Воздействие на здоровье организаций, пищевых компаний, транспортных компаний и других компаний созрело для дальнейшего изучения и потенциального использования ИИ и машинного обучения для моделирования атрибуции в реальном времени, чтобы определить, какие компании размещают токсичные вещества, такие как сахар, нездоровая пища, загрязняющие вещества и других болезнетворных веществ в экосистему человека. Это не замена личной ответственности, а способ компенсировать людям в режиме реального времени ограниченное количество еды и другие варианты выбора в зависимости от дохода и т. д.

Легкие политические цели, такие как табачные компании, обычно первыми вызывают гнев политической и правовой систем. Тем не менее, правовая система представляет собой неэффективный метод повторного введения стоимости обратно в экосистему человеческого потребления и, скорее, является способом для государственных органов и юристов обогатиться за счет общественного здравоохранения.

ИИ и машинное обучение с правильными данными позволяют измерять влияние производителей на потребителей в режиме реального времени и извлекать часть любой продажной цены для повторного включения в пул потребления людьми для оплаты, скажем, личного медицинского обслуживания и других расходов, понесенных потребителями. эти продукты. Хотя для этой цели часто используются налоги, устранение посредника распределения, такого как правительство, обеспечивает более быстрое возвращение богатства людям, потребляющим или подвергающимся воздействию токсичных предложений.

Некоторые направления моделирования атрибуции и снижения заболеваемости:

  1. Фаст-фуд. Использование машинного обучения, больших данных и искусственного интеллекта позволяет в режиме реального времени измерять влияние низкокачественных пищевых продуктов с низким содержанием питательных веществ на коллективное здоровье человека. Компаниям, которые решили распространять эти продукты, может быть присвоен показатель воздействия, который суммирует их ежедневное, ежемесячное и ежегодное воздействие на здоровье населения в долгосрочной перспективе. Это открывает возможности для определения способов возврата богатства в реальном времени людям, которые потребляют эти продукты.
  2. Автомобили. Автомобили, управляемые людьми, являются одним из самых опасных видов деятельности в мире, ежегодно унося жизни более 40 000 человек в Соединенных Штатах. В то время как автоматизированные транспортные средства будут резко сокращать эту цифру, пока это не станет реальностью, мы застряли в мире с крайне непредсказуемыми привычками вождения и условиями безопасности.
  3. Болезнь сердца. Путем регрессии содержания потребления людьми можно использовать моделирование атрибуции для влияния товаров, потребляемых этим человеком на протяжении всей его жизни. Данные, полученные из покупательских привычек, данных о болезнях, здравоохранении и смертности, а также другие закономерности данных, могут использоваться для определения того, какое влияние и кто представил вредные продукты этому конкретному человеку, и предлагать компенсацию в реальном времени на счет потребления этого человека.
  4. Рак. Точно так же рак часто можно регрессировать до моделей потребления для определенных типов рака, а моделирование атрибуции можно использовать для извлечения богатства у производителей этих продуктов в реальном времени.
  5. Загрязнение. Это хорошо задокументированное воздействие на здоровье человека, и, поскольку данные продолжают распространяться, разрешение последствий в реальном времени может привести к автоматическому кредитованию человеческих счетов от загрязнителей в качестве компенсации за воздействие загрязнителей в их регионе.
  6. Средства массовой информации. Имеются убедительные доказательства того, что средства массовой информации, особенно до появления Интернета, когда средства массовой информации были более концентрированными, оказывали влияние на здоровье человека. Будь то чрезмерное насилие, стресс из-за повторяющихся сообщений о реальных или воображаемых сценариях конфликта, повторяющиеся сообщения, вызывающие политические разногласия, или другие потенциально токсичные медиа-продукты, все они потенциально могут влиять на здоровье человека и дают возможность смоделировать воздействие на психическое здоровье и другие воздействия, связанные со здоровьем, в зависимости от привычек просмотра, местоположения и т. д.

Это лишь некоторые из сценариев использования машинного обучения и искусственного интеллекта для создания корректировок в реальном времени обмена человеческими богатствами и исправления неэффективности или системных дисбалансов, созданных односторонними властными структурами, неэффективными системами компенсации и другими факторами. Хотя я не выступаю за удаление личного выбора, я выступаю за использование данных и машинного обучения для устранения посредников и корректировки деятельности человека, особенно в будущем, когда валюта, рабочие места и капитализм не будут иметь решающего значения для человеческого опыта.

Примечание. Все позиции в этой статье являются позицией и исследованиями автора и не относятся к каким-либо аффилированным с автором компаниям, группам или организациям.