このFast Forwardのエピソードは、ここニューヨークのIBM Watson Experience Centerで記録されました。 私のゲストは、IBM Watsonの副社長兼最高技術責任者であるRob Highでした。
ダンコスタ：人々が人工知能について持っている支配的な誤解は何ですか？
Rob High： AIについて話している人々と遭遇する最も一般的な問題は、彼らがまだ世界に住んでいるということだと思います。ハリウッドは、コグニティブコンピューティング、AIは人間の心を複製するという考えを増幅していると思います。本当にありません。 チューリングテストのようなものは、私たちが測定しているのは、AIがあなたを扱っているものが別の人間であると信じ込ませて、だましている人と競争することができるという考えであることを補強する傾向がありますが、それは私たちが見つけた場所ではありません最大のユーティリティ。
これは、これまでに作成された他のほぼすべてのツールを見ると、私たちのツールは私たちを増幅しているとき、私たちの範囲を広げているとき、私たちの強さを増やしているときに最も価値があります彼らが私たちが人間として私たちができないことをすることを許しているとき。 それは本当にAIについても考える必要がある方法であり、人工知能ではなく拡張知能と実際に呼んでいる限りです。
それはまったく新しいタイプのコンピューティングであるため、そのシフトについて少しお話しましょう。 それは、私たちの両方が育ったものから、非常に複雑なプロセスを使用して到達し、答えるために計算を使用するプログラム式コンピューティングから、少し異なる動作をする認知コンピューティングへのコンピューティングの進化です。 その移行を説明できますか？
おそらく最大の違いは、それが非常に確率的であることです。一方、プログラムコンピューティングは、注意を払っていることとそれらに対応する方法を定義するすべての条件ステートメントを実際にレイアウトすることです。 それは非常に決定的です。 数学的に非常に正確です。 古典的なプログラムされたコンピューターを使用すると、ソフトウェアを設計できます。 数学モデルが何を表すかを知っているので、数学的にテストできます。 その正しさを証明できます。
コグニティブコンピューティングははるかに確率的です。 それは主に、私たちが焦点を当てている空間の信号を、それが視覚であろうと音声であろうと言語であろうと、それらの信号の意味のパターンを見つけようとすることについてテストすることです。 それでも、絶対的な確実性はありません。 さて、これは部分的にはそれが計算される方法であるが、それは人間の経験の性質でもあるからです。 私たちの言うこと、見ること、聞くこと、味わうこと、触れること、嗅ぐこと、または私たちの感覚の一部であるものすべてについて考える場合、私たち人間は常にそれが本当に何であるかを評価しようとし、時にはそれが正しくない。
その音のシーケンスを聞いたとき、それが本当にこの言葉を意味する確率は何ですか？ この一連の単語を見たときに、この言葉が意味する可能性はどのくらいですか？ この形と私が見ている画像を見ると、それがそのオブジェクトである確率はどのくらいですか？ 人間にとっても、それは確率論的な問題であり、その程度までは、これらの認知システムも常に機能する方法です。
誰かがあなたに来て、解決したい問題がある場合、彼らはそれに対するコグニティブコンピューティングソリューションがあると思い、ワトソンに来て、彼らは言う、「見て、ワトソンを使って解決しようこの問題。" 箱から出してすぐに、ワトソンはあまりしません。 彼らは問題を解決する方法を教える必要があります。 そのオンボーディングプロセスについてお話いただけますか？
実際、これの2つの側面について話すべきです。 1つは、コグニティブコンピューティングと呼ばれるものが私たちよりも本当に大きく、IBMよりも大きく、業界のどのベンダーよりも大きく、1つまたは2つの異なるソリューション分野のいずれよりも大きいことに気づいたことです私たちは焦点を当てるつもりだったので、それを開放しなければなりませんでした。それは、ソリューションに焦点を合わせることから、より多くのサービスプラットフォームに実際に対処することにシフトしたときです。問題スペース。 それは、スピーチの場合、スピーチを取り、そのスピーチで表現した言葉を認識しようとする問題に厳密に焦点を当てているコンポーネントであるか、画像を取り、画像にあるものを特定しようとする、または言語とその意味を理解しようとするか、会話をしてそれに参加します。
まず第一に、私たちが今話しているのは、それぞれが非常に具体的な何かをする一連のサービスであり、それぞれが人間の経験の異なる部分に対処しようとしています。 、社会的、消費者、またはビジネスの問題を解決したい人は誰でも、私たちのサービスを利用してそれをアプリケーションに組み込むことでそれを行うことができます。 それがポイント1です。
ポイント2は、あなたが始めたものです。これでいいのですが、サービスを入手できたので、どうやってそれをうまくやりたいのですか。 テクニックは本当に教えの一つです。 これらのシステムの確率的性質は、機械学習または深層学習に基づいているという事実に基づいており、これらのアルゴリズムは、データを提供することで行う一連の信号内の意味を表すパターンを認識する方法を教える必要があります。 「その音の組み合わせを聞いたとき、それはこの言葉を意味します。このピクセルの組み合わせを見たとき、それはそれを意味します」というラベルを付けることができた前にあなたが持っていたそのような状況の例を表すデータオブジェクト。」 これらの例があったとき、私は今、あなたを認知システム、これらの認知サービスに連れて行き、私たちがやりたいことは何でも認識するより良い仕事をする方法を彼らに教えることができます。
これを実によく例証している例の1つは、医療分野であり、ワトソンは医師が意思決定を行い、大量のデータを解析し、最終的にはパートナーシップで診断に取り組んでいると思います。 そのトレーニングがどのように行われ、ソリューションがどのように結果を改善するかについて少し話していただけますか？
オンコロジーで行った作業は、実際に実行する必要のある作業の範囲全体でさまざまな方法で使用される複数の異なる種類のアルゴリズムの構成である良い例です。 たとえば、医療記録を見て、医療記録を見て、認知システムを使用して、臨床医があなたと一緒に働いてきた長年にわたって取ったすべてのメモを調べ、私たちが呼ぶものを見つけることから始まります関連する臨床情報。 あなたがこれから行おうとしている相談に現在関連しているそれらの医療メモの情報は何ですか？ それを受けて、集団類似性分析を行い、他の患者、あなたに多くの類似性を持つ他のコホートを見つけようとします。それは、異なる治療について考える方法とそれらの治療があなたにとって適切である方法について医師に知らせるからですそして、それらの治療にどのように反応するか。
次に、私たちは標準的なケア慣行と呼ばれるものに進みます。これは、医師がさまざまな種類の病気の異なる患者をどのように治療するかについて医師が共有する比較的明確な技術であり、それらは実際に平均的な人のために設計されていることを認識しています。 それから、臨床専門知識と呼ばれるものの上に横たわりました。 さまざまな病気の最高の医師によって何を探すべきか、異常値はどこにあるか、さまざまな標準の診療慣行についてどのように推論するか、どれが最も適切か、またはそれらの異なった診療慣行を通じてさまざまな経路をとる方法を教えられている現在、可能な限り最善の方法でそれらを適用しますが、最終的に臨床文献、PubMedのすべての数十万、60万件の記事で、この治療の推奨に関連するその分野で発生した科学の進歩について調べています。
これらはすべて、そのプロセスのさまざまな段階で適用するアルゴリズムのさまざまな側面であり、それらはすべて、世界の最高の医師をこれらのシステムの前に置き、システムを使用してシステムを修正することによって教えられています何かがおかしくなっているのを見て、その使用を通じてシステムにパフォーマンスを向上させる方法を基本的に学習させる。 私たちは特に腫瘍学の場合にそれを使用して、精通していないかもしれない治療オプションについて現場の医師に知らせるのを助けます。患者がそれにどのように反応するか、そして患者から最も効果的な反応を得る方法を本当に理解しています。
