Михаил Сисин Со-основатель облачного сервиса по сбору информации и парсингу сайтов Diggernaut. Работает в области сбора и анализа данных, а также разработки систем искусственного интеллекта и машинного обучения  более десяти лет.

Роль технологий машинного обучения для бизнеса

Роль технологий машинного обучения для бизнеса

Машинное обучение – это технология, при которой робот самостоятельно составляет алгоритм действия на основе определенной модели, заданной человеком, и имеющейся загруженной в него информации. Сейчас машинное обучение переживает пик своего развития, и его роль заметно возросла. По независимым оценкам объем рынка в 2018 году составил приблизительно один миллиард долларов. По предварительным прогнозам к 2025 году этот объем будет составлять около сорока миллиардов долларов.

Для каких целей может применяться машинное обучение в бизнесе? Самое важное, что может дать бизнесу машинное обучение – это сокращение времени обработки вашего запроса. Издержки при этом существенно ниже. К примеру, не нужно платить кассиру зарплату, если вместо него покупки оформляются с помощью компьютерного зрения и биометрических роботов. Или не нужно тратить весь день на анализ документации, когда машина может справиться с этой задачей за несколько секунд.

Если рассматривать сектор электронной торговли, особенно крупных ритейлеров, то здесь владелец бизнеса вряд ли сможет все знать и помнить о каждом своем заказчике, зато машина на это способна. Данные о том, что и когда покупали клиенты, помогают, к примеру, выстраивать ассортимент. Также с помощью машинного обучения можно настраивать персонализированные e-mail рассылки.

Технологию машинного обучения уже взяли на вооружение многие компании.

  1. К примеру, социальная сеть Pinterest, чтобы повысить эффективность работы для пользователей уже внедряет машинное обучение. Три года назад для этой цели была куплена компания Kosei, специализирующаяся на использовании машинного обучения, в деталях – это поиск изображений и скрипты рекомендаций. Сейчас в Pineterest используют алгоритмы и в модерации, и при монетизации.

  2. Еще одна широко известная и очень популярная во всем мире социальная сеть Facebook также использует машинное обучение. В основном для того, чтобы создавать в своем мессенджере чат ботов, уровень которых уже настолько высок, что порой сложно отличить разговариваешь ты с настоящим человеком или с роботом. Также механизмы используются для выявления спама и контента не самого лучшего качества.

  3. Этой же дорогой пошел и сервис мгновенного обмена публичных заметок в формате блога Twitter. При формировании новостной ленты уже тоже используются алгоритмы машинного обучения, чтобы пользователь получал ту информацию, которая его интересует. Это делается на основе анализа твитов и лайков конкретного пользователя.

  4. К машинному обучению проявляет интерес и такой гигант как Google. В основном с помощью машинного обучения он улучшает текущие механизмы и позволяет быстрее распознавать и переводить речь, и совершенствовать ранжирование.

  5. Китайская поисковая система Baido не отстает от Google и активно инвестирует в машинное обучение. Одна из наиболее значительных разработок на основе алгоритмов машинного обучения – это технология воссоздания человеческих голосов Deep Voice, способная генерировать такие естественные голоса, едва отличимые от естественных. Технология даже может копировать голоса, произношение, ударение, тембр и высоту звуков в разговорной речи. То есть разработка позволит увеличить эффективность поиска голосом и распознавание человеческой речи.

  6. Мировой гигант с именем IBM тоже осваивает машинное обучение. Наиболее интересный проект – искусственный интеллект Watson, используемый в медицинских учреждениях, например, для распознавания некоторых видов злокачественных опухолей. В дальнейшем планируется использование в качестве торгового консультанта.

  7. Если рассматривать российские компании, то хорошим примером может служить банк «Уралсиб», использующий машинное обучение для минимизации рисков мошеннических действий, более качественной проверки потенциальных заемщиков, анализа платежеспособности и повышения точности прогнозов.

  8. Сбербанк уже задействовал для оценки недвижимости нейросети.

  9. Магазин «Перекресток» применяет машинное обучение для того, чтобы анализировать поведенческие факторы своих клиентов и на основании этого проводить акции.

  10. На сайте крупного ритейлера техники «М-видео» на основе машинного обучения выстроена система умного поиска.

Все это каких-то десять лет назад еще могло показаться фантастикой, а сейчас это вполне себе реальность. И если уже такие крупные компании обратили свой взор на технологии и активно внедряют их в свою работу, то такие алгоритмы, безусловно, ждет дальнейшее яркое будущее. На данный момент активные исследования в этой области продолжаются. Возможно, что уже скоро машинное обучение будет внедряться во многие сферы нашей жизни.

Михаил Сисин Со-основатель облачного сервиса по сбору информации и парсингу сайтов Diggernaut. Работает в области сбора и анализа данных, а также разработки систем искусственного интеллекта и машинного обучения  более десяти лет.