Если вам кажется, что искусственный интеллект, автоматизация, машинное обучение – это всё где-то далеко, в офисе Илона Маска или IBM, а мы живем и действуем по старинке – вы глубоко ошибаетесь. Передовые разработки внедряются в нашу повседневную жизнь незаметно для нас самих, делая её в разы комфортнее. Давайте разберемся:
- Что такое машинное обучение простыми словами?
- Как оно облегчает нашу жизнь каждый день?
- Каковы его возможности в маркетинге и аналитике?
Википедия гласит:
Машинное обучение (англ. machine learning, ML) — это форма искусственного интеллекта, характерная черта которой не прямое решение задачи, а обучение в процессе решения множества похожих задач.
Проще говоря, машинное обучение – это процесс, при котором компьютер на основе уже имеющихся данных сам учится что-либо делать, а не следует заданным алгоритмам.
Если бы в магазине продавали машинное обучение быстрого приготовления, на коробке было бы написано: «Просто добавь данных».
Верховный алгоритм. Как машинное обучение изменит наш мир
Человек создал компьютер, а компьютер сделал возможным интернет. Интернет в свою очередь породил огромный поток данных и вместе с ним – проблему выбора. Машинное обучение – это решение проблемы этого безграничного выбора.
Основная идея – постоянное самосовершенствование. Верные и ошибочные результаты попадают в базу данных, делая алгоритм более точным. По сути, машинное обучение – это технология, которая обучает сама себя.
Первое машинное обучение родилось еще в 1950-м году, когда программистам того времени впервые удалось научить компьютер играть в шашки. С тех пор мощность, скорость и возможности искусственного интеллекта росли. В итоге сегодня машинное обучение решает сложные задачи, строит множественные прогнозы и активно используется всеми нами.
Как это происходит?
Вы просыпаетесь, пьете кофе, параллельно заглядываете в Facebook почитать последние новости от ваших друзей. Добро пожаловать в мир машинного обучения Facebook!
Здесь и персонализация контента, и армия чатботов Facebook Messenger, а последняя разработка буквально округляет глаза от изумления – сначала открывает, потом округляет.
Мы давно пользуемся различными программами и приложениями для обработки фото, однако исправить ситуацию “Я моргнул, давай еще разок!” пока было не под силу ни одному из них. Новое исследование Facebook – система машинного обучения Generative Adversarial Network – способна решить эту проблему.
Окей, после “завтрака” соцсетями пора ехать на работу. Вы берете в руки телефон, заходите в Яндекс.Такси, делаете заказ… и приложение подсказывает наиболее удобную точку отправления, время поездки, маршрут в объезд пробок и т.д. Все это стало возможным благодаря огромному количеству накопленных за время работы приложения данных.
Пока едете в такси, “гуглите”, чем заняться сегодня вечером. Тысячи алгоритмов включаются одновременно, чтобы наиболее точно ответить на ваш запрос. Голосовой помощник готов помогать, персонализированная реклама показывает дверные замки, не забыв про ваш ремонт, онлайн-переводчик восполняет все пробелы в знании английского языка, нейросети распознают нужные страницы...
Приехали! Расплачиваемся за такси картой и выпрыгиваем из машины. При этом даже не задумываемся о том, как к нам попала эта карта: а ведь для этого ваш банк собрал и тщательно проанализировал кучу информации, сравнил миллионы транзакций, а иногда даже ваши лайки и репосты в соцсетях… Он буквально превратил вас в набор характеристик. Чтобы вы были довольны, вам вовремя начисляют кэшбэк, а если вы слишком довольны, и это заметно по вашим транзакциям, – скоро ждите на почту супер выгодное предложение по вкладу.
Случаи, когда мы сталкиваемся с машинным обучением в повседневной жизни, можно перечислять бесконечно: обнаружение спама в почте, распознавание текста, голосовые помощники, рекомендательные системы и т.д.
