26 сентября 2017, вторник

Лекторий. Что такое машинное обучение и когда компьютеры станут умнее людей

Машинное обучение помогает супермаркетам лучше вас знать, что вы хотите купить

Машинное обучение помогает супермаркетам лучше вас знать, что вы хотите купить

Магазины без касс и продавцы-боты. Супермаркеты, которые лучше вас знают, что вы хотите купить. Звучит как выдержка из рассказа Роберта Шекли? Нет, это уже реальность.

Известие о том, что крупнейшая в мире торговая площадка Amazon создает первый в мире магазин без продавцов, для многих стало просто еще одной забавной новостью из мира высоких технологий.

Но для тех, кто действительно интересуется будущим, это действительно эпохальное событие.

Мир необратимо меняется. Технологии машинного обучения, о которых еще десять лет назад грезили фантасты, сегодня позволяют владельцам крупных бизнесов экономить миллионы долларов.

В недалеком будущем целые индустрии переживут радикальные изменения благодаря способности компьютеров самостоятельно изучать поведение людей, анализировать его и делать выводы.

О том, что такое машинное обучение, и о том, как оно изменит мир читателям НВ рассказывает Юрий Мухин, эксперт в e-commerce и со-основатель мобильного маркетплейса Lalafo.


Юрий Мухин, со-основатель Lalafo
Юрий Мухин, со-основатель Lalafo


Юрий Мухин

  • Со-основатель мобильного маркетплейса Lalafo
  • ex-CMO в компании Slando в четырёх странах (Россия, Украина, Казахстан, Беларусь)
  • Экспертиза: технологии в e-commerce и IT-тренды

Что такое машинное обучение?

Представьте, что компьютерной программе дают набор данных о пациентах: пол, возраст, симптомы, результаты анализов и диагнозы. Программа находит взаимосвязи между данными о пользователях и диагнозах и со временем может с высокой точностью самостоятельно определять диагноз у вновь поступившего пациента. Все это делается алгоритмами машинного обучения, основанными на математических и статистических методах.

Как и в каких сферах можно применять машинное обучение на практике?

Машинное обучение может применяться в любой сфере, где есть данные и возможность выделить в них какие-либо закономерности (признаки). Например, если у вас есть набор данных о мошенниках или клиентах с плохой кредитной историей, можно построить модель прогнозирования рисков мошенничества или невозврата кредитов для будущих клиентов. Или же у вас есть данные о поведении клиентов и их покупках. На этих данных с помощью машинного обучения вы можете прогнозировать вероятность покупки в будущем и показывать пользователям наиболее релевантные товары.

Сортировка текста, классификация фото, распознавание речи, поиск спама, прогнозирование дохода — все эти задачи можно решить с помощью алгоритмов машинного обучения.

Машинное обучение активно применяется в торговле. Например, декабре 2016 Amazon открыл первый в мире магазин без чекаута «Amazon Go», где благодаря машинному обучению, технологиям компьютерного зрения, сенсорам, теперь не приходится стоять в очереди на кассе. Просто бери товары и уходи. Amazon спишет деньги с твоего счёта через какое-то время.

Amazon Go является пионером в этой сфере?

Amazon первым совместил этих технологии в оффлайн магазине, но до него каждая из технологий автономно использовалась в своих сферах. Например, технологии компьютерного зрения активно использовали в сфере безопасности, анализируя данные с видеокамер.


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


Цель в том, чтобы продавец знал, что интересно покупателю, лучше, чем сам покупатель? Как этого достичь?

Есть хрестоматийный пример, когда сеть супермаркетов присылала школьнице предложения товаров для беременных и вызвала этим бурную негативную реакцию её отца, т.к. девушка не была беременна. Но вскоре оказалось, что девушка таки беременна, а супермаркет определил это самостоятельно до неё самой с помощью как раз машинного обучения, основываясь на её поведении и покупках.

Как это работает? Модель анализирует поведение пользователей и выявляя определенные паттерны, рекомендует товары, которые заинтересуют пользователя с наибольшей вероятностью.

Рекомендательные алгоритмы развиваются очень давно и их много — от простой коллаборативной фильтрации, когда модель предлагает наиболее понравившиеся другим пользователям товары до поиска похожих товаров по фотографиям.

