В 2017 году свершился прорыв в сфере искусственного интеллекта. И это только начало.

3 января
В 2017 году свершился прорыв в сфере искусственного интеллекта. И это только начало.
Развитие искусственного интеллекта доминировало в новостях науки и техники за этот год: алгоритмы обучения игре Го без участия человека, обсуждения опасностей и преимуществ использования ИИ для человечества с точки зрения Илона Маска и Марка Цукерберга, выбор искусственного интеллекта в качестве первостепенного приоритета развития в России и Китае. Забегая вперёд, можно уверенно утверждать, что 2018-й год ознаменуется развитием и углублением всех существующих технологий на базе ИИ. Особенно перспективно выглядит глубокое обучение, одно из наиболее важных направлений исследований сферы искусственного интеллекта. Эксклюзивно для «ProReklamu», Андрей Успешный, менеджер по развитию бизнеса RTB House, эксперт по ретаргетингу на основе ИИ, рассказывает о завершении года в контексте искусственного интеллекта и предстоящих разработках в сфере маркетинга.

Основная цель искусственного интеллекта состоит в том, чтобы сделать компьютеры более умными, в чём-то — даже умнее людей, предоставив им мыслительные способности и возможность рассуждать подобно человеку. Среди всех возможных способов достижения этой цели, машинное обучение ИИ — основной метод, широко используемый во всех существующих отраслях. Постепенно начинают развиваться более продвинутые подходы к решению данной задачи.

Глубинное обучение — это инновационная отрасль машинного обучения, которая имитирует деятельность человеческого мозга по обработке данных и формированию моделей принятия решений. В этом году оно стало обязательной технологией во многих областях (к примеру, здравоохранение или создание беспилотных автомобилей). С точки зрения маркетологов глубинное обучение оказало колоссальное воздействие на всю рекламную отрасль.

Глубинное обучение, основанное на возможностях природных нейронов, позволило получить более надежные, полные и машиносчитываемые пользовательские описания покупательской способности клиента без использования какой-либо человеческой экспертизы. Например, в RTB House мы недавно проанализировали огромные массивы информации и увидели, что применение ИИ может привести к улучшению конверсии на 35% в сравнении с использованием естественных умений обычного маркетолога. Но алгоритмы глубинного обучения могут достичь еще большего. Эта технология позволяет прогнозировать уникальные привычки и желания пользователей для нужд рекламной индустрии. Это упрощает наш повседневный опыт пользователей, предлагая глубоко персонализированные объявления, содержащие не только продукты, которые мы с большей вероятностью покупаем, но и те, которых мы не видели, или продукты, о которых мы даже не думали.

Многие бренды видят преимущества внедрения ИИ и глубинных обучающих решений в свои продукты или инструменты. В 2018 году мы ожидаем увидеть, что ведущие компании сосредоточены на развитии своего потенциала в сфере глубинного обучения искусственного интеллекта.

От контролируемого обучения до принципиально новых методов

В 2017 году мы увидели постепенное прекращение использования так называемого «контролируемого обучения», стандартного подхода в области машинного обучения. Этот метод основан на прямых инструкциях от человека, формирующих алгоритмы работы компьютера, позволяющие обучаться с учётом моделей уже существующих примеров, наборов данных и ответов.

В 2018 году в исследования ИИ будут вестись в направлении более сложных методов, таких как «передача обучения». Это форма глубинного обучения, когда формирование алгоритмов работы компьютера основано на различных симуляциях. Машина учится принимать решения, используя знания из многих симуляций, а не из реальности. Это существенно упрощает процесс, делая его более быстрым и дешёвым. Используя этот метод, машина учится принимать решения на основе логических выводов по аналогии или на основе дедукции, самостоятельно.

Например, в более старых моделях машинного обучения автомобиль будет возить человека и проезжать миллионы километров, записывая данные. Информация будет передаваться другому компьютеру, который на основе решений водителя «узнает», как управлять транспортным средством. Но, благодаря передаче обучения, нет необходимости в живом водителе. Вместо этого данные могут быть взяты из сотен тысяч симуляций, например, вождения. Моделируя миллионы часов езды, компьютер сам изучает, как нужно двигаться, и он может передавать эти знания в реальный мир.

Второй подход называется усиленным обучением. Его цель состоит в том, чтобы машина принимала лучшие решения, основываясь на отзывах о ее действиях, полученных из окружения. К примеру, это используют рекламодатели при покупке рекламной поверхности. Аукционные системы очень сложны, даже у специалистов часто возникают проблемы с определением оптимальной ставки, которая позволит им достичь желаемых результатов с минимальными затратами. Компьютер также столкнётся с аналогичными трудностями в самом начале своей работы. Однако, в отличие от человека, он может работать и практиковаться в симуляционной среде по 24 часа в сутки. Он также может научиться многому существенно быстрее человека. Основываясь на результатах моделирования аукционов, искусственный интеллект способен узнать, как ему делать ставки наиболее эффективно, и, таким образом, как выиграть аукцион.

Новые рабочие места и новые задачи

Конечно, алгоритмы глубинного обучения позволяют учиться так же, как это делают люди. Но машина способна учиться несравненно быстрее, а также умеет за короткое время анализировать невообразимые объемы данных. Машины не бывают сонными и не совершают слишком большого количества ошибок. Именно здесь вступает в игру сверхчеловеческий фактор производительности. Очень простыми методами ИИ будет стремиться превзойти людей во всех возможных областях. В настоящее время алгоритмы самообучения способны лучше распознавать образ, чем человек.

Означает ли это, что машины, превосходящие людей, отберут у них работу? Не совсем. Согласно данным Всемирного экономического форума, 65% детей из числа поступающих в начальную школу получат работу по специальности, которой в настоящее время ещё не существует. Текущий уровень развития ИИ создаёт у значительного числа компаний повышенный спрос на ИТ-специалистов, аналитиков данных, программистов. В следующем году у нас, вероятно, случится бум вакансий для специалистов по математическому и компьютерному моделированию — пока что не самой популярной профессии.

Инновации 2017 года продолжат развиваться в 2018 году

Конечной целью глубинного обучения является упрощение нашей жизни и повышение эффективности труда. Поэтому использование ИИ уже не просто стандарт, а насущная необходимость для компаний, которые хотят быть конкурентоспособными на мировом рынке. Речь идет не о возможности персонализации или улучшения возможностей конечного продукта, а о ряде других непрямых видов деятельности, таких как сбор и анализ данных. У компаний сейчас есть настолько большой объем данных, который почти невозможно проанализировать и обработать. Это напрямую влияет на все решения, принятые сотрудниками, и, следовательно, на финансовые результаты. Компании, специализирующиеся на сборе и анализе данных для различных предприятий, будут играть всё большую роль. В свою очередь, компании с крупными бюджетами будут использовать ИИ для понимания того, что именно следует предлагать клиентам, какие условия рекомендовать поставщикам, а также что говорить и что делать сотрудникам. И всё это — в режиме реального времени. Можно также предположить, что в скором времени возникнет много новых стартапов, предлагающих решения на основе алгоритмов самообучения, поскольку эта технология будет распространяться и дальше.

Искусственный интеллект в 2017 году стал неотъемлемой частью нашей повседневной жизни, а также причиной для публичных дебатов. В ближайшие годы основное внимание будет уделено дальнейшей разработке технологий на основе ИИ, которые заменят людей во многих сложных задачах, что в конечном итоге сделает нашу жизнь намного проще. Но впереди остаётся еще очень много работы
 



Комментарии

Еще никто не оставлял комментариев к данному материалу.

Добавить комментарий



Похожие статьи

Remadays