Гид по использованию искусственного интеллекта

Гид по использованию искусственного интеллекта

Искусственный интеллект (artificial intelligence) — будущее маркетинга, и спорить с этим трудно. Единственное препятствие связано не с доступностью новых технологий, а с тем, что мы не знаем, как именно их использовать и с чего стоит начинать.

Большинство разговоров об искусственном интеллекте сегодня сводится исключительно к чат-ботам (chatbots), хотя это нечто большее. Практически каждую неделю на рынке появляется новая технология искусственного интеллекта. Смарт-динамик Amazon Echo управляется с помощью голосового помощника Alexa. Алгоритм Google Show and Tell способен распознавать объекты на фотографиях с точностью до 93.9%. Движок DeepText, используемый в Facebook Messenger, может понимать текстовые сообщения и выявлять потребности пользователя (и предложить, к примеру, вызвать такси или заказать пиццу).

Искусственный интеллект — это, по сути, наука объединения ряда невидимых технологий для выполнения задач, обычно требующих человеческого интеллекта (например, обучение, понимание, решение проблемы).

Если вы решили использовать его возможности, то как и в случае с любым сервисом или продуктом, первым делом необходимо определить проблему, которую вы пытаетесь решить. Только выявив проблему и установив цель, вы сможете создать нечто стоящее. Далее предлагаем алгоритм из 4-х шагов по созданию технологии искусственного интеллекта.

Путь к созданию искусственного интеллекта

1. Найдите данные

Как же такие компании, как Google, Facebook и Amazon, создают искусственный интеллект? Они начинают со сбора данных. Вот некоторые самые популярные типы данных и способы их получения:

Публичные — данные из общедоступных источников, таких как государственные опросы, Twitter и Facebook.

Внутренние — информация, полученная от пользователей, начиная от покупательских паттернов, заканчивая веб-запросами.

Приобретенные — релевантные данные от сторонних поставщиков. Основные поставщики данных фокусируются на интересах потребителя, их расходах, финансах и демографической информации.

Производные — в результате расчета с использованием множества исходных данных может быть получен совершенно новый набор. Коэффициент цена/прибыль и 200-дневная скользящая средняя (moving average) — два примера таких производных данных, часто используемых в финансовых приложениях.

Помните о перспективах больших данных (Big Data)?

Помните о перспективах больших данных (Big Data)? Их время пришло! Вычислительная мощность и алгоритмы компьютера усовершенствовались — мы видим, что запасы данных приносят свои плоды. Мы твердо убеждены в том, что так называемые «темные» данные, та информация, которую компании и организации собирают, но не используют, просто дожидаются подходящей цели, и задача технологов и маркетологов выяснить, что с ней делать.

К примеру, IBM Watson IoT берет неструктурированные данные и объединяет их с другими источниками информации, как, например, погода и новости, чтобы принимать решения по таким вопросам, как техобслуживание и безопасность труда.

2. Улучшайте ваши данные

В данных нет смысла, если они лишены структуры. Скажем, у вас есть последовательность слов: Мисси Кэлли (Missy Kelley), директор по дизайну продуктов в Huge, внимательный к мельчайшим деталям человек. Чтобы извлечь ценность из этого утверждения вам нужно применить какие-то алгоритмы к нему: Мисси — это человек, работающий в digital-агентстве со штаб-квартирой в Бруклине и с 1200 сотрудниками

Здесь вам доступен выбор касательно того, какие сервисы использовать для обработки данных. Если вам нужна обработка естественного языка (NLP, Natural Language Processing) — платформа, понимающая естественный язык, выбирайте либо самообучаемую платформу, как IBM Watson, способную извлекать эмоциональную ценность из неструктурированных данных. Или, может быть, вы просто ищете какой-то простой сервис, специализирующийся на NLP, как, к примеру, недавнее приобретение Google — API.ai.

Улучшайте ваши данные

К примеру, Huge организует внутренний API для улучшения своего рабочего процесса. Одно из их решений — применение алгоритмов темы, тона и настроения к email-корреспонденции, чтобы предупреждать руководителей проекта об изменениях во взглядах клиента.

3. Определитесь с интерфейсом

Усовершенствованные данные могут выводиться посредством различных взаимодействий. Если мы отслеживаем тон электронной переписки, то, возможно, выберем оповещение сотрудников посредством электронной почты или push-уведомлений. Или же можем просто заложить эту информацию в визуализацию общего состояния отношений с клиентом.

Определитесь с интерфейсом

Чат-бот — это лишь один из возможных типов интерфейса. На базе чата были созданы такие потрясающие сервисы как WeChat, Facebook M, последовавшие за ними Siri/Cortana и недавнее приобретение Samsung — голосовой помощник Viv. Как уже было сказано, чат-бот — лишь один из возможных вариантов. Возьмем, к примеру, iPhone. При поступлении входящего вызова или текстового сообщения операционная система перебирает доступные данные, чтобы понять, кто это может быть. Это происходит автоматически без какого-либо взаимодействия и отображается вам визуально. Или взять к примеру Google Trips, новое мобильное приложение для планирования путешествий. Оно способно забронировать отель, составить маршрут осмотра достопримечательностей, и т.д. на основе ваших личных предпочтений и временных ограничений.

4. Финальный штрих

Но как понять, что подходит именно вам? Как мы упоминали выше, прежде чем инвестировать в любую технологию на базе искусственного интеллекта, важно определить основную проблему. Если пользователи не взаимодействуют с брендом, выясните, почему. Может ли быть так, что они не могут найти вас через поиск? Или это PR-отдел плохо справляется со своей работой? Если причина в этом, то чат-бот не сможет решить проблему.

Финальный штрих

В процессе разработки системы искусственного интеллекта не забудьте спросить себя: «Улучшаю ли я этим жизнь людей?» И всегда помните: не стоит решать искусственным интеллектом надуманные проблемы.

Комментарии: