Алексей КУТОВЕНКО
Машинное обучение, моделирование, искусственный интеллект — это уже реальность. Как получить максимум прибыли от данных технологий?
Примерно так можно описать основную тематику выступлений участников масштабной конференции Code Conference, которую организовала компания IBM.
Наиболее активно экспериментируют с интеллектуальными технологиями фирмы, работающие в Интернете. Facebook применяет их для построения персонализированного интерфейса и проведения рекламных акций. Крупнейший интернет-аукцион eBay полагается на интеллектуальные технологии для персонализации сервисов и борьбы с мошенничеством. Исполнительный директор eBay Дэвин Вениг заявил, что благодаря использованию машинного анализа и обучения обман на онлайновых торговых площадках уходит в прошлое, становится все менее возможным.
Интеллектуальные технологии применяются и в других отраслях. Пример тому — сотрудничество известного производителя сетевого оборудования Cisco с компанией Ford. Cisco выделила особое подразделение, которое занимается автоматизацией менеджмента автоконцерна и внедрением в его работу интеллектуальных технологий.
Показателен пример Google. Интернет-гигант давно применяет интеллектуальные технологии в поиске, рекламе и других сервисах, а в последнее время рассматривает их уже не как отдельные решения, а как платформу и активно инвестирует в робомобили и другие подобные проекты.
Возможно, самая главная новость заключается в том, что интеллектуальные технологии перестают быть уделом немногочисленных крупных корпораций. Резкому росту интереса к таким технологиям со стороны более мелких компаний способствовало несколько важных факторов.
Значительно ускорили прогресс в этом направлении облачные системы. Машинный анализ требует больших вычислительных мощностей, затраты на собственные дата-центры высокого уровня заставили многие компании отказаться от его применения. Сейчас это перестало быть проблемой, и фирмы могут сразу сосредоточиться на разработке моделей и продуктов, а не на построении инфраструктуры.
Машинное обучение требует предварительного сбора и обработки больших массивов данных. На сегодняшний день анализ Big Data — основной способ эффективного обучения машин. Чтобы было понятно, о каких объемах необходимых данных идет речь, можно привести такой факт: для совершенствования алгоритмов распознавания лиц на фотографиях Facebook ежедневно использует массив из 300 млн изображений. Благодаря облачным технологиям хранение и доступ к большим массивам данных стали экономически оправданными даже для небольших фирм.
Для машинного анализа необходимо, чтобы данные были структурированы, помечены. В современных глобальных сетях все чаще используется семантическая разметка данных. Механизмы отметок действуют на многих крупных веб-сайтах, помогая, с одной стороны, персонализировать информацию для клиентов, с другой — собрать структурированные данные для обучения автоматических систем. Кроме того, увеличивающийся поток информации поступает не только напрямую от пользователей, но и с многочисленных сенсоров мобильных устройств и приложений, которые сообщают о местоположении, действиях пользователя и др. Такая информация уже структурирована и удобна для дальнейшей обработки.
Важным фактором стала относительная открытость новых разработок. Крупные компании стремятся к созданию универсальной платформы. Открываются как описания технологий, так и готовые инструменты. Примеров достаточно: Facebook открыл среду разработки для машинного обучения Torch, Google поделился масштабируемой системой машинного обучения TensorFlow, IBM — системой аналогичного назначения SystemML.
Комплекс интеллектуальных технологий интенсивно развивается, и количество продуктов, использующих их, будет только увеличиваться.
Опубликовано: “Белорусы и рынок” №25 (1207) 3 - 9 июля 2016 г.
Комментариев нет:
Отправить комментарий