10 самых важных сценариев использования ИИ и машинного обучения

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


О машинном обучении сейчас говорят очень много, и не без причины: это важный шаг вперед в способности компьютеров учиться и использовать знания для разного рода предсказаний. Аналитик журнала Forbes Бернард Марр приводит десять самых значимых вариантов использования машинного обучения и искусственного интеллекта.

Если говорить максимально просто, то на вход алгоритма машинного обучения подается «тренировочный набор» данных, а затем алгоритм с помощью этих данных должен ответить на тот или иной вопрос. К примеру, компьютеру можно дать серию фотографий с подписями «это кошка» и «это не кошка». Затем на компьютер можно подать серию новых фотографий, а алгоритм будет определять, кошка на них изображена или нет.

В процессе работы тренировочный набор алгоритма увеличивается. Каждое фото, которое он обработал - правильно или неправильно - вносится в тренировочный набор, благодаря чему программа эффективно обучается и со временем начинает выполнять свою задачу более эффективно.

В этом, по сути, и состоит обучение.

1. Защита данных

Вредоносное ПО - это серьезная проблема, которая со временем только усугубляется. «Лаборатория Касперского» в 2014 году сообщила, что обнаруживала в среднем по 325 тысяч новых вредоносных файлов ежедневно. Однако американская компания Deep Instinct, тоже занимающаяся вопросами безопасности, заверяет, что код в этих новых программах отличается от предыдущих итераций всего на 2-10%. Самообучающаяся модель этой компании без труда обрабатывает такие программы и может с высокой точностью предсказывать, какие программы являются опасными. В других ситуациях алгоритмы машинного обучения могут анализировать пути, по которым осуществляется доступ к данным в облаке и сообщать об аномалиях, что позволяет предотвращать возможные проблемы.

2. Персональная безопасность

Если вы недавно летали на самолете или посещали крупное публичное мероприятие, то вам наверняка приходилось ждать в длинных очередях перед проверками служб безопасности. Машинное обучение уже доказало свою способность исключать ложные угрозы и выявлять вещи, которые могут ускользнуть от внимания сотрудников службы безопасности в аэропортах, на стадионах, в концертных залах и других местах. Это может значительно ускорить процесс и повысить уровень безопасности.

3. Торговля ценными бумагами

По очевидным причинам многим людям хочется уметь предсказывать поведение рынка ценных бумаг в каждый конкретный день. У алгоритмов машинного обучения это получается все лучше и лучше. Трейдинговые фирмы используют системы собственной разработки для прогнозирования и совершения сделок на высокой скорости и в большом объеме. Многие из них работают на основе теории вероятности, но даже сделка с относительно низкой вероятностью при достаточно высоком объеме может обернуться огромной прибылью для компании, если заключить ее в нужный момент. А люди сильно уступают машинам в вопросах обработки огромных массивов данных или оперативного заключения сделок.

4. Медицина

Алгоритмы машинного обучения способны обрабатывать больше данных и выявлять больше закономерностей, чем люди. В ходе одного исследования системы компьютерной постановки диагноза были обработаны снимки с маммографией женщин, у которых через какое-то время развился рак груди. В 52% случаев компьютер выявлял предрасположенность к заболеванию на снимках, сделанных за год до того, как этим женщинам был поставлен диагноз. Кроме того, машинное обучение можно использовать для вычисления факторов риска заболеваний в густонаселенных районах. Компания Medecision разработала алгоритм, который мог по восьми параметрам оценить вероятность госпитализации больных диабетом и предотвратить ее.

5. Персонализированный маркетинг

Чем больше вы узнаете о своих клиентах, тем лучший сервис вы сможете обеспечить и, соответственно, тем больше сможете продать. Это главный принцип персонализированного маркетинга. Наверное, у вас было такое, что вы заходили в интернет-магазин, смотрели что-то из товаров, но не делали покупку - а затем через какое-то время видели рекламу этого же товара уже на других сайтах. Подобная персонализация - всего лишь верхушка айсберга. Компании могут регулировать, какие рекламные письма отправляются каждому клиенту, какие специальные предложения или купоны становятся им доступны, какие товары появляются в разделе рекомендация и так далее. Все это создано для того, чтобы клиенту было легче решиться на покупку.

6. Выявление мошенничества

Алгоритмы машинного обучения становятся все более подкованными в деле обнаружения потенциально мошеннических действий во множестве областей. К примеру, в PayPal машинное обучение применяют для борьбы с отмыванием денег. Компания использует специальные инструменты для анализа миллионов сделок и может достаточно точно различать законные и подозрительные сделки между покупателями и продавцами.

7. Рекомендации

Вы, скорее всего, уже знакомы с этой сферой, если используете сервисы вроде Amazon или Netflix. Интеллектуальные алгоритмы машинного обучения анализируют вашу активность и сравнивают ее с действиями миллионов других пользователей, чтобы определить, что вы могли бы купить или просмотреть дальше. Эти системы подбора рекомендаций постоянно становятся умнее и уже сейчас могут определять, к примеру, вещи, которые вы покупаете в подарок (и не собираетесь покупать для себя), или выявлять в семье пользователей с разными предпочтениями при просмотре телевизора.

8. Поиск в интернете

Это, пожалуй, самая известная область применения машинного обучения, и Google с конкурентами постоянно совершенствуют возможности поисковой платформы. Каждый раз, когда вы ищете что-то в Google, программа запоминает то, как вы поступаете с результатами. Если вы кликнули на первый веб-сайт в выдаче и задержались на этой странице, то можно предположить, что поиск прошел успешно и вы нашли нужную информацию. В ином случае, если вы переходите на вторую страницу результатов или вводите новый запрос, не проверив результаты предыдущего - скорее всего, поисковый алгоритм сработал не так, как надо. Программа умеет учитывать такие ошибки, чтобы в будущем улучшить качество своей работы.

9. Обработка естественного языка

Эта функция так или иначе используется во всех популярных новых приложениях. Алгоритмы машинного обучения с функцией понимания естественного языка могут работать в качестве агентов службы поддержки клиентов и быстрее обеспечивать клиентов нужной информацией. Машинное обучение применяется для перевода запутанных юридических документов на простой язык, а также для помощи юристам в сборе информации для подготовки к делам.

10. Интеллектуальные автомобили

Недавно представители компании IBM опросили топ-менеджеров автопроизводителей, и 74% из них заявили, что к 2025 году автономные машины выйдут на дороги общего пользования. Помимо поддержки интернета вещей умные автомобили смогут использовать данные о владельце и дорожной обстановке для обучения. Они смогут автоматически регулировать внутренние параметры - температуру, настройки сидений, аудиосистемы и т. д. - в зависимости от состояния водителя, двигаться в режиме автопилота и обеспечивать данные о трафике и дорожных условиях в реальном времени.


Источник: rb.ru

Комментарии: