Лекторій. Що таке машинне навчання і коли комп'ютери стануть розумнішими за людей

11 березня 2017, 07:02
Вы также можете прочесть этот материал на русском языке
Магазини без кас і продавці-боти. Супермаркети, які краще за вас знають, що ви хочете купити. Звучить як уривок з оповідання Роберта Шеклі? Ні, це вже реальність

Але для тих, хто дійсно цікавиться майбутнім, це дійсно епохальна подія.

Світ незворотно змінюється. Технології машинного навчання, про які ще десять років тому мріяли фантасти, сьогодні дозволяють власникам великих бізнесів економити мільйони доларів.

Відео дня

В недалекому майбутньому цілі індустрії переживуть радикальні зміни завдяки здатності комп'ютерів самостійно вивчати поведінку людей, аналізувати її та робити висновки.

Про те, що таке машинне навчання, і про те, як воно змінить світ, читачам НВ розповідає Юрій Мухін, експерт в e-commerce і співзасновник мобільного маркетплейсу Lalafo.

Юрий Мухин, со-основатель Lalafo
Юрий Мухин, со-основатель Lalafo Фото:

Юрій Мухін

  • Співзасновник мобільного маркетплейсу Lalafo
  • ex-CMO в компанії Slando в чотирьох країнах (Росія, Україна, Казахстан, Білорусь)
  • Експертиза: технології в e-commerce і IT-тренди

Що таке машинне навчання?

Уявіть, що комп'ютерній програмі дають набір даних про пацієнтів: стать, вік, симптоми, результати аналізів і діагнози. Програма знаходить взаємозв'язок між даними про користувачів і діагнози та з часом може з високою точністю самостійно визначати діагноз у пацієнт, який повторно звернувся за допомогою. Все це робиться за допомогою алгоритмів машинного навчання, які базуються на математичних і статистичних методах.

Як і в яких сферах можна застосовувати машинне навчання на практиці?

Машинне навчання може застосовуватися в будь-якій сфері, де є дані та можливість виділити в них які-небудь закономірності (ознаки). Наприклад, якщо у вас є набір даних про шахраїв або клієнтів з поганою кредитною історією, можна побудувати модель прогнозування ризиків шахрайства чи неповернення кредитів для майбутніх клієнтів. Або ж у вас є дані про поведінку клієнтів і їх покупки. На цих даних за допомогою машинного навчання ви можете прогнозувати ймовірність покупки в майбутньому і показувати користувачам найбільш релевантні товари.

Сортування тексту, класифікація фото, розпізнавання мови, пошук спаму, прогнозування доходу — всі ці завдання можна вирішити за допомогою алгоритмів машинного навчання.

Машинне навчання активно застосовується в торгівлі. Наприклад, у грудні 2016 року Amazon відкрив перший в світі магазин без чекауту «Amazon Go», де завдяки машинному навчанню, технологіям комп'ютерного зору, сенсорам, тепер не доводиться стояти в черзі на касі. Просто бери товари і йди. Amazon спише гроші з твого рахунку через якийсь час.

Amazon Go є піонером у цій сфері?

Amazon першим поєднав ці технології в оффлайн магазині, але до нього кожна з технологій автономно використовувалася в своїх сферах. Наприклад, технології комп'ютерного зору активно використовували у сфері безпеки, аналізуючи дані з відеокамер.

Анализ поведения покупателей в супермаркетах помогает понять их предпочтения и предугадывать их выбор
Анализ поведения покупателей в супермаркетах помогает понять их предпочтения и предугадывать их выбор Фото:

Мета в тому, щоб продавець знав, що цікаво покупцеві, краще, ніж сам покупець? Як цього досягти?

Є хрестоматійний приклад, коли мережа супермаркетів надсилала школярці пропозиції товарів для вагітних і викликала цим бурхливу негативну реакцію її батька, оскільки дівчина не була вагітна. Але незабаром виявилося, що дівчина таки вагітна, а супермаркет визначив це самостійно до неї самої за допомогою як раз машинного навчання, базуючись на її поведінці і покупках.

Як це працює? Модель аналізує поведінку користувачів і виявляючи певні патерни, рекомендує товари, які зацікавлять користувача з найбільшою ймовірністю.

Рекомендаційні алгоритми розвиваються дуже давно і їх багато — від простої колаборативної фільтрації, коли модель пропонує найбільш вподобані товари іншим користувачам до пошуку схожих товарів з фотографіями.

Нейронні мережі — це все ще фантастика? Чи ні?

Нейронні мережі — це реальність. Їх використовують багато технологічних компаній та продуктів. Наприклад, використання нейронних мереж дозволило Google в кілька разів знизити частку помилок при розпізнаванні мови.

Нейронні мережі в буквальному сенсі слова навчаються на даних, знаходять між ними складні залежності і дають більш точний результат на нових даних.

Следующим шагом после автоматизированных продаж станут автоматизированные доставки - с помощью беспилотных авто и дронов
Следующим шагом после автоматизированных продаж станут автоматизированные доставки - с помощью беспилотных авто и дронов Фото:

Як домогтися такого точного визначення патернів поведінки користувачів, щоб система потім не пропонувала їм «ліві товари»?

Це безперервний ітераційний процес поліпшення. Складається він зазвичай з таких етапів: виділяються певні ознаки, які, ймовірно, впливають на зацікавленість користувача у тому чи іншому товарі.

Це може бути що завгодно: характеристики товару, час, проведений користувачем на сторінці товару, дані про те, звідки прийшов користувач, пристрій, який використовував для доступу в інтернет, в який час дня і т. п. Модель навчається виявляти ці ознаки і видавати результат: ймовірність, з якою товар буде цікавий користувачам.

Потім модель перевіряється на тестовій вибірці. Але найважливіше відбувається потім — реальні користувачі своєю поведінкою кажуть нам, їм подобаються ті або інші товари чи ні (переглядаючи, купуючи їх). Збираючи та аналізуючи ці дані, алгоритм вдосконалюється.

Продавці — боти? Поки ніхто не сприймає цю ідею всерйоз. Наскільки можуть боти замінити людей в сфері продажів? Чи є вже успішні приклади?

Можуть і обов'язково замінять. Перевага ботів перед продавцями людьми в повноті інформації, якою володіє бот (бот може «знати» набагато більше, ніж будь-який продавець-людина) і доступності 24/7.

Для того, щоб замінити продавця на бота, є всі необхідні технології. Наприклад, e-bay запустив свого чат-бота, який допомагає покупцю вибирати товари. Facebook дозволяє налаштовувати найпростіших чат-ботів для спілкування з користувачами своєї сторінки.

Супер успішним у впровадженні ботів є платформа WeChat — китайський месенджер з 700 млн активних користувачів Facebook messenger. Вже сьогодні мільйони користувачів користуються ботами для замовлення їжі, квітів, купівлі квитків і виклику таксі.

Нейронные сети и машинное обучение вскоре полностью изменят систему продаж как в онлайн так и в оффлайн
Нейронные сети и машинное обучение вскоре полностью изменят систему продаж как в онлайн так и в оффлайн Фото:

Як працює автоматичний опис товарів за фотографіями?

Маючи тільки фото, за допомогою моделей глибокого навчання можна дуже детально описати товар. Нейронна мережа навчається на мільйонах товарів, у кожного з яких є певний набір візуальних ознак: належність до категорії, колір, стиль, матеріал і т. п.

«Знаючи» ці ознаки, навчена модель визначає, які з ознак належать новому товару, а модель, яка працює з текстом, будує з цих ознак людиноподібний опис.

Крім опису, модель може з високою точністю сказати, скільки може коштувати товар. І навіть продати його без залучення людини, запропонувавши його тим, кому були цікаві подібні товари і організувавши питання оплати та доставки.

Кажуть, з часом можна автоматизувати не тільки продажі, але і доставку. Мова йде про безпілотні авто?

В тому числі і безпілотними авто. Крім них - роботами, дронами. Ці способи тестуються вже зараз в штатах і Європі.

Як машинне навчання допоможе боротися з шахрайством в сфері продажів?

Як би шахраї не намагалися конспіруватись, вони все одно залишають «сліди». В онлайн торгівлі способів збору цих слідів особливо багато.

Наприклад, шахраї використовують певні мобільні пристрої для доступу в інтернет або відправляють повідомлення з певним паттерном. Таких ознак — сотні. Всі ці ознаки стають основою алгоритму, який передбачає ймовірність того, що новий користувач шахрай.

До таких «шахраїв», на думку алгоритму, можуть застосовуватися різні тактики: так зване «м'яке» блокування, коли користувач не знає, що його дії блокуються, додаткова перевірка людиною або повне блокування.

Читайте також - Лекторій. Епоха роботів — як нам мирно уживатися із «залозками», які раптово порозумнішали

poster
Підписатись на щоденну email-розсилку
матеріалів розділу Техно
Розсилка про те як технології змінють світ
Щопонеділка

Приєднуйтесь до нас у соцмережах Facebook, Telegram та Instagram.

Показати ще новини
Радіо НВ
X