Нейросети и их актуальность в бизнесе

Искусственные нейронные сети - это математическая модель, созданная по тому же принципу, что и нервная система человеческого организма.

Нейросети и их актуальность в бизнесе

На сегодняшний день нейросети и их использование достигли больших масштабов, чем когда-либо. Данные имеют всё большую ценность, в особенности для развития крупных и мелких компаний, корпораций и их повседневной деятельности, а решения на основе искусственных нейронных сетей, усовершенствованные и за счёт этого получившие прирост к популярности, имеют более широкое применение в работе бизнеса.

Преимущества нейронных сетей

Главное преимущество нейронных сетей в возможности обучения. За счёт этого они получают возможности по облегчению работы человека со стороны трудовой деятельности и упрощения их жизни с бытовой стороны.

Чаще в электронной коммерции, но и в продажах оффлайн стали все чаще задействоваться технологии нейронных сетей. Благодаря сбору данных о клиентах, они способны оценивать и улучшать качество обслуживания и процент продаж благодаря выявлению сегментов аудитории, улучшению скорости и своевременности поставок услуг и товаров, прогнозированию потребностей покупателя.

В итоге, бизнес получает очевидную и полезную идею о создании самообучающихся алгоритмов, которые учтут прошлый опыт, найдут новые подходы и выстроят последующие действия компаний под изменения, происходящие в аудиториях.

Нейросети в интернет-сфере

 Google стал одним из крупнейших представителей на рынке онлайн-сервисов. Компания использовала машинное обучение, чтобы получить информацию о том, каким образом люди используют их сервисы, чтобы на основе этих данных улучшить их. Актуальная версия голосового помощника Google содержит улучшенный алгоритм, который был создан для распознавания и анализа голосовых моделей. С помощью сходных алгоритмов, сервис WaveNet создает аудиозаписи человеческих голосов и синтезирует звуки. На выходе получаются речевые наборы, которые едва отличишь от реальных. Эта функция часто используется в колл-центрах.

В Yandex была создана Yandex Data Factory, содержащая в себе метод машинного обучения Матрикснет, глубокие нейронные сети, технологии распознавания речи и образов и системы рекомендаций. Данная система используется для прогнозирования пробок, таргетинга рекламы и машинного перевода. Такое же широкое применение имеет и в производстве: при выплавке стали или переработке стекла. По данным компании, внедрение нейронных сетей позволяет сэкономить до 5% дорогостоящих сплавов и, в целом, сокращает большое количество издержек.

Facebook использует нейронные сети в работе своего рекламного отдела. Анализируя миллионы размещений в сутки, алгоритм предлагает более совершенную рекламу и даже больше – нововведения позволяют получать рекомендации и ответы на них от своего близкого сетевого окружения. Также в компании была создана платформа Lumos, позволяющая любому инженеру компании самостоятельно использовать разные нейронные сети, создавать собственные модели сценариев и отслеживать процесс работы. Ещё одна модель от компании позволяет анализировать данные на предмет дезинформации для последующего удаления.

Алгоритм Google Brain используется YouTube для улучшения рекомендаций. Нейросеть предлагает видео, порой не совсем очевидно связанные с тем, что обычно смотрит пользователь, но, тем не менее, все еще входящее в сферу интересов. Также, она проанализировала тенденции просмотра видео на разных платформах и стала рекомендовать более длинные видео для компьютерной версии YouTube, и более короткие – для мобильной.

В финансовом секторе

В сфере банковского дела нейронные сети применяются для того, чтобы проанализировать историю кредита и принять решение о его выдаче. В ноябре 2018 года было уволено около 70% менеджеров среднего звена Сбербанка – их заменила программа «Интеллектуальная система управления», позволяющая принимать решения и давать рекомендации. В 2019 году банк ввел в систему электронной торговли Sberbank Markets чатбота, в основу которого лет искусственный интеллект. Бот общается с пользователями, отвечает на вопросы, а по мере обучения будет консультировать пользователей о состоянии торгов и заключении сделок. В этом же году искусственный интеллект внедрили и в мобильное приложение банка с целью анализа действий пользователя и генерации индивидуальных предложений и шаблонов.

Компания PayPal использует в работе своей платежной системы нейронную сеть, способную распознавать потенциальные случаи мошеннических действий. При стандарте в 1,32% в финансовом секторе, процент мошеннических транзакций через PayPal составляют рекордные 0,32%.

Нейросети в сфере безопасности

В 2017 году японская страховая компания Fukoku Mutual Life Insurance заменила примерно 1/3 сотрудников, связанных со страховыми выплатами, системой искусственного интеллекта IBM Watson Explorer AI. Нейронная сеть будет анализировать документы из медицинских учреждений. Оставшиеся сотрудники будут проверять актуальность предоставленных нейросетью данных и утверждать ее рекомендации.

Согласно данным, предоставленным Лабораторией Касперского, ежедневно регистрируется более 300 тысяч новых зараженных файлов. Однако, исследование, проведенное компанией Deep Instinct, привело к интересному выводу: новые версии вирусов фактически имею мало отличий от предыдущих – процент различий составляет, в среднем, от 2% до 10%. На основании этой информации, самообучающаяся модель, созданная компанией Deep Instinct, способна с большим процентом вероятности определять новые вариации вирусов в зараженных файлах.

