AI personalizācija: kā algoritmi pielāgo digitālo pieredzi 2025. gadā

Atcerieties, kad “personalizācija” nozīmēja sava vārda redzēšanu e-pasta tēmas rindiņā? Šīs dienas tagad šķiet kā sena vēsture. 2025. gadā mākslīgā intelekta vadītā personalizācija ir kļuvusi tik izsmalcināta un visuresoša, ka tā veido gandrīz katru mūsu digitālo mijiedarbību — bieži vien tādos veidos, kādus mēs pat apzināti nereģistrējam.
Evolūcija ir bijusi ievērojama, lai to redzētu. Tas, kas sākās kā vienkārši ieteikumu dzinēji, kas piedāvā produktus, kas jums varētu patikt, ir pārvērtušies par visaptverošām ekosistēmām, kas paredz vajadzības, pielāgo saskarnes reāllaikā un rada patiesi individualizētu pieredzi dažādās platformās un ierīcēs.
Mūsdienu personalizācijas algoritmi reaģē ne tikai uz mūsu nepārprotamo izvēli; viņi saprot mūsu darbību kontekstu, atpazīst mūsu uzvedības modeļus laika gaitā un arvien vairāk reaģē uz emocionālām un psiholoģiskām norādēm, kuras mēs paši, iespējams, neapzināmies. Šis padziļināts personalizācijas līmenis ir būtiski mainījis mūsu attiecības ar tehnoloģijām, radot digitālu pieredzi, kas mazāk patīk izmantot rīkus un vairāk kā mijiedarboties ar kaut ko, kas mūs patiesi saprot.
Kā cilvēks, kurš vairāk nekā desmit gadus strādājis ar digitālajiem produktiem, esmu vērojis šīs pārmaiņas no iekšpuses, un pārmaiņu temps vien pēdējo astoņpadsmit mēnešu laikā ir bijis satriecošs. Iespējas, kas bija eksperimentālas tikai pirms diviem gadiem, tagad ir standarta funkcijas patērētāju lietojumprogrammās. Izpētīsim, ko tas nozīmē mums visiem, kas orientējas šajā jaunajā ainavā.

Kad lielākā daļa cilvēku domā par AI personalizēšanu, uzreiz nāk prātā satura ieteikumi — straumēšanas pakalpojumu ieteiktie raidījumi, ziņu plūsmās ievietoti raksti vai tiešsaistes iepirkšanās laikā izceltie produkti. Taču 2025. gadā personalizācija ir daudz plašāka par vienkāršiem ieteikumiem.
Interfeisa personalizēšana ir kļuvusi īpaši sarežģīta, izmantojot lietojumprogrammas, kas burtiski pārveido sevi atkarībā no tā, kā jūs tās lietojat. Bieži izmantotie navigācijas elementi kļūst pamanāmāki, savukārt reti pieejamās funkcijas pazūd. Krāsu shēmas tiek pielāgotas atkarībā no diennakts laika un lietošanas paradumiem. Pat fontu izmēri un atstarpes var nedaudz mainīties atkarībā no tā, cik ātri parasti skenējat tekstu.
Laika personalizēšana pielāgo pieredzi, pamatojoties uz to, kad izmantojat platformu. Banku lietotnē var tikt rādītas dažādas funkcijas rīta stundās, kad dodaties uz darbu, un vakara brīvajā laikā. Produktivitātes komplekts var uzsvērt dažādus rīkus darba dienās un nedēļas nogalēs.
Noskaņojumam adaptīvās saskarnes ir viena no visprogresīvākajām sasniegumiem. Analizējot mijiedarbības modeļus, rakstīšanas ritmu, vārdu izvēli un pat sejas izteiksmes (ja ir pieejama kameras piekļuve), lietojumprogrammas var noteikt emocionālos stāvokļus un attiecīgi pielāgoties. Mūzikas pakalpojums var ieteikt dažādus atskaņošanas sarakstus, ja tas konstatē, ka esat saspringts, nevis atpūties. Sociālo mediju platforma var filtrēt saturu atšķirīgi, ja tā uztver, ka jūtaties neaizsargāts.
Īpaši aizraujoši ir tas, kā šie dažādie personalizācijas veidi darbojas kopā. Tas vairs nav par atsevišķiem pielāgojumiem, bet gan par saskaņotām, holistiskām pieredzēm, kas ņem vērā vairākus aspektus par to, kas jūs esat un kas jums ir nepieciešams jebkurā brīdī.