Машинное обучение преображает все сферы нашей жизни: и повседневную, и профессиональную – науку, бизнес, политику, медицину… и, конечно, маркетинг.
Машинное обучение в маркетинге
Наибольшее применение в маркетинге – это возможность персонализации. Каждый день генерируется несчетное количество данных: кто, что, сколько лет, какие предпочтения и т.д. Алгоритмы обрабатывают эти данные и записывают наиболее удачные решения. Итог – возможность индивидуализировать рекламный контент, давая каждому пользователю подходящий персонально для него.
Это открывает новые возможности для email-маркетинга. Сегментирование, автоматизация и персонализация рассылки уже дают отличные результаты.
Другие возможности в маркетинге: работа CRM систем, анализ и написание текста, маркировка отзывов (SERM), выбор наиболее кликабельных картинок, конверсионных запросов и т.д.
На основе постоянно растущего количества данных аналитика также существенно меняется. Благодаря машинному обучению она становится более автоматизированной, масштабированной, действует быстрее и тем самым оказывает более сильное воздействие на бизнес.
Машинное обучение в аналитике: SmartTag
Уже сейчас в CoMagic успешно работает такая технология, как SmartTag – инструмент автоматической оценки содержания и разметки звонков.
SmartTag слушает, анализирует, тегирует, не уходит в отпуск…
В его основе лежит технология распознавания слитной спонтанной речи от Центра Речевых Технологий и разработанная нами нейронная сеть.
Например, если вы хотите понимать соотношение новых и вернувшихся клиентов среди обратившихся к вам, или отследить темы этих обращений, или пол обратившихся и т.д. – вручную прослушать и тегировать каждый звонок возможно лишь при их небольшом количестве. А когда их много? А когда их очень много? Приходится нанимать отдельного человека или подрядчиков, которым нужно много платить, постоянно контролировать и периодически перепроверять.
Технология SmartTag также способна совершенствоваться в процессе работы: инструмент становится точнее с каждым звонком, его можно дополнительно обучить терминологии вашего бизнеса или вашим рекламным сообщениям.
Какое будущее нас ждет?
Машинное обучение не будущее, а реалии сегодняшнего дня. Оно не только существенно облегчает работу маркетологов и аналитиков, решая рутинные задачи. Но и ежедневно обрабатывает огромное количество данных: сегментирует, систематизирует, выдает решения на их основе.
Однако если кто-то уверен в пользе, то кто-то испытывает нешуточные опасения. Ведь если машины способны так быстро обучаться и в разы эффективнее решать практически все задачи, то какой рынок труда нас ждет в будущем? Машины уже сейчас автоматизируют многие процессы и отбирают рабочие места у администраторов, аналитиков, оптимизаторов...
И действительно: если в 2010г. на чемпионате мира по футболу исход игры предсказывал осьминог Пауль, то на этом чемпионате даже он лишился работы!
Группа исследователей из Германии и Бельгии решили поручить эту непростую задачу искусственному интеллекту. Они выстроили предсказательную модель, в основу которой легло сразу несколько факторов: рейтинг FIFA, население страны, ее ВВП, число игроков, которые играют в одном клубе, количество выигранных финалов Чемпионской лиги.
Но внимание: согласно искусственному интеллекту, победу должна была одержать Испания. Испания, которую, как мы все прекрасно помним (и еще долго не забудем), совершенно неожиданно обыграла наша сборная!
Что ж, пожалуй, машины продолжат превосходить нас в решении сложных и часто повторяемых задач, в то время как люди могут заняться решением новых, более интересных ситуаций. Такие человеческие качества, как эмоциональная устойчивость, креативность, интуиция будут цениться еще больше.
Наша задача в текущих реалиях – понимать современный мир и быстро адаптироваться. При этом инвестировать не только в технологии, но и в свое собственное образование: обретать новое видение мира, при этом усиливать и развивать навыки, которые недоступны машинам.
Одна машина может выполнить работу пяти обыкновенных людей, но ни одной машине не под силу выполнить работу талантливого человека.