Нейросети для бизнеса

Нейросети применяются в бизнесе для следующих основных задач и приложений:
- чат боты для поддержки клиентов
- интеллектуальные голосовые меню (IVR)
- персональные голосовые ассистенты
- мониторинг ИТ инфраструктуры, прогнозирование проблем
- прогнозирование спроса и продаж
- персонализация маркетинга и рекламы
- анализ отзывов в социальных сетях
- автообзвон клиентов с голосовым интерфейсом
- автоматизация офисных задач (набор текста, ввод данных)
- видеоаналитика в системах видеонаблюдения

Примеры использования нейросетей для бизнеса приведены ниже.

См. также: Топ 10: ИИ платформы

2019. Нейросеть Superjob автоматически заполняет резюме соискателей по фотографии


Сервис по поиску работы Superjob создал нейросеть, которая способна автоматически заполнять резюме соискателя, анализируя только его фото. Нейросеть была натренирована на 25 млн фото из резюме с известными параметрами и теперь умеет определять пол, возраст, наличие высшего образования, опыта работы и даже принадлежность человека к одной из 500 базовых профессий и зарплату, на которую может претендовать человек. Созданную технологию разработчики решили использовать не только для себя, но и встроили в мобильное приложение для соискателей. Соискатель может сфотографироваться, просмотреть автоматическое резюме и подкорректировать, если нужно.


2017. TPU-чипы Google ускорят нейросети в 30 раз


Специалисты компании Google разработали специализированный процессор TPU (Tensor Processing Unit), имеющий производительность в 45 терафлопс. Такой процессор дает в 10–30 раз большую производительность для работы нейросетей, чем обычные процессоры и графические процессоры. При этом, эффективность работы тензорных процессоров превосходила эффективность других процессоров в 30–80 раз. Именно на тензорных процессорах работала система Alpha Go, которая одержала ряд впечатляющих побед над самыми именитыми игроками в китайскую игру Го. Немного позже в этом году система из тысячи таких процессоров, станет частью облачного сервиса Google Cloud Compute, доступ к которой совершенно бесплатно смогут получить разработчики систем машинного изучения.


2017. DeepMind создает универсальную нейросеть


Как известно, купленный Гуглом стартап DeepMind ранее создал ИИ, умеющий играть в старые компьютерные игры Atari. Однако, фактически они сделали несколько ИИ (нейросетей) - по одному для каждой игры. Теперь же они попробовали создать нейросеть с памятью, которая, научившись играть в одну игру переносила основные навыки (связи) на следующую. После обучения каждой игре в течение нескольких дней сеть могла играть на уровне человека в семь из десяти игр. Но ни в одной игре она не достигла уровня, которого добилась нейросеть, обученная только этой игре.


2017. Технология Google AutoML позволяет создавать нейросети автоматически


В Гугле говорят, что многие бизнесы могли бы воспользоваться достижениями технологии машинного обучения, например, для автоматической сортировки товаров в интернет-магазине или визуального контроля качества произведенной продукции. Но, говорят, у бизнесов не достаточно хороших программистов, которые могли бы запрограммировать нейросеть. Поэтому Гугл создал технологию AutoML которая создает нейросети автоматически. Работает это так: вы загружаете базу размеченных изображений и AutoML подбирает несколько нейросетей-кандидатов и прогоняет эту базу через каждую сеть, обучая их и выделяя самую подходящую модель. Если верить Google, даже сейчас уровень AutoML уже таков, что она может быть эффективнее экспертов-людей в вопросе поиска лучших подходов для решения конкретных проблем.


2015. IBM купила облачного провайдера ИИ-сервисов AlchemyAPI


В прошлом году IBM придумала, как монетизировать свой искусственный интеллект Watson - разместила его на облачной платформе и позволила разработчикам приложений использовать его способности по обработке речи и языка. С тех пор уже создано 7000 приложений с элементами ИИ, предоставляемыми Ватсоном. Однако, IBM - не единственная компания, которая предоставляет ИИ-сервисы. Стартап AlchemyAPI еще с 2011 года предоставлял свои технологии, основанные на глубинном обучении нейросетей, в качестве API-сервисов. Поэтому IBM просто купила конкурента и получила не только сообщество разработчиков, но и технологию компьютерного зрения, которой у Watson изначально не было.


2014. Компьютерная нейронная сеть распознает изображения быстрее мозга


Группа исследователей из Массачусетского технологического института доказала, что по крайней мере в одном аспекте нейросети для компьютерного зрения уже могут победить биологический мозг - в скорости. Они провели эксперимент с обезьянами. Показывали им быстро сменяющиеся картинки, снимая при этом карту активности их мозга. Оказалось что если картинка показывается всего 100 милисекунд, обезьяна успевает ее увидеть, но не успевает осознать (распознать изображенные объекты). А вот нейросеть, созданная этими же ребятами - отлично справлялась с этой задачей за указанное время. Правда, на выходе нейросети были не образы, а всего лишь последовательности чисел (каждое число соответствует определенному распознанному объекту, наприме дерево=4).