基本的にこれが行ったことは、専門知識を民主化したことです。 メモリアル・スローン・ケタリングの最高の医師を雇うことができます。この医師は、この途方もない専門知識を開発した同じ疾患の周りで、文字通り年間何千人もの患者を診察し、認知システムでそれを捕捉し、それをコミュニティにもたらすか、これらの医師は、多くの異なる患者で同じ疾患を扱う時間があまりないかもしれない地域の診療所で、現在認知システムに取り込まれている専門知識から利益を得る機会を与えています。
その専門知識を配布するという考えは、まず第一に、それをキャプチャすることは簡単な作業ではありませんが、それを行うと、地球全体に実際に配布できるようになると、次の専門知識を持つことになりますメモリアル・スローン・ケタリングの最高の医師が中国、インド、小さな診療所で出産できるようになりました。これは非常に素晴らしいことだと思います。
それは私たちの福祉、健康、社会として私たちに利益をもたらすものに多大な社会的影響を与えます。
一方、人工知能について人々に関係することは、それが人々を置き換え、それが仕事を置き換えるということです。 それは自動化運動に結びついています。 私を襲ったのは、放射線科医の医療空間に留まることです。 放射線科医は、1日に何百ものスライドを調べます。 WatsonまたはAIベースのシステムは、同じタイプの診断と画像分析を複製できます。 今から10年後、アメリカで採用される放射線技師の数は増えると思いますか？ そのような産業への影響は何ですか？
影響は、実際に人々がより良い仕事をするのを助けることです。 それは本当に…医者の場合にそれを取る。 医師が今、より多くの情報に基づいた、本当の証拠に基づいた、科学の最新の事実に裏付けられた、個々の患者に合わせたより具体的な決定を下せる場合、彼らは実際に仕事をより良くすることができます。 放射線科医にとっては、そうしないと見逃したり、圧倒されたりする可能性のあるものを画像で見ることができます。 それらを置き換えることではありません。 それは彼らが仕事をより良くするのを助けることです。
私たちがこれまでに社会で作成したすべてのツールと同じダイナミクスを持っています。 農業革命の到来以来、過去1万年の現代社会を振り返ってみると、私たちは人間社会としてツール、ハンマー、シャベル、油圧、プーリー、レバーなどを構築してきましたこれらのツールの中で最も耐久性が高いのは、実際に行っているのが人間の増幅、強さの増幅、思考の増幅、到達範囲の拡大である場合です。
それは本当にこのことについて考える方法です。人間とツールの組み合わせがどちらよりも大きいときに、自分よりも自分ができることよりも良いことをすることができるとき、それは最大の有用性を持つでしょうそれらのうちの彼ら自身によってされていただろう。 それは本当に私たちがそれについて考える方法です。 それがテクノロジーの進化です。 それが、経済的有用性がどこに行くかです。
私は完全に同意しますが、これらのインテリジェントシステムによって導入された効率性のために除去される産業があると思います。
それらは移行される予定です。 ええ、彼らは移行されるでしょう。 このように言ってその点を減らしたくはありませんが、これを職の廃止と考えていないことも確認したいと思います。 これは、人々が実行する仕事を変えることです。 例を挙げましょう。 これがコールセンターの仕事を奪う可能性についての多くの議論。 さて、何だと思う？ コールセンターのエージェントが行う必要のない、行うのが好きではない、もっと面白いことをする能力を奪う仕事がたくさんあります。
コールセンターで見られるチャーンは、コールセンターのエージェントとしての仕事を考えている場合、終日同じ質問をしている顧客に耳を傾けて電話の終わりに座っているという事実に大きく左右されます。何度も繰り返しますが、夜に家に帰るのは、あなたがその日に何をしたかについて本当にいい気分になります。 あなたが持っているこの仕事について友人や家族に自慢するのは難しいです、そしてそれがあなたがいる状況にあるとき、あなたはそれをするのがどれほど得意ですか。
会話エージェントを介して認知システムを利用してある程度の負荷を軽減することができたら、それらの通話の30％が顧客の最も一般的で緊急の質問に迅速かつ効率的に回答し、そのありふれた作業を処理するとしましょう世話をしたのは、コールセンターエージェントに引き継ぐ人間のタッチを本質的に必要とする種類の質問だけです。 彼らがその顧客のために扱っている問題は、より面白く、より挑戦的であり、より多くの知的努力をする必要がありますが、満足している顧客も扱っています。 彼らは少し幸せになっています。 彼らは彼らの問題について怒り狂っているわけではありません。