Нейронные сети — это ведь все еще фантастика? Или нет?

Нейронные сети — это реальность. Их используют многие технологические компании и продукты. Например, использование нейронных сетей позволило Google в несколько раз снизить долю ошибок при распознавании речи.

Нейронные сети в буквальном смысле слова обучаются на данных, находят между ними сложные зависимости и дают более точный результат на новых данных.


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


Как добиться такого точного определения паттернов поведения пользователей, чтобы система потом не предлагала им «левые товары»?

Это непрерывный итерационный процесс улучшения. Состоит он обычно из таких этапов: выделяются определенные признаки, которые, вероятно, влияют на заинтересованность пользователя в том или ином товаре.

Это может быть что угодно: характеристики товара, время, проведенное пользователем на странице товара, данные о том, откуда пришёл пользователь, какое устройство использовал для доступа в интернет, в какое время дня и т.п. Модель обучается выявлять эти признаки и выдавать результат: вероятность, с которой товар будет интересен пользователю.

Затем модель проверяется на тестовой выборке. Но самое важное происходит потом — реальные пользователи своим поведением говорят нам, нравятся им те или иные товары или нет (просматривая, покупая их). Собирая и анализируя эти данные, алгоритм совершенствуется.

Продавцы — боты? Пока никто не воспринимает эту идею всерьез. Насколько могут ли боты заменить людей в сфере продаж? Есть ли уже успешные примеры?

Могут и обязательно заменят. Преимущество ботов перед продавцами людьми в полноте информации, которой владеет бот (бот может «знать» намного больше, чем любой продавец-человек) и доступности 24/7.

Для того, чтобы заменить продавца на бота есть все необходимые технологии. Например, e-bay запустил своего чат-бота, который помогает покупателю выбирать товары. Facebook позволяет настраивать простейших чат-ботов для общения с пользователями своей страницы.

Супер успешным во внедрении ботов является платформа WeChat — китайский месенджер с 700 млн активных пользователей и Facebook messenger. Уже сегодня миллионы пользователей пользуются ботами для заказа еды, цветов, покупки билетов и вызова такси.


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


Как работает автоматическое описание товаров по фотографиям?

Имея только фото, с помощью моделей глубокого обучения можно очень детально описать товар. Нейронная сеть обучается на миллионах товаров, у каждого из которых есть определенный набор визуальных признаков: принадлежность к категории, цвет, стиль, материал и т. п.

«Зная» эти признаки, обученная модель определяет, какие из признаков принадлежат новому товару, а модель, которая работает с текстом, строит из этих признаков человекоподобное описание.

Кроме описания, модель может с высокой точностью сказать, сколько может стоить товар. И даже продать его без вовлечения человека, предложив его тем, кому были интересны подобные товары и организовав вопросы оплаты и доставки.

Говорят, со временем можно автоматизировать не только продажи, но и доставку. Речь идет о беспилотных авто?

В том числе и беспилотными авто. Кроме них - роботами, дронами. Эти способы тестируются уже сейчас в штатах и Европе.

Как машинное обучение поможет бороться с мошенничеством в сфере продаж?

Как бы мошенники не старались конспирироваться, они всё равно оставляют «следы». В онлайн торговле способов сбора этих следов особенно много.

Например, мошенники используют определенные мобильные устройства для доступа в интернет или отправляют сообщения с определенным паттерном. Таких признаков — сотни. Все эти признаки становятся основой алгоритма, который предсказывает вероятность того, что новый пользователь мошенник.

К таким «мошенникам» по мнению алгоритма могут применяться разные тактики: так называемое «мягкое» блокирование, когда пользователь не знает, что его действия блокируются, дополнительная проверка человеком или полная блокировка.

Читайте также - Лекторий. Эпоха роботов — как нам мирно уживаться с внезапно поумневшими «железками»

Комментарии

1000

Правила комментирования
Показать больше комментариев

Последние новости

ТОП-3 блога

Читайте на НВ style

Лекторий ТОП-10

Погода
Погода в Киеве

влажность:

давление:

ветер: