+7 (861) 299-51-94

11 сентября 2020 в 18:18

В 2016 году инженер Nvidia Роберт Бонд (Robert Bond) решил две важные задачи: он научился прогонять чужих котов со своей лужайки и провёл эксперимент с созданием нейросети. Натренировав нейросеть типа Caffee на кошачьих фотографиях регистрировать кошек при помощи камеры наружного наблюдения, Бонд наладил передачу данных на компьютер, управляющий системой полива. Теперь нарушители не успевают шкодить и ретируются с подмоченной репутацией. А на людей система не реагирует.

Преобразование аналоговых признаков в цифровые

Это иллюстрации прямой пользы от того, что нейросетевые технологии обладают возможностью считывать признаки реальных объектов (визуальные, аудиальные, излучение в любом спектре и так далее), преобразовывать их в цифровые сигналы и транслировать их в обычные софт, который управляет теми или иными процессами.

Вы можете распознавать клиентов, связывая их с профилями социальных сетей, следить за состоянием растений на плантациях, можете научить конвейер понимать степень завершённости и правильность сборки стеклотекстолитовых плат или создать систему безопасности, которая отключает промышленного робота при попадании человека в зону его действия.

Эти технологии давно окупают себя в бизнесе. Сегодня мы слышим о них чаще, потому что они перешли в новую, потребительскую плоскость, но от этого не растеряли, а даже приобрели полезные качества для множества компаний. Например, для автоматизации умного дома. Такому жилищу полезно знать, когда, кто и где именно в нём находится.

Поиск

Разработчики по всему миру создали огромное количество алгоритмов, которые сильны в разных областях. Предела разработке, доработке и адаптации практически  нет. Поэтому конкуренция велика: идёт технологическая война, и у кого в ней лучше результат для конечного пользователя, тот побеждает. Сейчас.

В проекте FASTEP мы даже на начальном этапе использовали три нейросети для идентификации и классификации бытовой и промышленной техники. Сложнейшие, без ложной бравады, алгоритмы визуального поиска работают в системах предотвращения аварий и автопилотах транспортных средств. В торговле, благодаря нейросетям, можно примерять виртуальные кроссовки, расставлять по дому виртуальную мебель и даже распознавать бренды, которые есть в комнате вокруг владельца смартфона. Тот самый Роберт Бонд с котами создал систему безопасности — его идею легко экстраполировать на вещи куда большей важности, чем чистый газон. Это оборонка, пограничные войска, пенитенциарная система и так далее.

Всё это возможно потому, что нейросети хорошо ищут и находят нужное даже в сложных, ограниченных условиях, когда простое линейное сравнение бессильно. То есть, в реальной жизни, где обычные детекторы недостаточно эффективны, и приходится выбирать и принимать решения.

Это не кадры из «Терминатора». Так мир видит автопилот Tesla

Интересным гражданским развитием идеи является создание своего рода визуальной энциклопедии, которая сможет рассказать вам обо всём, что вы покажете в объектив камеры. Нечто подобное, к примеру, делала Blippar, над этим экспериментирует 8th Wall.

Полицейские оценят видеосъёмку в толпе с прогоном всех лиц по базе данных в реальном времени. А пожарным поможет система с круговым обзором, которая будет быстро сообщать об изменении температуры, проверять состав воздуха и искать людей в задымлённом помещении целым набором датчиков, от камеры и сонара до анализаторов радиоволн для поиска смартфонов в карманах пострадавших.

Рекомендательные системы

На основе данных о поведении людей или систем нейросети могут предсказывать их состояния в будущем. Точность предсказаний можно измерять и улучшать. В результате получаются инструменты, которые могут помочь предпринимателям, их сотрудникам и клиентам.

Пожалуй, самыми известными примерами рекомендательных и прогностических сервисов являются системы формирования прогнозов погоды или биржевых котировок. И там, и там применяются всё более сложные математические модели, а об итоговой эффективности можно судить по статистике результатов.

Интересной тенденцией является рост популярности прогностических текстовых и голосовых ботов, которые стараются общаться с человеком, давая ему то, что он ожидает, а не только запрашивает прямо. Такой бот, к примеру, может превратиться в хит блока комментариев в СМИ, как было в эксперименте на vc.ru, или обогатит возможности вашего магазина в онлайн-общении с клиентами, став цифровым продавцом.

В продажах сосредоточился большой спрос на прогностические системы. И свою долю здесь занимает вещь, на которую обыватель уже не обращает внимания — рекомендации товаров в интернет-магазинах. Spider Group реализовала такой проект для магазина мебели. Сформировав рекомендацию на основе покупок и анализа поведения покупателя, нейросеть даёт данные и для сайта, и для рассылок, и для живых продавцов, которым ваш профиль, идентифицированный по скану карты клиента или даже по лицу при входе в торговый зал, поможет создать атмосферу заботы банальным вопросом о том, понравилась ли ему купленная в прошлом месяце лампа.

Ветвью ИИ-рекомендации в торговле является предложение товаров на основании предоставленного пользователем изображения. Говоря проще, вы можете увидеть в доме у друга красивый стол, включить приложение мебельного магазина, загрузить его туда и найти такой же или все похожие товары, причём вместе с аксессуарами.

Для качественной работы нейросетей их надо долго обучать с проведением статистического анализа. Сеть нельзя просто запрограммировать — она должна делать выводы, совершенствоваться и показывать всё более интересные результаты. Если вы отдаёте себе отчёт в принципиальных возможностях подобных систем, выбрали правильного подрядчика и запаслись терпением, рост показателей быстро убедит вас в правильности принятого решения.

Доверьтесь умным алгоритмам, и они отплатят прозрачными результатами.

Понравилась статья? Поделись ссылкой с друзьями и приходи читать об идеальном-интернет-магазине

Запрос на создание приложения