コールセンターエージェントの場合、実際には仕事が改善されています。 実際に、彼らは自分の仕事をより良くし、それによってもっと充実することができます。 その間、顧客にとって、消費者にとって、彼らは最も差し迫った問題を迅速に解決しました。 彼らは10分間待機していません。 彼らは、適切な知識を持った適切な人物にルーティングされるのを待っていません。 彼らは、必要な情報を最も簡単に入手し、おそらくより良い決定、確かにより良い情報、または少なくともより一貫した情報で人生を進めることができます。 実際には、その方程式の両側に利益をもたらします。
それは面白いです。 今日私が見たデモのいくつかは、コールセンターアプリケーションがかなり効果的に電話をかけている人々の感情的な状態を予測して検出できるため、単なるトランザクションではないということです。 実際に、回線の反対側にいる人の状態をかなりよく読み取ることができます。
あなたが考えるなら、これは本当に不可欠です。 会話には2つの要素があります。 1つは、一般に、人々が最初に言うことは、彼らが本当にそこにいることではないということです。 「私のバランスは？」と言うと まあ、それは本当に私の問題ではありません。 ええ、口座残高を知っている必要があります。どれだけのお金があるかを知る必要がありますが、問題は何かを買おうとしているか、お金を正しい位置に置いて支払う方法を見つけようとしていることです。今月の請求書、または子供の教育のために貯金しようとしています。 私の問題は私が最初に尋ねた質問よりも大きく、会話はその本当の問題に到達することについてでなければなりません。
会話の2番目の共通の特徴は、通常、ある種の感情的な弧をその会話に伝えることです。 人々は特定の感情的な状態になり、会話の一部は感情的な変化を通して彼らを動かすことであり、それはしばしば彼らを怒りから満足するように動かすことを意味します。 いくつかの会話では、それに入るかもしれません。 実際には少し熱くなるかもしれません。 あなたはおそらく穏やかで始まり、その後より論争的な議論に移り、最終的に解決される感情的な弧を見ます。
関係者の感情的な状態に敏感に気づくことは、その会話で効果的であることの重要な部分です。
現在利用可能な、本当に変革的だと思われる他のアプリケーションは何ですか？
私たちがしていることのどれもが、ユーザー、顧客を引き付け、彼らを刺激する結果になると思います。 私にとって、最終的に、そして再び例として会話に戻ると、通常、人間が会話に入ると、私たちはアイデアを持ってテーブルに来ます。 アイデアがあります。 考えがある。 その最初のアイデアは会話の始まりであり、会話の過程でそれらのアイデアを進化させます。 それらをブレンドします。 それらをマージします。 それらを割引したり増幅したりするかもしれません。 会話から出てきて、うまくいけばもっと良いアイデアがあるところまで進化します。 理想的です。
そのためには、ギブアンドテイクだけでなく、どのように誰かにインスピレーションを与える要素が必要ですか？ どのようにして人々に想像力を活性化させますか？ どうやって前に考えていなかったものについて考えたり、前に考えていなかった光の中で何かを見たり、知らない道をたどる別の視点を見させたりしますか彼らが尋ねようと思っていない質問をするために、考えてみてください？ それらは例であり、最も有望であり、人々に最大の利益をもたらすと思う状況です。
それは今日起こっているのでしょうか、それともテクノロジーの進化に合わせて何かを行う必要があるのでしょうか？
いいえ、それは起こっています。 現在、そのような例があります。 実際、腫瘍学に例として戻って、世界で最も優れた医師にとって、提示されている治療法の選択肢はほとんどの場合、彼らにとって明らかであるかもしれません。 「さて、ちょっと待ってください、それは面白いアイデアでした」と言うかもしれない10のケースのうちの1つがあるかもしれません。 それほど頻繁ではありませんが、先ほど言ったように、コミュニティの設定、地域の設定、およびそのレベルの専門知識が存在しない地域にシステムを導入すると、システムが新しいアイデアを導入できるという事実、新しい治療オプション、それは本当に新しいアイデアを紹介することです。 私たちはすでにそれを見ています。
