Как генерировать прибыль с помощью технологий распознавания естественного языка - Технологии
$56.1
61.36
ММВБ1998.41
BRENT51.97
RTS1120.89
GOLD1264.68

Как генерировать прибыль с помощью технологий распознавания естественного языка

читайте также
+247 просмотров за суткиРоботы-боссы: Джек Ма предсказал появление машин-CEO +3 просмотров за суткиРобот на разборке: почему склад без людей сегодня на самом деле никому не нужен Робот у полки: как использовать технологии работы с естественным языком в продуктовой рознице +1 просмотров за суткиКак узнать, что компания врет про машинное обучение? +4 просмотров за суткиНат Гаджибалаев (Amplifr): «Учим людей с помощью соцсетей зарабатывать больше денег» +19 просмотров за суткиИнвестиции будущего: что купить, чтобы не проиграть через 10 лет? +1 просмотров за сутки Будущее: от страха неизбежного к формированию желаемого +10 просмотров за суткиЗдравствуй, робот: как автоматизация меняет ретейл уже сегодня +2 просмотров за суткиБольшой счет: как большие данные изменят российский рынок недвижимости +15 просмотров за суткиМашины вместо инженеров: почему искусственный интеллект доберется и до программистов? +9 просмотров за суткиМаленькие стартапы и большая мода: как инновации добираются до «умной одежды», гаджетов и примерочных +13 просмотров за суткиКоллектор в «цифре»: как стартап помогает собирать долги с помощью соцсетей и машинного обучения +6 просмотров за суткиВыжить в эпоху технологической революции: кого заменят машины, а кого не смогут? +7 просмотров за суткиРабочий кабинет на колесах: 9 фактов о будущем беспилотных авто +4 просмотров за суткиКак нейросети помогают обрабатывать фотографии, сортировать огурцы и бурить скважины +14 просмотров за суткиЗа работой в соцсеть: зачем Facebook выходит на рынок интернет-рекрутмента? +10 просмотров за суткиРобот-стражник: что дает искусственный интеллект системам кибербезопасности? +11 просмотров за суткиА вы за нас еще и лечить будете? Роботы в белых халатах +18 просмотров за суткиИскусственный интеллект HeadHunter: как роботы будут искать персонал для крупнейшего онлайн-рекрутера +343 просмотров за суткиРозничные цифры: как технологии больших данных приходят в офлайн-ретейл

Как генерировать прибыль с помощью технологий распознавания естественного языка

Фото REUTERS / Suzanne Plunkett
Пока машинный интеллект не может превзойти человеческий в качестве написания текстов, ведения беседы и распознавания эмоций. Как ставить перед собой реалистичные цели, чтобы не пропустить технологический рывок?

В феврале 2017 года индийская компания SirionLabs попала в рейтинг самых инновационных компаний года по версии  журнала Fast Company. Поводом для высокой оценки деятельности компании послужило использование технологий в области обработки естественного языка для извлечения информации из бизнес-документации.

Сегодня обработка естественного языка — одно из перспективных направлений в области искусственного интеллекта (AI). А само словосочетание «искусственный интеллект» практически стало ругательством, так под этим ярлыком компании продают нам все, что угодно, начиная от заскриптованных диалогов онлайн-помощников и заканчивая построением онтологических баз знаний.   

Попытаемся отличить зерна от плевел и разобраться в том, что же все-таки представляет из себя современный искусственный интеллект и способны ли подобные технологии сегодня генерировать прибыль.

Еще не так давно технологии, построенные на искусственном интеллекте, впечатляли людей намного меньше, чем, например, красивый дизайн сайта. Онлайн-переводчики, компьютерное зрение... «Ну, и что? — скажет на это современный человек. - Я могу переводить, различать предметы на картинках и управлять автомобилем намного лучше, чем любая машина». Сложным заданием, с которым справился продукт с опорой на искусственный интеллект, кажется только если человек не может достигнуть тех же успехов. Например, дизайн. Или социальная сеть. Но не переводчик.

Тем не менее, если смотреть на проблему качества искусственного интеллекта под другим углом — с точки зрения возможностей автоматизации бизнес-процессов, — то оказывается, что машина находится на миллион шагов вперед впереди человека.  Большинство создаваемых сегодня AI-стартапов создается в области диалоговых систем, генерации текстов и извлечения информации из текстов. Продукты, основанные на решении таких задач, потенциально могут заменить многие существующие в современном мире должности: копирайтеров, инженеров техподдержки, онлайн-консультантов, рекрутеров. Преимущество автоматизации здесь заключается не только в том, что существенно сокращается штаб компании без значительного ухудшения качества работы, но и в том, что машина может обрабатывать несравнимо больше запросов, чем человек. Ни один из пользователей не будет ждать, пока линия освободится.

Конечно, опыт компании SirionLabs не единственный. Вообще, показательно, что бум искусственного интеллекта сейчас переживают такие страны, как Индия и Китай. И пока американские гиганты рынка  вкладываются в развитие по-настоящему уникальных и передовых технологий, зачастую пока не имеющих коммерческого применения, индийские и китайские стартапы растут как грибы, подхватывая вчерашние технологии и превращая их в прибыльный бизнес.

В данный момент передовой технологией в области обработки естественного языка является deep learning, глубокое обучение. Так как это довольно рискованное направление, требующее больших данных для обучения и сложное в коммерческой реализации, его развитием сейчас занимаются в первую очередь крупные американские компании. Среди успешных демонстраций возможностей глубокого обучения можно назвать такие продукты, как виртуальный помощник Siri от Apple и онлайн-переводчик Google Translate, который перешел на глубокое обучение осенью 2016 года. Точность работы Google Translate после внедрения глубокого обучения повысилась на 60 %. За последние два года появились такие продукты, как DeepText от Facebook для задач семантического поиска по текстам, CRM-продукт Einstein от Salesforce. Виртуальный помощник Cortana от Microsoft и суперкомпьютер IBM Watson тоже перешли на глубокое обучение. 

Есть задачи, которые на качественном уровне можно решать только с использованием технологии глубокого обучения. Например, задачи по семантическому поиску по текстам, по генерации текстов и созданию интеллектуальных чатботов. Именно некачественные решения таких задач, основанные на более архаичных технологиях, и порождают миф о несостоятельности современного искусственного интеллекта.

Cпособен ли искусственный интеллект в ближайшее время превзойти человека в плане качества написания текстов, ведения беседы и распознавания эмоций? Пока нет. Сегодня просто нет таких технологий. Для этого нужен следующий технологический прорыв. Возможно, после глубокого обучения появится что-то еще. Но если ставить перед собой более реалистичные цели и спрашивать, способны ли современные технологии искусственного интеллекта обеспечить автоматизацию рутинных занятий и повысить КПД работы, то ответ будет однозначно положительным. Это то будущее, которое уже наступает.