a szimmetriát garantáltan tiszteletben tartó jó modell betanítására.

Az MIT (Massachusetts Institute of Technology) kutatói bemutatták az első ilyen, mind a számítási, mind az adatigény tekintetében bizonyítottan hatékony, szimmetrikus gépitanulás-módszert. A módszer komoly segítség lesz a szimmetriát jobban kezelő alkalmazásokban, új anyagok felfedezésétől csillagászati anomáliák azonosításáig, komplex éghajlati mintázatok megfejtéséig, számos területen hasznosítható modellek fejlesztésénél.

Szimmetrikus adatok kezelésére nem könnyű betanítani modelleket.

Az adatkiegészítés az egyik bevett módszer: az összes szimmetrikus adatpontot több adatponttá alakítják át, hogy a modellt jobban általánosíthassuk új adatokra. Például új gyakorlóadatokhoz többször elforgatunk egy molekuláris szerkezetet, viszont ha azt akarjuk, hogy garantáltan tiszteletben tartsa a szimmetriát, ez korlátozó lehet számítási szempontból.

Alternatív lehetőség a szimmetriának a modell architektúrájába kódolása, például a gráf neurális hálózatok (GNN), amelyekről viszont senki nem tudja, mit tanulnak és miért működnek. Az MIT-kutatók ezt próbálták megérteni, elméletileg kiértékelni, mi történik akkor, ha az adatok szimmetrikusak. Szimmetrikus adatokkal végzett gépi tanulás statisztikai-számítási kompromisszumát vizsgálták. A kompromisszum lényege, hogy kevesebb adatot igénylő módszerek számítási szempontból drágábbak lehetnek, ezért meg kell találni a korrekt egyensúlyt.

Az elméleti kiértékelésre alapozva tervezték meg a szimmetrikus adatokkal eredményesen dolgozó gépitanulás-algoritmust. A probléma zsugorítására, egyszerűsítésére az algebrából, átfogalmazására a geometriából vettek át a szimmetriát jól megragadó ötleteket. Végül a kettőt a hatékonyságot megoldó optimalizációs problémaként hozták közös nevezőre, és az új algoritmus lett az eredmény.

Elmondták, hogy a legtöbb elmélet és alkalmazás vagy az algebrára, vagy a geometriára összpontosít, és a kettőt egyesítve, ők innen léptek tovább. A hagyományos megközelítéseknél kevesebb adatminta kell a gyakorláshoz, amellyel a modell pontosabb, jobban adaptálódik új alkalmazásokhoz.

A megközelítéssel GNN-ek is könnyebben elemezhetők.

A később visszakereshető képernyőképeket készítő Microsoft Recall 2024 tavaszán exkluzív alkalmazásként jelent meg a mesterséges intelligenciával elvégzendő feladatokhoz dedikált neurális feldolgozóegységekkel (NPU) rendelkező Copilot+ PC-ken. 

Kezdetben kutatók komoly biztonsági problémákat fedeztek fel, mire a cég gyorsan visszavonta az első változatot, a biztonságosabb hónapokkal később, 2024 őszén jelent meg.

Manapság sok új PC-n a Windows telepítésének részeként egy képernyő az alkalmazás engedélyezésére ösztönzi a felhasználót. Az app rendelkezik az érzékeny infók, például hitelkártya-számok screenshotolását megakadályozó funkcióval. 

A The Register szaklap tesztje alapján azonban a funkció nem mindig működik, potenciális aranybányát kínálva tolvajoknak.

Az alapértelmezett „szűrő-érzékeny információ” beállítás elvileg kizárja a képernyőképből a személyes adatokat. A tesztelés során viszont kiderült, hogy a szűrő gyakran meghibásodik. Nincs mód arra, hogy elkerülje a webes előzményekben található, potenciálisan ártalmas, például magánéletünkkel kapcsolatos, inkább titokban tartott bejegyzéseket. 

Még rosszabb, hogy a Recall lementett képernyőképei bárki számára hozzáférhetők, aki – akár távoli hozzáféréssel – rendelkezik a PIN-kódunkkal.