それから、もちろん、私が思っているものを超えて、誰かがクレジットカードにクレジットカード詐欺の警告を発して、今日のチャットボットは、単に「その取引はあなたがしたかどうかでしたか？もしそうなら大丈夫です。もしそうでなければ、トランザクションをキャンセルすることについて何かをするつもりです」、「オーケー」新しいクレジットカードが必要です。どこで手に入れることができますか？郵送する必要がありますか？郵送しないでください？ああ、あなたはこの旅行に行く準備ができています。それをあなたに郵送することはできません。私たちはそれより早くあなたに届けなければなりません。
「ああ、あなたは海外に行く。たぶん、あなたが以前に触れたことのないクレジットカードのオプションがあり、あなたが好意的に通貨交換を処理する場所を知らなかったかもしれない。ああ、あなたはこれをビジネスに使用しているこれは海外旅行です。あなたはこれを事業費に使用しています。まあ、ここに、より適切な金利のクレジットカードがあります。」 これらはすべて非常に単純な例ですが、それぞれが今日の単純なチャットボットでは通常起こらないが、人間にとって非常に強力な新しいアイデアのセットを開いています。
ここで興味深い点は、これらのオプションをすべて使用しているときに、過去にはスクリプトになるということです。 いくつかのブランチを持つスクリプトがあります。 事前に定義されています。 チャットボットがそれを行うとき、あなたが与えた情報とあなたがすでに与えた情報に実際に反応し、スクリプト化されていないパスにあなたを導くことは非常に異なることです。 あなたが旅行していることは知っていますが、必ずしもそれを伝えているわけではありません。 メール履歴からその情報が見つかりました。
途中で発見したあなたについての情報を見つけることができます。
腫瘍学は素晴らしい例だからです。 チャットボットについては、ほとんどの人が何らかの対話を行っているため、話しました。 しかし、これはすべての業界で実際に拡張可能なテクノロジーです。 何らかの認知的要素を持たない業界を考えるのは難しいです。 人々がまだ考えていない例がありますか？
私にとって驚くべきことは、毎日誰かが新しいアイデアを思いついていることです。 だから、私たちは非常に興味深いフェーズにいると思います。なぜなら、認知能力の観点から私たちが持っているものをビルディングブロックサービスに分解することに焦点を当てることにより、人々は自分の想像力を使って、私たちが持っているアイデアを追求するために本当に解放されているからです視覚認識を使用してランドスケープを調査しているかどうかは、これまで考慮されていませんでした。
たとえば、カリフォルニアの企業では、視覚認識を使用して地形とトポロジを調べ、コンクリート表面、アスファルト屋根表面、草の表面、木や低木などの違いを画像で認識しています。例として、どのくらいの水が消費されているか、水漏れがある場所、および水の効率的な使用を改善するためにできることを推定します。
または、法的分野で、これらのことを使って、弁護士が干し草の山で針を見つけるような文字通り何百万ページもの背景資料を読み通すのを助けます。 この特定のケースに本当に関連するその1枚の紙はどこにありますか？ すべてを整理しようとしています。 機会は膨大です。
これらの資格の1つは、解析が必要な大量のデータを持っていることだと思います。 あなたは医療記録について話し、関連情報について医療記録をスキャンすることができました。 あなたの生涯にわたるこれらの記録は、何百ページもの長さになる可能性があります。 それは、おそらくあなたのかかりつけの医師がそれについて暗記していることですが、システムは決して忘れないのに対して、すべてを覚えているわけではありません。
うん。 医師はあなたに来て相談する前に、その病歴を調べるのに5分、おそらく10分あるかもしれませんが、あなたの歴史、あなたの過去にあるかもしれないあらゆる種類の非常に関連性のある情報があります時間がないので、もしそれがあれば違いを生むでしょう。
