Три применения нейросетей для немедленного внедрения в бизнес

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.

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. 

Мы более 20 лет занимаемся разработкой мобильных приложений, дополненной реальностью, веб-разработкой и SPA, серверных приложений и API, а также поддерживаем и развиваем готовые решения