Aiz nevainojamās pieredzes, ko mēs tagad uzskatām par pašsaprotamu, slēpjas neticami sarežģīta tehnoloģiju mijiedarbība. Šo mehānismu izpratne palīdz mums novērtēt gan pašreizējo personalizācijas sistēmu iespējas, gan ierobežojumus.
Pamats joprojām ir datu vākšana un analīze, taču sarežģītība šeit ir pieaugusi eksponenciāli. Mūsdienu sistēmas apvieno tradicionālos precīzos datus (piemēram, vērtējumus un preferences) ar netiešiem uzvedības datiem (cik ilgi turat kursoru uz vienuma, ritināšanas modeļi, acu izsekošana ierīcēs ar kamerām) un kontekstuālo informāciju (laiks, atrašanās vieta, ierīce, vienlaicīgas darbības).
Multimodālā analīze ir kļuvusi par standartu, sistēmām vienlaikus ņemot vērā teksta, balss, vizuālos un mijiedarbības datus. Neironu tīkli, kas apstrādā šo informāciju, ir kļuvuši niansētāki, pārsniedzot vienkāršu modeļu saskaņošanu, lai izprastu semantiskās attiecības un emocionālo kontekstu.
Iespējams, visnozīmīgākā tehniskā attīstība ir bijusi pāreja no retrospektīvas uz paredzamo personalizāciju. Tā vietā, lai vienkārši reaģētu uz pagātnes uzvedību, mūsdienu sistēmas neticami precīzi paredz nākotnes vajadzības un preferences. Ceļojumu lietotne var ne tikai atcerēties jūsu vēlamo aviokompāniju, bet arī paredzēt, kad jūs, visticamāk, plānojat savu nākamo ceļojumu, pamatojoties uz smalkām pārlūkošanas paradumu izmaiņām, kas notikušas nedēļas pirms skaidras meklēšanas sākšanas.
Šajās sistēmās ir iekļautas arī apvienotās mācīšanās metodes, kas ļauj uzlabot personalizācijas modeļus, vienlaikus saglabājot sensitīvus datus jūsu ierīcē, nevis pārsūtot visu uz centrālajiem serveriem. Tas ir ļāvis veikt bagātīgāku personalizāciju, vienlaikus risinot dažas (lai gan noteikti ne visas) privātuma problēmas.
Īstā burvība notiek tajā, kā šie tehniskie elementi apvienojas, lai radītu to, ko izstrādātāji sauc par “saskaņotu personalizāciju” — pieredzi, kas šķiet konsekventa un pārdomāta, nevis neatkarīgu pielāgojumu savārstījums.

Personalizācijas tehnoloģiju straujā attīstība nav notikusi nejauši. Spēcīgi ekonomiskie stimuli ir paātrinājuši šo sistēmu izstrādi un ieviešanu dažādās nozarēs.
Uzņēmumiem izsmalcinātās personalizācijas IA ir izrādījies pārliecinošs. Reklāmguvumu līmeņi, klientu kopējā vērtība un iesaistes metrika liecina par ievērojamiem uzlabojumiem ar labi ieviestu personalizāciju. 2024. gadā veiktie pētījumi parādīja, ka pilnībā personalizēta e-komercijas pieredze palielināja vidējās pasūtījumu vērtības par 34% salīdzinājumā ar vispārīgajām saskarnēm, savukārt abonēšanas pakalpojumu atteikšanās līmenis samazinājās par gandrīz 27%, izmantojot adaptīvās satura stratēģijas.
Šī ekonomiskā realitāte ir pārveidojusi personalizāciju no patīkamas funkcijas par konkurences nepieciešamību. Uzņēmumi, kas atpaliek no personalizācijas iespējām, atrodas ievērojami neizdevīgā situācijā, jo nespēj nodrošināt pielāgotu pieredzi, ko klienti tagad sagaida.
Ekonomika arī izskaidro, kāpēc personalizācija ir paplašinājusies, pārsniedzot tādas acīmredzamas lietojumprogrammas kā mazumtirdzniecība un izklaide, tādās jomās kā veselības aprūpe, izglītība un finanšu pakalpojumi. Kad veselības lietotne var personalizēt labsajūtas ieteikumus, pamatojoties uz jūsu konkrētajiem modeļiem un vēlmēm, ievērošanas rādītāji ievērojami uzlabojas. Kad izglītības programmatūra pielāgojas jūsu mācīšanās stilam, pabeigšanas rādītāji pieaug.
Patērētājiem vērtības piedāvājums ir ērtības un atbilstība. Mēs labprāt piedalāmies personalizācijas sistēmās, jo tās patiesi padara mūsu digitālo dzīvi efektīvāku un patīkamāku. Laiks, kas ietaupīts, nebridot cauri neatbilstošam saturam vai produktiem, ir patiesi vērtīgs mūsu aizņemtajā dzīvē.
Šī uzņēmējdarbības stimulu un patērētāju ieguvumu ekonomiskā saskaņošana izskaidro, kāpēc personalizācija ir tik ātri attīstījusies, taču tā arī rada svarīgus jautājumus par jaudas dinamiku, kad uzņēmumi par mums zina tik daudz.

Ne visa personalizēšana kalpo lietotāju interesēm. Tā kā šīs tehnoloģijas ir kļuvušas spēcīgākas, bažas par manipulācijām kļūst arvien pamatotākas.
Uz ievainojamību balstīta mērķauditorijas atlase ir viens no satraucošākajiem notikumiem. Sistēmas, kas var noteikt emocionālos stāvokļus vai personiskas problēmas, var izmantot šo informāciju, lai parādītu iespējas, kad lietotāji ir visvairāk uzņēmīgi pret impulsīvu lēmumu pieņemšanu. Azartspēļu lietotne, kas pastiprina brīdinājumus, kad tā konstatē garlaicību vai stresu. Ēdienu piegādes pakalpojums, kas piedāvā izsmalcinātus ēdienus, kad tiek sajusta tieksme vēlu vakarā.
Informācijas filtrēšana ir kļuvusi par vēl vienu strīdīgu praksi. Kad personalizācijas algoritmi izlemj, ar kādiem jaunumiem, viedokļiem vai faktiem jūs saskaraties, pamatojoties uz to, kas maksimāli palielinās jūsu iesaisti, tie var radīt realitātes izkropļojumus, kas sadrumstalo kopīgo izpratni. "Filtra burbuļa" jēdziens, kas tika identificēts pirms gadiem, ir attīstījies par kaut ko daudz sarežģītāku un potenciāli kaitīgāku.
Lēmumu pieņemšanas ceļa sašaurināšanās notiek, kad personalizēšana pakāpeniski ierobežo jums piedāvātās iespējas, pamatojoties uz pagātnes izvēli, potenciāli ierobežojot pakļaušanu alternatīvām, kas varētu labāk atbilst jūsu vajadzībām. Tas var notikt tik pakāpeniski, ka lietotāji neapzinās, ka viņu uztvertās izvēles tiek nemanāmi ierobežotas.
Īpaši satraucošus šos modeļus padara tas, ka tie bieži ir neredzami. Atšķirībā no acīmredzamām manipulācijām, kas izraisa pretestību, uz personalizāciju balstīta ietekme darbojas zem apzinātas apziņas. Jūs nevarat iebilst pret to, ko jūs neuztverat.
Vadošie ētikas speciālisti ir aicinājuši nodrošināt lielāku caurskatāmību un lietotāju kontroli ar zināmiem panākumiem. Pagājušajā gadā ES ieviestās prasības par personīgo algoritmu izpaušanu ir solis ceļā uz atbildību, liekot uzņēmumiem sniegt skaidrus paskaidrojumus par to, kā personalizācijas sistēmas ietekmē saturu un ieteikumus. Taču izpilde joprojām ir sarežģīta, un daudzas prakses joprojām darbojas regulējuma pelēkajās zonās.

Uzlabotās personalizācijas ietekme uz privātumu rada vienu no mūsdienu sarežģītākajām tehnoloģiskajām dilemmām. Vienkārši sakot: jo vairāk datu šajās sistēmās ir par jums, jo labāk tās var apmierināt jūsu vajadzības, taču tie paši dati rada ievērojamus privātuma riskus.