女性が、母親が2年前に乳がんで亡くなったと医師に伝えた場合を考えてみてください。 おそらく、医師はその記録に気づいているかもしれませんが、現時点では、この女性が胸にしこりを見せて来て、その医師がそれを見ていない場合、それは非常に重要な行方不明です情報。 今、彼らは患者と話をすることでそれを再発見するかもしれませんが、そうでないかもしれません。 あなたは本当にそのような何かがとても密接であるときにそれを知らなかったという危険を冒したいと思いますか？
このようなものが有用になる傾向があるという包括的な特徴は、大量のデータがある場所について言及したことです。 ええ、しかし実際には、私たちが人間として誰であるかの側面のいずれかであり、私たちの認知能力が限界に達し始めるときです。 私たちは読書が得意です。 何か読むことができます。 それを同化できます。 私たちは情報に適応し、人間として非常に強力な方法でそれを利用することができます。 しかし、大量のデータを読むのはあまり得意ではありません。 1日で数万、10万、数百万ページの文学を読むという考えは、私たちの能力をはるかに超えています。
問題は、日々生成される情報の量が指数関数的に増加する世界に成長するにつれて、その情報のうち、情報を含む情報をどれだけ活用していないか、その情報のほんの少しだけです私たちが下す必要がある決定にとって絶対に重要なのは、私たちが到達していないことですか？ 読む情報の量ではない場合、それは次のとおりです。 どれだけ思い出せますか？ 私たちの決定にその情報に関連する小さなパターンを見ることができますか？
私たち人間として得意なことはたくさんあります。 私たちがあまり良くないこともたくさんあります、そしてそれはコグニティブコンピューティングが本当に大きな違いを生み始めるのは、そのギャップを埋めるためにその距離を埋めることができるときだと思います。
これが私たちが入ろうとしている世界であることはかなり明らかなようです。 私たちはどのように準備していますか？ 私たちの教育システム、経済、政治構造をどう見ていますか？ この種のコグニティブコンピューティングをコンポーネントとして使用する世界にどの程度準備しているか。
それは面白いです。 これは、私たちが人間として持っている重要な価値ポイントの1つ、つまり適応する能力に基づいています。 それを純粋に個別の用語で見ると、これはどこに向かっているのか、そして10年前に跳躍してそれを見て、「10年はどこにいるのか、その準備はできているのか？」 答えはおそらくないでしょう。 私たちがしなければならないことはもっとたくさんあります。 しかし、人間にはその場で適応し、周囲で起きている変化に合わせて成長するこの驚くべき能力があります。
10年前、スマートフォンが実際に利用可能になり始めた頃、人気は言うまでもなく、過去10年間に社会としてどれだけ変化したかを振り返ってみましょう。 スマートフォンを使用する場合と使用しない場合の日常生活を考えてください。 他の経験からどれだけ離れているのか不平を言うことができますが、それは本当かもしれませんが、ポイントは、10年前に多くの時間を費やさなかったので、社会として準備されていたとしても実際、過去10年間に多くの変化を経験してきましたが、テクノロジーのこの変化を吸収し、非常に効果的な方法で活用し始めたため、おそらく十分に認識していませんでした。
しなければならないことがたくさんあります。 私たちは時間をかけてやることがたくさんあります、私たちが経験する多くの成長、多くの教育と政治、そして変化を経なければならない他の事柄がありますが、私たちはそうします。
最後の質問に行きましょう。 あなたが最も懸念している技術トレンドは何ですか？ 夜更かしするものはありますか？
私が今抱えている最大の懸念は、人々が責任を負う必要があることだと思います。 技術者であり技術者であり、技術の消費者であり、技術を規制する責任を負う人々として、私たちは本当に意識し、今自分自身を守り、起こっている変化に備えるために何をしたいのかを考える必要があります。 私たちがそれに適応しないからではありません。 私達はします。 問題はもちろん、それを適応させる過程で、それが何をしているのか、それが私たちにどのような影響を与えているのか、そして人々が私たちが好まない方法でその技術を悪用している可能性があることも意識しない必ずしも満足する必要はありません。
