Машинное обучение (ML) и его возможности

Термин «Machine learning» (ML, или машинное обучение) в последнее время всё чаще упоминается среди главных инноваций в работе компаний, однако многие специалисты скептически относятся к популярности технологии: «Машинное обучение, как подростковый секс — все о нём говорят, но по-настоящему делом никто не занимается». В TechCrunch решили проверить применение новых технологий на практике и оказалось, что уже сейчас эта технология приводит к ряду кардинальных изменений во взаимодействии пользователей и Сети.

Машинное обучение (ML) и его основные возможности

И речь идёт не только о тех игроках рынка, которые всегда были на шаг впереди широких масс, с огромными бюджетами на R&D и разработку продуктов вроде Amazon Echo или Siri.

Рост ценности контента для пользователей

Обычный контент, который создаёт пользователь в интернете («user-generated content» (UGC)) — почти всегда низкого качества: от оскорблений и перекрученных фактов до безграмотного написания и пошлых изображений. Но технологии машинного обучения могут сами анализировать лучший и худший UGC и отфильтровывать негативные сообщения без необходимости ручной настройки.

Что-то похожее раньше происходило со спамом. Все помнят, как раньше утро начиналось с удаления десятка ненужных сообщений в электронной почте? Тогда ML стали применять для сортировки почты и отделения спама от важных сообщений, а в ближайшем будущем то же произойдёт и с некачественным или просто бесполезным, грубым контентом.

Уже сегодня площадка Pinterest использует алгоритмы машинного обучения, чтобы показывать наиболее интересные публикации конкретному пользователю; а Yelp с их помощью сортирует пользовательские фото. Сервис NextDoor применяет такие же алгоритмы для мониторинга контента на досках объявлений, Disqus вычищает спам-комментарии на сайтах.

Скорость и точность в ответах на поисковые запросы

Будучи абсолютным лидером в сфере поиска, компания Google одной из первых начала активно развивать ML. Недавно в поисковик были добавлены алгоритмы искусственного интеллекта. Хотя возможность использовать компьютер для поиска заданной информации в огромных базах данных известна ещё с 1970-х годов, у Google есть преимущество: необычайная точность выданного результата, которую обеспечивает как раз обучаемый компьютерный алгоритм.

Не только Google нуждается в смарт-технологиях для поиска данных. Рядовой онлайн-магазин бытовой техники и товаров для дома сможет выдать вам не просто информацию по запросу, но сразу определит решения, которые будут работать с другой вашей домашней техникой; или найдёт в базе данных именно ту душевую кабину, которая впишется в вашу нестандартную ванную комнату. Магазин приложений Apple предлагает позиции, исходя из устройства, с которого пользователь зашёл в интернет: смартфон или настольный компьютер — и это тоже не случайно.

Огромные возможности открываются для онлайн-магазинов: использование ML поможет выдавать наиболее релевантную информацию для конкретного покупателя. Зачем каждый день получать рассылку о новых моделях соковыжималок, если вы на прошлой неделе уже купили себе одну? Гораздо полезнее теперь получать информацию об акциях на фрукты, подборку рецептов коктейлей из свежевыжатого сока или советы об экономии энергопотребления на вашей кухне.

ЧИТАЙТЕ ТАКЖЕ:

Целенаправленное взаимодействие с пользователями

Наверняка все замечали кнопку «Свяжитесь с нами», которая появилась уже практически на всех площадках с товарами и услугами, предлагаемыми в Сети. Вместо того, чтобы отпускать потенциального клиента в самостоятельное плавание по страницам сайта, вы можете использовать machine learning. Тогда алгоритм проанализирует суть запроса и перенаправит пользователя сразу на нужную ему страницу.

На первый взгляд может показаться, что это надуманная проблема и внедрение сложных технических алгоритмов тут неоправданно. Но для больших компаний с разносторонним онлайн-бизнесом автоматизация диалога с покупателем сэкономит время, усилия сотрудников и позволит снизить количество уходов с сайта без совершения покупки.

Изучение поведения клиентов

swimmers-415823_1280

ML преуспевает в анализе эмоциональной составляющей человеческого поведения на сайте (насколько это в принципе возможно для современных технологий), а также изучает настроение пользователя.

Например, киностудия публикует в соцсети трейлер к блокбастеру, премьера которого запланирована на лето этого года. Специальные алгоритмы изучают комментарии, выделяют темы, которые обсуждают пользователи. Всё это — чтобы откорректировать рекламную кампанию и сделать акценты на интересных для зрителей аспектах.

Другой пример: студия по производству игр анонсирует новый продукт из своей линейки, но без ожидаемых игроманами обновлений. Изучение форумов и социальных сетей поможет издателям услышать аудиторию и, возможно, даже отложить релиз, чтобы добавить в игру интересующие аудиторию возможности.

Но как вычислить главные тренды и действительно важные комментарии среди миллионов публикаций? ML за прошедшие годы стало стандартом для работы с социальными медиа.

Будущее машинного обучения

Работа с такими алгоритмами имеет свои «подводные камни». Если в обычных компьютерных формулах можно чётко проследить последовательность действий компьютера, то в случае с ML алгоритм своей  непредсказуемостью напоминает поведение живого человека. Как часто нам хотелось бы узнать, почему сайт The New York Times транслирует нам ту или иную рекламу, а Amazon советует определённую книгу? На самом деле, сами эти ресурсы скорее всего «не понимают» процедур отбора контента для пользователей.

10 лет назад специалист по ML мог найти работу разве что в поисковых гигантах Google или Yahoo, а сегодня он получит с десяток предложений от компаний самой разной специализации. Разработка суперкомпьютеров в таких гигантах, как IBM, популяризует и делает системы machine learning более доступными.

В США уже появились венчурные фонды, которые ищут проекты, работающие только с ML-технологиями, для формирования рынка с полноценной конкуренцией. Среди них — Machine Learning Fund от WorkDay, Bloomberg Beta и Data Collective.

И пусть даже принято считать, что машинное обучение — это только смарт-ассистенты и машины без водителя, на самом деле большинство онлайн-ресурсов уже используют такие технологии для взаимодействия с посетителями. Ведущие IT-компании инвестируют в ML не потому, что им хочется следовать моде, а потому что видят финансовую выгоду и быстрый возврат инвестиций. А это означает, что данная инновация будет развиваться и дальше.

Источник: TechCrunch

Читайте также:

Kaggle-змагання з машинного навчання від Google

Онлайн-курс «‎Machine Learning Bootcamp» для девелоперів від Google

Google запускає в Україні новий онлайн-курс «‎Основи AI»

Як машинне навчання допомагає виявити контрафакт