«Слишком умный стал!»
Искусственный интеллект на службе бизнеса

Искусственный интеллект — широкая наука по имитации человеческих способностей. Машинное обучение (ML) — ее прикладная часть. Это процесс обучения алгоритма делать выводы полезные бизнесу на основе собранных данных.
Если данные — это новая нефть, то машинное обучение — это то, что превращает ее в бензин, который в разы прибыльней. Чем обширнее и точнее данные, тем качественней финальный продукт.

О росте сферы машинного обучения обычно слышат из заголовков СМИ, когда компьютер обыгрывает чемпиона мира в ГО или шахматы, а очередной эксперт рассказывает, что роботы отберут у людей рабочие места. Это только косвенный маркер общего роста индустрии.

Машинное обучение становится прикладным и помогает решать задачи бизнеса. И это не только про сверхкорпорации вроде Google, Amazom и Microsoft. ML помогает среднему и крупному бизнесу оптимизировать внутренние процессы, бороться за клиентов и делать сервис лучше.

Зачем нужно ML

Машинное обучение — это полезная для участников гонка вооружений, в которую важно успеть включиться. Чтобы не оставить бизнес с дубинкой против современного оружия, необходимо собирать данные и правильно их анализировать. Благодаря данным, компьютер может самостоятельно обучаться, выявлять закономерности и выполнять задачи лучше с каждым разом.

Машинное обучение увеличивает прибыль за счет оптимизации ресурсов и улучшения сервиса. Оно помогает распознавать речь, текст, изображения, жесты, проводить диагностику, вычислять мошенников, оптимизировать рутину, планировать и оценивать риски.

На практике машинное обучение применяют в торговле, промышленности, IT, сельском хозяйстве, энергетике, медицине, медиа, строительстве, науке, логистике и банковском секторе. Вот некоторые примеры:

Логистика

Тысячи адресов, сроки, информация о платежах, пробках и других условиях — это большой массив данных. Продукты машинного обучения обрабатывают его и оптимизируют логистику для снижения затрат и уменьшения сроков доставки.

Розничный магазин Walmart собирает информацию на всей цепочке поставок для контроля и корректировки процессов в прямом эфире. Самый знаменитый пример — DHL, чей сервис опутывает весь мир. В таком масштабе машинное обучение экономит миллионы, но эффективно и для менее крупных компаний.

Поддержка клиентов

Часто репутацию компаний портят сотрудники техподдержки, которые не отвечают, грубят или что-то путают. Чтобы избежать этого, передайте онлайн поддержку клиентов машинам.

На базе Facebook Messenger создают чат-ботов, при общении с которыми сложно понять, что разговор ведет не человек. Не верите? Современные алгоритмы умеют поддерживать реалистичный разговор не только в мессенджерах, но и по телефону. Вот так Google Duplex получила задание забронировать время в парикмахерской и блестяще с ней справилась.

Если не доверяете машинам на 100%, с помощью машинного обучения можно создать помощника для оператора техподдержки, который выручит в сложную минуту.

Создание контента

Наполнение сайтов не всегда интересная и творческая работа. Часто это рутинные задачи, которые сводят на нет энтузиазм сотрудников и снижают общее качество работы.

Netflix поручил создание афиш фильмов и сериалов машинному обучению. Алгоритмы тестируют разные варианты, выбирают самые популярные и делают выводы на будущее. Внедрение технологии позволило сократить затраты на дизайн, не потерять в качестве и добавить к нему немного аналитики.

Похожие алгоритмы применяют для создания описаний товаров, рекламных объявлений и модерации контента.

Маркетинг

С помощью машинного обучения создают программы для привлечения клиентов. Алгоритмы понимают что нужно людям и строят рекламные кампании и цепочки рекомендаций на основе данных. Это улучшает стриминговые сервисы и помогает увеличить продажи любого бизнеса. Благодаря десяткам показателей онлайн-магазины узнают о потребности до того, как она сформирована у клиента. Звучит, как волшебство, но сеть магазинов Target узнала о беременности девушки до нее самой и настроила контекстную рекламу.

Машинное обучение дает супер-возможности по таргетингу, когда рекламу показывают человеку, который проходит мимо вашего заведения, стоит в пробке или вышел на перекур с коллегами. Для этого алгоритм анализирует данные сотовых вышек, камер наблюдения, поисковых запросов и другую информацию. В торговом центре «Мега Белая Дача» после анализа видео с камер наблюдения, машины создают тепловые карты посетителей и определяют эффективность мест размещения наружной рекламы и товаров.

Машинное обучение помогает не только привлечь новых клиентов, но и сократить их отток. Для этого алгоритмы анализируют данные о поведении пользователей: истории покупок и просмотров, каналы привлечения, отзывы и участие в программах лояльности.

Производство

Данные существуют не только в мире интернета. При создании сложных систем их собирают при помощи датчиков на важных узлах и деталях. Информация о состоянии каждой части, помогает оценивать и прогнозировать состояние всего механизма.

Автоконцерн Volvo использует ML, чтобы предсказать, когда запчасти выйдут из строя, а когда пора провести техническое обслуживание.

Организация бизнеса

На первый взгляд бизнес состоит из прорывных идей, энтузиазма создателя и моря рекламы. На деле львиную долю занимает оттачивание процессов и рутина. Все это можно поручить искусственному интеллекту.

LG строит производственную базу, на которой все процессы будут осуществляться искусственным интеллектом. Это закупка расходников, производство, контроль износа оборудования, проверка качества выпускаемой продукции и ее отгрузка. Кроме этого ИИ будет обеспечивать выполнение планов и строить гипотезы по увеличению производительности.

Решение может быть не таким глобальным. Продукты машинного обучения помогают организовать бухгалтерию, вести контроль остатков и получать метрики для анализа прибыли и эффективности сотрудников.

Медицина

Если воспринимать человека, как сложную систему, диагностика заболевания ничем не отличается от выявления повышенного расхода масла в машине. Соответственно это можно сделать проанализировав данные о состоянии человека и множества историй болезней.

Если заболевание неожиданное или находится на ранней стадии, искусственный интеллект диагностирует его точнее людей. Сервисы Watson от IBM и DeepMind Health от Google дают подсказки врачам, определяют предрасположенности и диагностируют заболевания, когда пациент еще не чувствует недомогания.

Как мы учим машину думать?

Алгоритмы машинного обучения совершенствуются в процессе решения множества одинаковых задач с помощью теории вероятности, статистики и оптимизации данных.
Для создания такого алгоритма нужны хорошие данные.

Хороших данных должно быть очень много, и они должны быть всеобъемлющими. Если вы решите научить компьютер отличать мужчин от женщин и дадите ему мало фотографий рыжих, именно на них будет больший процент ошибок. Поэтому, если нет хороших данных — мы помогаем их собрать при помощи стека программ Hadoop. Когда данные собраны, начинается обучение.

На первом этапе мы загружаем алгоритмы данными, сгруппированными по признакам, чтобы научить систему классифицировать информацию. На втором этапе мы загружаем в систему уже не сортированные данные, которые машина классифицирует самостоятельно, используя множество схожих и различных признаков. Когда программа готова, она начинает анализировать данные вашего бизнеса и выполнять задачи, становясь с каждым разом лучше и точнее.

Машинное обучение — это ключ к данным бизнеса, который поможет опередить конкурентов. Оно меняет правила игры и превращает увеличение прибыли бизнеса из азартной игры в партию, где вам известны все карты.

Поработаем?