私たちは私たちが何をしているのかを意識し、考える必要があり、私たちはこのテクノロジーで私たちの生活の中で起こってほしくないと思います。 具体的には、特にベンダー、このテクノロジのサプライヤとしての私たち、およびこれらのテクノロジコンポーネントを使用してアプリケーションを構築している人々は、現時点では、倫理的行動または倫理的価値から生まれた行動に対する責任を負うべきです。
例として、アプリケーション開発者、これらの技術を使用してアプリケーションを作成している機関に、これが認知アプリケーションであり、コンピューターであるという事実についてエンドユーザーに対して非常に透明であることを強くお勧めします。たとえば、本物の人間になりすまそうとしないでください。 ふりをしないでください。 このことのふりをさせないでください。
真似しないでください。
それを真似せず、あなたの顧客がこれが実在の人物であると誤解させないようにしてください。 倫理的に、それは間違っています。 それは脆弱性のリスクを引き起こすと思います。 人間と対話している人間は、私たちの欠陥、実際に多くの情報を保持できないことについて特定の仮定を立てることができます。認知システムを扱うときは、その認知を提供している人々が、ソリューションには、当社が提供する情報のプライバシーと保護に対する責任があります。 その事実を決して忘れてはなりません。
テクノロジーの利点については、驚異を喚起するために毎日どのテクノロジーを使用していますか？ あなたの人生を変えたのは何ですか？
情報にアクセスできるようになったという事実は、インターネットで取得できたとしても、インターネットで長い間利用できる情報があったが、その情報を取得しようとするのをやめることがしばしばあると思う圧倒的です。 私はいくつかのカメラ機器を見ていましたが、異なるカメラ間のトレードオフについて決定しようとしていました。
バイヤーズガイドへのリンクをお送りします。
行くぞ それは圧倒的になりますが、あなたはそのアドバイスをあなたに提供し、彼らがあなたのために研究を行ったと仮定するために他の人に頼る必要がありますが、それでも彼らは何について行ったいくつかの仮定に基づいてそうしていますあなたが必要とし、あなたが気にするもの。 ある時点で、あなたはただあきらめて、「オーケー、元気で、何をすべきか教えてください、私はそれをやる」と言うだけです。 または、たくさんのウェブサイトにアクセスして、これらすべての意見を見ると、混乱し、矛盾しているので、「まあ、すべてのウェブサイトで私はいいと思うことをします。 」
現在、これらのシステムは膨大な量の情報を蓄積し、吸収し、整理することができるため、推奨を行っている人やアドバイザーにとっても、より良い仕事をするのに役立つので、彼らにとって利益があります。 私が言いたいのは、それは私たちのために私たちの思考を行うのではなく、私たちのために私たちの研究を行うので、私たちはより良い思考を行うことができます、そしてそれはエンドユーザーとしての私たちの真実であり、アドバイザーの真実です。 アナリストとしての役割を果たしている人なら誰でもそうです。
私たちは常に人々が購入を決定するのを手助けしようとしているので、私はアプリケーションについて考えます。 過去5年間に撮影したすべての写真を確認し、野生動物の写真撮影や花のクローズアップが好きなことを確認し、その写真に基づいてカメラの推奨を行うことができるシステムからそう遠くありませんあなたが取る。
そのとおり。 フラミンゴ。 理由はわかりません。
これはフラミンゴの写真を撮るのに最適なカメラです。
フラミンゴ、そうです。
もうすぐだ。 このテクノロジーは存在しますが、まだプログラミングされていません。
うん。
または、最近のように教えられました。 ロブ・ハイ、これをしてくれてありがとう。
どうもありがとうございました。
ダンコスタとの早送りについては、ポッドキャストを購読してください。 iOSでは、Appleのポッドキャストアプリをダウンロードし、「早送り」を検索して購読します。 Androidでは、Google Play経由でStitcher Radio for Podcastsアプリをダウンロードします。