Šī spriedze ir novedusi pie tā, ko pētnieki sauc par "personalizācijas privātuma paradoksu". Aptaujās patērētāji pastāvīgi pauž bažas par datu vākšanu, tomēr viņu faktiskā uzvedība liecina par vēlmi dalīties dziļi personiskā informācijā apmaiņā pret personalizētu pieredzi. Tā nav vienkārši liekulība — tā atspoguļo patiesu konfliktu starp konkurējošām vēlmēm pēc privātuma un ērtībām.
Tehniskās pieejas šim izaicinājumam ir ievērojami attīstījušās. Edge skaitļošana saglabā sensitīvu datu apstrādi lietotāju ierīcēs, nevis visu pārsūta uz mākoni. Diferenciālās privātuma metodes datu kopām pievieno aprēķināto troksni, lai aizsargātu atsevišķus ierakstus, vienlaikus saglabājot statistikas lietderību. Federālā mācīšanās ļauj AI modeļus uzlabot, necentralizējot personas datus.
Šīs pieejas ir mazinājušas dažas bažas, taču joprojām pastāv būtiska spriedze. Realitāte ir tāda, ka patiesi efektīvai personalizācijai ir nepieciešamas intīmas lietotāju zināšanas — zināšanas, kas pēc būtības rada privātuma ievainojamības.
Normatīvie regulējumi joprojām tuvojas. Pagājušajā gadā pieņemtais Personas datu tiesību likums noteica svarīgus aizsardzības pasākumus, tostarp obligātus personalizācijas izslēgšanas slēdžus un datu dzēšanas prasības. Taču tehnoloģiskā ainava attīstās tik ātri, ka noteikumi bieži vien risina vakardienas, nevis rītdienas problēmas.
Lietotājiem, kuri pārvietojas šajā ainavā, galvenais ir izprast kompromisus, kas saistīti ar dažādiem pakalpojumiem. Dažas platformas tagad piedāvā detalizētu personalizācijas parametru kontroli, ļaujot lietotājiem izlemt, kuri viņu uzvedības aspekti nosaka, kāda veida ieteikumus vai pielāgojumus. Šie "personalizācijas preferenču paneļi" ir daudzsološs vidusceļš starp datu koplietošanas pieejām "visu vai neko".

Viens no visdziļākajiem AI personalizācijas psiholoģiskajiem efektiem ir saistīts ar identitātes veidošanos un nostiprināšanu. Kad algoritmi nepārtraukti piedāvā saturu un pieredzi, kas atbilst jūsu esošajām preferencēm un uzvedībai, tie var izveidot atgriezeniskās saites cilpas, kas stiprina noteiktus identitātes aspektus, vienlaikus potenciāli ierobežojot izpēti.
Psihologi ir identificējuši to, ko viņi sauc par "algoritmisko identitātes nostiprināšanu", kur personalizācijas sistēmas būtībā atspoguļo arvien pilnveidotu versiju par to, kas, viņuprāt, jūs esat, pamatojoties uz pagātnes uzvedību. Tas var sniegt mierinošu sajūtu, ka tiek saprasts, vienlaikus potenciāli pārkaļķojot preferences un viedokļus, kas citādi varētu attīstīties, saskaroties ar dažādu pieredzi.
No otras puses, labi izstrādāta personalizācija var atvieglot atklāšanu tādos veidos, kā tīri nejauša izpēte nevar. Identificējot modeļus plašās lietotāju grupās, šīs sistēmas var ieteikt jaunu pieredzi ar lielu rezonanses iespējamību, iepazīstinot jūs ar idejām, produktiem vai saturu, ar kuru jūs, iespējams, nekad nebūtu sastapies.
Šķiet, ka galvenā atšķirība ir starp sistēmām, kas izstrādātas, lai palielinātu paredzamību (un līdz ar to tūlītēju apmierinātību), no tām, kas izstrādātas, lai līdzsvarotu zināšanas ar izdevīgu jaunumu. Pirmais varētu palielināt īstermiņa iesaistes rādītājus, bet potenciāli radīt ilgtermiņa pieredzes sašaurināšanos. Pēdējā dažkārt var piedāvāt mazāk saistošas iespējas, bet laika gaitā veicināt bagātāku un daudzveidīgāku digitālo dzīvi.
Dažas platformas ir sākušas tieši risināt šo spriedzi, izmantojot tādas funkcijas kā "izpētes režīms", kas īslaicīgi pielāgo ieteikumu algoritmus, lai prioritāti piešķirtu jaunumam, nevis paredzamībai. Šīs funkcijas apliecina, ka lietotāji dažreiz vēlas izkāpt no savām algoritmiskajām komforta zonām un atklāt patiesi jaunas iespējas.