Személyes adatainkat annyira sokféleképpen tároljuk, és olyan változatos módokon hivatkozunk rájuk, hogy sem a Recall, sem bármilyen más szoftver nem képes az összes opció rögzítésére. Ezért is fordulhatnak elő komoly problémák. 

Amikor a The Register felvette a kapcsolatot a Microsofttal, a fejlesztőcég nem válaszolt, ugyanakkor sohasem állította, hogy a Recall szűrője tökéletes. Folyamatosan dolgoznak rajta, várják a felhasználói visszajelzéseket, tipikus work-in-progress. Lehetőségünkben áll specifikus appok és honlapok blokkolása, hogy ne készüljön automatikusan képernyőkép róluk. Feketelistára tehetők.

Mindenesetre, ha a sütiket alapból blokkolók közé tartozunk, vagy egyszerűen csak félünk személyes infóink illetéktelen kezekbe kerülésétől, az esetleges identitáslopástól, akkor számos okunk van arra, hogy óvatosan viszonyuljunk a Recallhoz.

A világ legnagyobb kozmetikai cége, a L’Oréal június óta az Nvidia közreműködésével igyekszik generatív MI-vel áramvonalasítani tevékenységét. Mesterséges intelligenciát korábban is használtak, most viszont már abból indulnak ki, hogy a technológiával meglévő adatokból teljesen új tartalmat képesek létrehozni.

A francia nagyvállalat csatlakozott az Nvidia AI Enterprise mikroszolgáltatás ökoszisztémájához, terv- és marketingfunkciók kiterjesztésével, 3D vizualizációval az iparág új lehetőségeit kereső kezdeményezéséhez.

A partnerséggel skálázható a termékmodellekből vizualizációkat és eszközöket készítő CreAItech generatív MI platform, csökkentve a kreatív részleg képek és 3D modellek marketing- vagy kutatási célokra történő tervezésével, renderelésével eltöltött idejét. A folyamatok automatizálásával gyorsan tesztelnek, iterálnak különböző marketingstratégiákat. Képek személyre szabhatók az adott fogyasztóra, különféle helyi piacokra, mert a generatív MI komoly lehetőséget ad a terméklokalizálásra.

Ezen kívül a partnerség jelentheti a L’Oréal jövőbeli MI-kezdeményezéseinek alapját is. Az AI Refinery, egy új MI-fejlesztőeszköz fogja kialakítani a cég által nemrég indított, szintén mesterséges intelligencián nyugvó Noli szépségápolási piactér élményeit. Csomó bőrtípus-, hajszín- és termékformulából kiindulva fejlesztenek speciális keresőmotorokat és más fogyasztócentrikus eszközöket.

A L’Oréal generatív MI-t, kiterjesztett valóságot (AR) és gépi látást használó Beauty Genius személyes szépségtanácsadója szintén úttörő fejlesztés – az adott fogyasztóra talál ki egyedi megoldásokat, segít neki megtalálni az ideális terméket.

A L’Oréal nincs egyedül, a terület más vállalatai szintén próbálkoznak MI-vel. Az Estee Lauder az Adobe-vel (Firefly generatív MI-jével) szövetkezve indít digitális marketingkampányokat, de látáskárosultaknak is fejlesztettek tanácsadót. Mindegyik lényege az ügyfelekkel való személyesebb kapcsolat kialakítása, a meglévő mélyítése.

MI-natív startupok, mint a mesterségesintelligencia-alapú bőrápolási és sminktermékeket a Google Felhőben értékesítő Revieve is egyre aktívabbak, saját MI-infrastruktúra nélkül kínálnak ígéretes szolgáltatásokat.

Ez csak a kezdet. A L’Oréal például kevesebb anyagveszteséget és kisebb energiafogyasztást célzó alapmodell fejlesztését és trenírozását is bejelentette. Mások szintén ráéreztek a termékeik MI-vel történő áramvonalasításában rejlő lehetőségekre.

És az ágenseket még alig használják…