В Мострансавто нейросети анализируют общественный транспорт на предмет дефектов и поломок – только в этом году с ее помощью провели более 40 тысяч проверок. Ответственный делает снимки транспорта, загружает в приложение и нейросеть проводит обработку изображений. После чего, при наличии повреждений, перевозчик получает указания по их устранению.

По схожему концепту, в Москве нейросеть контролирует состояние дорог. Финальное решение остается за человеком, однако такой способ позволяет быстрее выявлять и устранять повреждения.

В компании HNC Software Inc. Было разработано ПО Falcon по борьбе с мошенническими действиями с банковскими картами. Для этого нейросеть обучается действиям рядового клиента, отслеживает типовые операции и классифицирует их по проценту подозрительности.

В сфере торговли

Сеть магазинов Walmart использует технологии, основанные на машинном обучении, использует их для оценки удовлетворенности посетителей в очередях на кассе.

 X5 Retail Group, владеющая такими торговыми сетями, как «Пятерочка», «Перекресток» «Карусель» и т.д. использует нейронные сети для оптимизации раскладки товаров, промо-акций относительно частотного расположения посетителей в торговых точках, а также чтобы спрогнозировать, когда нужно открыть еще одну кассу во избежание недовольства покупателей.

В Alibaba Group была разработана и обучена нейронная сеть, позволяющая писать до 20000 строк в секунду на основе текстов, написанных людьми. Данная нейросеть используется для разработки описаний товаров на Tmall, Mei, Taobao и других площадках. Продавцам достаточно указать ссылку на страницу товара, к которому необходимо создать описание, выбирает стиль описания, необходимый для товара этого типа. Бот, на основании выбранных условий, пишет характеристическое релевантное описание на китайском языке.  

Компания Amazon использует нейронные сети для обработки заказов на складах, улучшения рекомендаций и в довольно революционной разработке – розничном магазине Amazon Go. Его основная суть в том, что посетитель может войти, взять любые товары и выйти. Списание оплаты за товары со счета происходит автоматически. Это возможно при помощи большого количества камер, используя полученные с них данные, нейросеть анализирует вероятность того, какие товары были взяты или возвращены на полке. Или, возможно выбор не был сделан вовсе. После чего на основе данных различных камер делаются выводы о том, какой именно покупатель и с каким набором товаров покинул магазин.

Компания Cosabella привлекла искусственный интеллект Albert для реализации новых стратегий. После обработки высокоуровневых ключевых показателей эффективности, параметров и креативных материалов Albert быстро выявил новые модели поведения пользователей и шаблоны в платном поиске и социальных сетях. Затем он проанализировал поведение, чтобы получить информацию и предложения по оптимальной производительности и масштабируемости, и самостоятельно выполнил предложения, добившись ранее невиданных результатов по таким направлениям, как:

• Генерация проактивной креативной информации;
• Рекомендации по обменусообщениями;
• Автономная покупка медиа с использованием прогнозной аналитики и глубокого обучения.

С помощью нейросети PixelDTGAN, продавцы, размещающие товары из сегмента одежды на маркетплейсах, могут сэкономить денежные средства. Вместо использования услуг фотостудий для съемки товаров можно использовать возможности нейронной сети, алгоритм способен делать снимки одежды моделей в автоматическом режиме. От пользователя требуется лишь изменить размеры изображений вещей, чтобы получить конечный результат.

Производитель автомобилей из Чехии, Шкода, разработал бота-помощника Люси. Для создания использовалась диалоговая система Teneo. Бот помогает сделать выбор относительно бюджета на автомобиль, целей приобретения, после чего анализирует сделанный выбор и на основе предпочтений покупателя выдает выборку конкретных автомобилей.

В целом, вокруг ботов образовался ажиотаж – резко увеличилось количество их внедрений, однако, далеко не все были достаточно эффективны. В конце концов, необходим определенный уровень развития технологии. В основном, наибольшую пользу получают компании, имеющие большое количество данных об истории действий клиентов и их поведении. К таким можно причислить, например, операторов связи или провайдеров. Большое количество абонентов и статистика использования ими услуг могли помочь научить нейронную сеть прогнозировать действия пользователей в дальнейшем. И после, компания может обработать полученные данные и поощрять абонента за пользование услугами во избежание, например, ухода к другому провайдеру

В 2019 году компания McDonald’s приобрела компанию Dynamic Yield, которая специализируется на электронной коммерции и разработках технологий таргетированной рекламы, основанных на искусственном интеллекте. С их помощью персонализировали предложения для клиентов, использующих терминалы, отталкиваясь от погоды, состава заказа, времени дня и расстояния до других заведений. Подобные нововведения планировались и для мобильных устройств.

Выводы

С текущим развитием нейронных сетей, технологии, основанные на машинном обучении, станут прекрасными помощниками для маркетологов, продавцов, предпринимателей, работников сферы IT. Это еще не предел развития нейронных сетей, их разработка, по сути своей, только начата. Тем не менее, без помощи человека все еще не обойтись, ведь ИИ пока не совершенны. Стоит помнить, что на данный момент нейросети лишь помогают в деятельности, а не делают ее полностью за пользователя.