Kā lietotājiem šīs dinamikas izpratnes attīstīšana ļauj mums apzinātāk veidot to, kā personalizācijas sistēmas ietekmē mūsu digitālo pieredzi un līdz ar to arī mūsu pašsajūtu.

Neskatoties uz ievērojamajiem sasniegumiem, AI personalizācijas sistēmām joprojām ir ievērojami ierobežojumi, salīdzinot ar cilvēka izpratni. Šo robežu atpazīšana palīdz mums saglabāt perspektīvu par to, ko šīs tehnoloģijas var un ko nevar darīt.
Konteksta izpratne joprojām ir nepilnīga. Lai gan algoritmi izceļas ar modeļa atpazīšanu noteiktos parametros, tie cīnās ar niansētu situācijas izpratni. Ieteikumu programma var ieteikt šausmu filmas, pamatojoties uz jūsu skatīšanās vēsturi, neatzīstot, ka pašlaik atgūstaties no operācijas un meklējat vieglāku izklaidi.
Emocionālā inteliģence ir ievērojami uzlabojusies, taču joprojām ir mazāka par cilvēka empātiju. Sistēmas var noteikt pamata emocionālos stāvokļus, izmantojot mijiedarbības modeļus, vārdu izvēli vai pat sejas izteiksmes, taču tām trūkst intuitīvās izpratnes, ko cilvēki rada emocionālās situācijās.
Vērtību saskaņošana, iespējams, ir vissvarīgākais izaicinājums. Personalizācijas algoritmi optimizē metriku, ko tie var izmērīt — iesaistīšanās, pirkumi, pavadītais laiks —, kas var neatbilst lietotājiem patiesi svarīgajiem rādītājiem. Sistēma var veiksmīgi ļaut jums ritināt stundām ilgi, vienlaikus samazinot jūsu vispārējo labsajūtu.
Uzņēmumi, kas ir vadošie personalizēšanas jomā, arvien vairāk risina šos ierobežojumus, izveidojot hibrīda sistēmas, kas apvieno algoritmisko jaudu ar cilvēka uzraudzību. Satura platformās tiek nodarbināti cilvēku kuratori, kas izveido ieteikuma algoritmu aizsargmargas. Klientu apkalpošanas sistēmas izmanto personalizāciju, lai novirzītu problēmas atbilstošiem cilvēku pārstāvjiem, nevis mēģinātu visu atrisināt algoritmiski.
Šī "papildinātās personalizācijas" pieeja atzīst, ka mērķis nav izslēgt cilvēkus no vienādojuma, bet gan izveidot partnerības, kas izmanto gan mākslīgā, gan cilvēka intelekta stiprās puses. Visefektīvākā personalizācija notiek, kad algoritmi apstrādā modeļu atpazīšanu un prognozēšanu, kamēr cilvēki nodrošina kontekstuālu spriedumu un vērtību saskaņošanu.

Tā kā personalizācijas sistēmas ir kļuvušas jaudīgākas, pretdarbība, kas vērsta uz lietotāju aģentūru, ir ieguvusi impulsu. Cilvēki arvien vairāk vēlas personalizācijas priekšrocības, neatdodot kontroli pār savu digitālo pieredzi.
Atbildot uz šo pieprasījumu, ir izplatījušies pārredzamības rīki. Pārlūka paplašinājumi, kas atklāj, kāpēc jums tiek rādīts noteikts saturs. Informācijas paneļa funkcijas, kas vizualizē, kā jūsu dati veido ieteikumus. “Personalizēšanas pēdas nospieduma” pārskati, kuros ir apkopots, kā jūsu digitālā identitāte tiek interpretēta dažādās platformās.
Pielāgošanas iespējas ir kļuvušas sarežģītākas, ļaujot lietotājiem tieši veidot personalizācijas parametrus, nevis tikai pieņemt algoritmiskus lēmumus. Dažas platformas tagad piedāvā "personalizācijas profilus", kurus var pārslēgt atkarībā no konteksta — darba režīms, kurā prioritāte ir produktivitātei, atpūtas režīms, kas uzsver atklāšanu, fokusēts režīms, kas samazina uzmanību.
