Это не технический пост, если вам интересно, что такое искусственный интеллект, прогнозный интеллект и машинное обучение и что они могут сделать для вашего бизнеса, читайте дальше.

Я только что вернулся из Dreamforce в Сан-Франциско. Важным заявлением Salesforce стали их огромные инвестиции в интеллектуальную платформу под названием Einstein. Einstein — это набор продуктов и компаний, которые они приобрели, таких как PredictionIO, BeyondCore и MetaMind.

Искусственный интеллект существовал всегда, но теперь, благодаря чрезвычайно мощной облачной инфраструктуре, моделям с открытым исходным кодом, API с оплатой по мере использования и огромному количеству данных, которые мы собираем, мы действительно можем делать с ним кое-что.

Это примерно так же технологично, как и этот пост.

Что может сделать для вашего бизнеса искусственный интеллект/машинное обучение (для целей этой статьи предполагается, что это одно и то же)?

Распознавание изображений

Если на вашем телефоне есть Google Фото, вы знаете, что можете ввести слово «собака», и оно покажет вам все фотографии собак в вашей коллекции. То же самое касается распознавания лиц Facebook: он знает, как вы выглядите. Как оно это сделало? Он научился. Как оно научилось? Подобно тому, как это делаем мы… Кто-то сначала показал им путь, взяв кучу фотографий и указав, какие объекты были на каждой фотографии, затем машина начала находить варианты этих вещей и предполагала, что они в основном одинаковы. Если бы он сделал ошибку, кто-нибудь сказал бы ему, и он постарался бы не делать этого снова. Каждый раз, когда вы отмечаете кого-то, вы проверяете или корректируете процесс обучения.

Один из способов распознавания изображений, который сейчас используется в больницах. Если кто-то приходит с сильной головной болью в 3 часа ночи, ему делают МРТ, но если нет доступного невролога, сканирование отправляется третьей стороне, которая проверяет его, чтобы увидеть, есть ли что-то серьезное.

У них есть 20 минут с момента получения сканирования, чтобы диагностировать серьезную проблему, но если у вас кровоизлияние в мозг, у вас может быть всего несколько минут, чтобы попасть на операционный стол. Это используется сегодня, когда сканирование отправляется, оно проходит распознавание изображений для обнаружения потенциального кровоизлияния, если оно обнаружено, сканирование помещается в начало списка и дается 5 минут для ответа вместо 20. Если кровоизлияние проверено, оно возвращается обратно в машину и продолжает учиться, уточняя, узнавая, что искать.

Другой способ — для специалистов по выездному обслуживанию. Если они найдут старую деталь, которую нужно заменить для машины, которой 20 лет, они могут быстро отсканировать ее с помощью своего телефона, и он найдет эту деталь на каждом изображении и вернет, что это за деталь.

Прогнозирование продаж

- Это уже используется каждый день. Когда вы зайдете на Amazon или eBay, они порекомендуют вам продукты на основе вашего прошлого покупательского поведения. Чем больше вы вводите в машину и чем больше вы тренируете ее, взаимодействуя с ней, тем более совершенными будут рекомендации. Некоторые компании идут дальше, изменяя текст и тон страниц в зависимости от вашего поведения. Если некоторые рекламные объявления громкие и привлекательные для вас, он распознает, что вы проводите больше времени на этой странице, и динамически изменит остальную часть сайта, чтобы адаптировать ваш опыт.

Подумайте о вовлечении для предиктивных продаж, если клиент открывает электронные письма, переходит на вашу страницу, лайкает вашу страницу в Facebook, возможно, пришло время для автоматического предложения или телефонного звонка. Разница между традиционным миром и новым заключается в том, что машина будет обучена вашему поведению. Если вы тот, кто открывает 1 электронное письмо и покупает, вы получите предложение на ранней стадии взаимодействия.

Если вы сидите на заборе, который требует гораздо больше, после открытия электронной почты вы можете получить целевую рекламу в Facebook, и если вы примете участие, вы получите предложение. Если это не сработает, он будет продолжать совершенствоваться и учиться. Представьте себе также возможность определения цены. Ключ в том, что машина будет тестировать и учиться.

Профилактическое обслуживание и поиск неисправностей

- Именно здесь большие данные и Интернет вещей будут иметь огромное значение. Интернет вещей — это все, что связано… Это может варьироваться от камер видеонаблюдения до подключенных мусорных баков, которые уведомляют, когда они заполнены. Представьте себе подключенный город, в котором мусорное ведро уведомляет, когда оно переполняется. Машина будет изучать и оптимизировать маршруты мусоровозов на основе введенных данных.

Это также может затем использоваться в дополнительных моделях, таких как система общественного транспорта. Может быть, есть связь между мусором и количеством автобусов, необходимых для перевозки в этот день? Самое замечательное в том, что мне не нужно это выяснять, машина найдет корреляцию, проверит и научится… Очевидно, это также может быть просто совпадением, и именно здесь нам всегда придется играть направляющую роль.

Если у вас есть сотни подключенных принтеров в десятках зданий, машина узнает, когда принтер может выйти из строя, основываясь на их активности. Опять же, ключевое отличие состоит в том, что машина будет учиться, а не мы. Нам не нужно говорить «да, принтеры начинают выходить из строя после 10 000 страниц, поэтому мы должны обслуживать их после 7000 страниц», машина сделает это автоматически… а затем научится на основе модели, возраста и т. д. Теперь бросьте в нее финансовую информацию, и она узнаете, когда пора заменить модель, а не обслуживание.

Языковой перевод

- Google Translate теперь может переводить так же хорошо, как и люди... На данный момент это только для 2 языков, но они научили машину сначала понимать то, что пытаются сказать, контекст, смысл, сообщение. Затем он переводит, используя традиционные методы, но может делать это в контексте. На самом деле мы все являемся частью обучения… Вы заметили, как Facebook просит вас оценить перевод?

Почему мой бизнес может сделать это прямо сейчас?

Разве это не сфера специалистов по обработке и анализу данных, Силиконовой долины и других компаний, о которых вы слышали, но не можете.

– Облако. Итак, что это значит? Облако — это, по сути, чужой компьютер. Это все, что есть, но компьютер этого человека на самом деле состоит из множества компьютеров и намного мощнее вашего. Подумайте об открытии электронной таблицы Excel с 1 миллионом строк… это действительно сложно. С облаком у вас есть доступ к суперкомпьютерам, и вы платите только за то, что используете, вам не обязательно владеть компьютером, вы просто арендуете свое время, что-то вроде похода в интернет-кафе, чтобы использовать мощный компьютер в течение часа, чтобы обработайте вашу электронную таблицу с 1 миллионом строк.

– API. Итак, что это значит? API — это, по сути, телефонный звонок, и вы просто платите за звонок. У Google, например, есть API видения — вы не знаете, что на фотографии, вы отправляете ее в Google, она смотрит и говорит вам, что это такое. Вы можете встроить это в любом месте вашего бизнеса и просто заплатить за телефонный звонок. Итак, у Google уже есть обученная машина, и вы просто платите за ее использование. Многие продукты упрощают доступ к своим функциям только через API.

- Функции, встроенные в существующие продукты. Salesforce – отличный пример компании, которая делает эти возможности доступными для всех. Они начинают с анализа настроений в своих Service Cloud и Marketing Cloud, чтобы определить, доволен ли клиент или расстроен на основе текста. Он также будет классифицировать тип проблемы на основе текста, и если вы в конечном итоге измените его вручную, он изучит новую классификацию. Представьте, что я отправляю Telstra электронное письмо с кратким изложением проблемы, и оно направляется именно тому человеку, который может решить ее, а также сообщает им, насколько это срочно, исходя из тона сообщения. Компании делают это доступным для вас без необходимости в специалисте по данным и программисте. Если вы хотите создать настраиваемые возможности, они также позволяют вам наращивать возможности с помощью интерфейсов перетаскивания, гонка продолжается, чтобы сделать это простым для нас, и это принесет пользу всем.

– Все ваши данные. Подумайте обо всех данных, которые вы накопили в разных системах и о разных вещах. Мы можем перенести все это в облако и использовать стандартные модели для анализа этих данных, чтобы найти взаимосвязи и предсказать будущее, это легко и доступно прямо сейчас. Вам просто нужен чемпион.

– Коллективные данные. Подумайте обо всех данных, которые есть у Facebook или Salesforce. Facebook может предложить таргетированную рекламу, потому что они много знают о вас, как и обо всех остальных. То же самое с Salesforce, они могут обеспечить прогнозную оценку лидов на основе ваших данных, а также всех остальных. Чем больше данных у системы, тем больше она узнает.

Я абсолютно в восторге от того, что мы можем сделать! Подумайте обо всех ваших данных и о том, что вы могли бы сделать лучше, автоматизировать и дополнить. Это не должно заменять людей, это просто заставляет их лучше выполнять свою работу… и самое главное, мы можем сделать это прямо сейчас.