Digitālās apzinātības prakse ir radusies tieši saistībā ar personalizētu tehnoloģiju izmantošanu. Šīs pieejas veicina periodisku "algoritmu gaitu", kad lietotāji īslaicīgi atspējo personalizācijas funkcijas, lai atiestatītu modeļus un apzināti novērtētu, kuri šo sistēmu aspekti patiesi atbilst viņu vajadzībām.
Arī izglītības iniciatīvas ir strauji paplašinājušās, un digitālās pratības programmās tagad ir skaidri norādīts, kā darbojas personalizācijas algoritmi un kā lietotāji var uzturēt aģentu, vienlaikus gūstot labumu no šīm tehnoloģijām. Izpratne par personalizācijas mehānismiem palīdz lietotājiem apzinātāk iesaistīties šajās sistēmās, nevis pasīvi pieņemt visu, kas tiek pasniegts.
Veiksmīgākās platformas ilgstošas lietotāju attiecību veidošanā ir tās, kurās personalizācija tiek uzskatīta par sadarbību, nevis kaut ko tādu, kas tiek darīts lietotājiem bez viņu informētības vai ieguldījuma. Šī sadarbības pieeja atzīst, ka galvenajai aģentūrai ir jāpaliek indivīdam, pat ja algoritmi palīdz filtrēt un sakārtot milzīgo satura un iespēju daudzumu mūsu digitālajā vidē.

Raugoties uz personalizācijas tehnoloģiju nākotni, vairākas jaunas tendences norāda uz to, kur šīs sistēmas virzīsies tālāk.
Vairāku platformu personalizēšana iegūst impulsu, jo lietotāji sagaida konsekventu pieredzi dažādās ierīcēs un pakalpojumos. "Personalizācijas pases" koncepcija — kur jūsu preferences un modeļi var selektīvi sekot jums dažādās platformās, vienlaikus saglabājot privātuma robežas, ir pārcēlies no teorētiskā priekšlikuma uz agrīnu ieviešanu.
Kontekstuālā adaptācija kļūst arvien sarežģītāka, izmantojot sistēmas, kas saprot ne tikai to, kas jūs esat, bet arī katras mijiedarbības īpašos apstākļus. Ceļojumu lietotnei var būt pilnīgi atšķirīgas saskarnes atkarībā no tā, vai plānojat uz priekšu, aktīvi pārvietojaties vai strādājat ar traucējumiem.
Vērtībām saskaņota personalizācija, iespējams, ir vissvarīgākā robeža. Tā vietā, lai optimizētu tikai iesaistes vai reklāmguvumu metriku, uzlabotās sistēmas sāk iekļaut plašākus lietotāju labklājības un apmierinātības rādītājus. Tas ietver atpazīšanu, kad atslēgšanās varētu labāk kalpot lietotāju interesēm, piemēram, straumēšanas pakalpojums, kas automātiski neatskaņo citu sēriju, kad konstatē skatīšanās noguruma pazīmes.
Tā kā šīs tendences turpina attīstīties, attiecības starp cilvēkiem un personalizācijas algoritmiem neapšaubāmi vēl vairāk mainīsies. Uzņēmumi un produkti, kas uzplauks, visticamāk, būs tie, kas uztver personalizāciju nevis kā kontroles mehānismu, bet gan kā pilnvarošanas rīku, kas palīdz lietotājiem orientēties arvien sarežģītākā digitālajā pasaulē, vienlaikus saglabājot savu aģentūru un autonomiju.
Mums visiem, kas dzīvojam ar šīm tehnoloģijām, izaicinājums un iespēja ir pārdomāti iesaistīties — novērtēt labi īstenotas personalizācijas patiesās priekšrocības, vienlaikus apzinoties tās ierobežojumus un iespējamās nepilnības. To darot, mēs varam palīdzēt veidot nākotni, kurā šie spēcīgie rīki kalpo mūsu patiesajām vajadzībām, nevis sašaurina mūsu redzesloku vai manipulē ar mūsu izvēli.
Personalizācijas revolūcija jau ir pārveidojusi mūsu digitālo dzīvi. Tas, kā tas turpinās attīstīties, ir atkarīgs ne tikai no tehnoloģiju attīstības, bet arī no mūsu kā lietotāju, izstrādātāju un sabiedrības izvēlēm par to, kā šīm sistēmām jādarbojas un kādas vērtības tām vajadzētu iemiesot.