Ahora todos hablan de la nueva revolución que trajo la inteligencia artificial y el aprendizaje automático. Los algoritmos inteligentes penetran en todas las esferas de la vida: desde la búsqueda del bosón de Higgs hasta la elección de una película para la noche. Las empresas más avanzadas ya están implementando activamente estas tecnologías en sus productos y marketing. Recomendaciones personalizadas, publicidad, interfaz del sitio web: todo esto no es una especie de magia negra, sino tecnologías ya disponibles.
En el mercado interno, sin duda, Yandex es la compañía más avanzada que utiliza el poder de las máquinas. En su informe a #amoCONF, el director de marketing de Yandex Services, Andrei Sebrant, habló sobre el futuro y las oportunidades que se abren para cada empresa. ¡Optimice su negocio para las tendencias futuras!
Descargo de responsabilidad . Este artículo es una transcripción del discurso de Andrei Sebrant. Hay personas que ahorran tiempo y aman los mensajes de texto, hay quienes no pueden ver videos en el trabajo o en la carretera, pero felizmente leen a Habr, hay personas con discapacidad auditiva para quienes la banda sonora es inaccesible o difícil de entender. Decidimos que todos ellos y usted descifren contenido excelente. Quien prefiera el video es el enlace al final.
Inteligencia mecánica y mercantilización de tecnologías.
Buenas tardes Hola, todos se reunieron en los Juegos Olímpicos. Gracias por el delineador. Es cierto, voy a hablar sobre el futuro, usando palabras de miedo. Sospecho que el término "mercantilización de la tecnología" no es ampliamente conocido por nadie; no seas tímido, generalmente no lo saben muchos. Pero es útil, es realmente simple. Hablaré de él más tarde. Y sí, había la frase correcta: voy a hablar sobre el futuro que ha llegado, está por venir, algunos han venido para que solo quede el raspado.
El problema es que durante 20 años de mi trabajo en Internet me pareció que todo es increíble, que está sucediendo rápidamente, ¡qué genial! Ahora entiendo que todo lo que sucedió durante estos 20 años fue un proceso monstruosamente inhibidor, increíblemente lento, pero está comenzando rápidamente ahora. En general, todo el informe, la historia se basa en el principio de un mosaico extraño, un mosaico que ... Ni siquiera, mejor lo digo de esta manera: en el principio de un rompecabezas disperso. Si, como resultado de mirar estas piezas, la imagen de estas piezas del rompecabezas comienza a formarse en su cabeza, el objetivo se logra, si no, bueno, no sé, mire el registro, pruébelo, tal vez resulte. Como este no es un libro de cocina, no le diré cómo hacerlo. Te diré en qué futuro, en solo unos años, en 3-4-5 (no más) tienes que organizar tus ventas, atraer clientes, comunicarte de alguna manera con personas relacionadas contigo.
Un futuro que ya ha llegado. Dos casos no se refieren a Internet ni al marketing.
Pero te contaré algunos casos extraños. Aquí está la historia de un hombre de California. No fue por casualidad que mencioné su edad: el hombre tiene 65 años, es incluso mayor que yo. Tiene un problema: tiene una esposa que ama su césped limpio (pero esto es California, no hay cercas de dos metros alrededor del césped); los gatos vecinos caminan por el césped y cagan. ¿Cómo se resuelve esta tarea en 2016?
Gatos vecinos y césped favorito: cómo resolver un problema con su esposa
En 2016, este hombre, Robert Bond, compra un poco de hierro a la computadora de su hogar, le conecta una cámara de vigilancia que ya está de pie, que mira hacia el césped y hace algo algo inusual: descarga software asequible y gratuito de código abierto, que es una red neuronal y comienza a entrenar esta red neuronal para reconocer a los gatos en la imagen de la cámara.
Y la tarea al principio parece trivial, porque si algo es fácil de aprender, son los gatos, porque los gatos están llenos de Internet, decenas de millones de gatos están en Internet. Si todo fuera tan simple, reconocer a un gato "durante el día" puede ser entrenado en el "conjunto de datos", que se carga simplemente con la velocidad del canal de rendimiento. Pero las cosas son peores: en la vida real, los gatos van a la mierda principalmente por la noche. Prácticamente no hay imágenes de gatos nocturnos que orinen en el césped en Internet. El hombre tenía, como nosotros, como lo hace cualquier empresa dedicada a la ciencia de datos normal y la capacitación de redes neuronales ... Bien, desenterraremos las imágenes adicionalmente, las haremos nosotros mismos; la red aprendió a reconocer a los gatos nocturnos también es muy confiable ...
Y después de eso, el último paso: una válvula controlada eléctricamente está conectada a la salida de esta computadora. La válvula se encuentra en la tubería que conduce al rociador. Por lo tanto, tan pronto como el gato ingresa al césped y quiere adaptarse, comienzan a regarlo: el gato se tira.
El problema está resuelto, la esposa está feliz, los gatos no caminan, y todo esto es un milagro extraño: redes neuronales que aprenden a reconocer a los gatos, que descubrieron que en Internet, demonios, no hay suficientes fuentes de imágenes para el entrenamiento. ¡Bien, te terminaremos! Ella terminó sus estudios. Esta es probablemente la única red neuronal en el mundo que puede reconocer a los gatos nocturnos.
Todo esto lo hace una persona que no es un hiperprogramador, que no ha trabajado en Google o Yandex toda su vida, y con la ayuda de este hardware, en general, es bastante barato, compacto y simple.
Pepinos japoneses: cómo ayudar a mamá
Otra historia Al otro lado del océano desde California, los japoneses cultivan pepinos en una pequeña granja familiar. Los pepinos en este formulario generalmente se clasifican en 9 categorías diferentes.
Esta clasificación se realiza manualmente por una vieja madre. Es difícil para ella: está parada 8 horas al día cerca del transportador, y está toda su vida ... Bueno, no todo, pero dedicó los últimos años de su vida a lo que entiende, mirando un pepino (sus granos, color, tamaño y forma), en el que de nueve categorías se debe atribuir. Tienen problemas, ni siquiera pueden contratar a un trabajador temporal, porque al trabajador se le debe enseñar durante varios meses este glorioso proceso, a reconocer a los pepinos. Entonces probablemente ya lo has adivinado.
Era una computadora otra vez. Esta vez, sin embargo, la red estaba en la nube, porque la computadora Raspderry Pi tiene bastante poca energía. A la red se le enseñó lo que hace mamá como muestra de entrenamiento, usaron la acción de la madre: aquí hay una fotografía del pepino, donde su madre la tomó. Después de que mi madre hizo esto 10 mil veces: "Setochka, aquí hay un nuevo pepino para ti, ¿entiendes qué categoría tiene?" "Entiendo", dice el setochka.
Y todo esto se materializó en dicho diseño: un transportador, los pepinos lo montan antes de caer sobre el transportador, una cámara los mira, los empujadores se paran a lo largo del transportador y empujan un pepino dentro de una caja de la categoría correspondiente. Nuevamente, esta es la decisión de 2016. Ilustra un punto muy importante que ahora se entiende poco. Está escrito en la pantalla:
Lo que solíamos llamar tecnología de la información, de hecho, ha dejado de ser información. Estas son tecnologías operativas: la máquina capacitada misma realiza acciones y no nos informa; la campana no suena: “El gato ha venido. Que vas a hacer ¿Lo atarás con una toalla o qué? Y muestra el número de categoría sobre un pepino flotante. "Bueno, ahora puedes empujarlo con tu mano real" ... ¡No! No hay ninguna persona en este proceso una vez que finaliza el entrenamiento. Esta es una imagen muy versátil que caracteriza cómo funciona el futuro, en el que las máquinas resuelven tareas intelectuales (identificar un gato, comprender a qué categoría pertenece un pepino).
La tecnología de la información se ha vuelto operativa
Y en realidad, este no es nuestro capricho. Y, en general, esto no es propiedad de Internet y de algunas cosas virtuales que suceden en una computadora. Especialmente traje la diapositiva: General Electric es una compañía bastante grande que trabaja con negocios colosales fuera de línea, que creen que 2015 fue el año en que se realizó esta conversión: las tecnologías de la información comenzaron a funcionar y determinan nuestro futuro. Y, de hecho, para ponernos al día con todo esto, debemos pensar en cómo establecer la misma transición en nuestros procesos comerciales, porque la transformación siempre es algo doloroso y no instantáneo.
Pero si no se prepara para esta información ahora, puede encontrarse entre los que han sido pisoteados. Un buen ejemplo: pisaron Kodak, pensó que estaba bien protegido (¡tal tecnología!). Atacaron a Blackberry: pensaron sinceramente que era valioso para las personas presionar los botones, y nadie arrastraría los dedos por la pantalla, ensuciándola. ¿Dónde está el Blackberry? ..
Finalmente, otra referencia a las autoridades. A principios de este año en Davos, en el Foro Económico Mundial, estas mismas palabras fueron pronunciadas oficialmente repetidamente: ahora estamos en el centro de la cuarta revolución industrial. Esta revolución industrial se debe principalmente a la velocidad frenética con la que se introducen la inteligencia artificial y el aprendizaje automático.
Odio las palabras "inteligencia artificial" y ahora explicaré por qué. Porque, de hecho, estamos tratando de comparar el automóvil con nosotros mismos en este lugar y de alguna manera asustarlo (no tiene miedo): "¡Nunca se comparará con nosotros! ¡Somos pensadores! Verá, la máquina a lo largo de la historia de la humanidad ha demostrado que puede hacer más, más porque se nos ocurre.
Un auto siempre puede hacer más
Aquí hay un buen ejemplo que me gusta dar en un montón de conferencias: esta es una historia sobre un pájaro artificial. No podemos reproducir esto. Realmente no tenemos idea de cómo funciona cada pluma en su ala, qué función lleva en vuelo. ¡Además, la diversidad de estas alas emplumadas en la naturaleza es monstruosa! ... Y luego están los murciélagos.
¿Qué es un "pájaro artificial"?
Es cierto que no podemos y no podemos reproducirnos, y no podemos, a juzgar por el desarrollo de la tecnología, en los próximos años: no podemos entender completamente la física del vuelo con la precisión de cómo funciona cada pelo en el ala. Pero nosotros, como somos personas, humanidad, nos inspiramos en el pájaro como una idea de vuelo. Y en este sentido, el primer pájaro artificial fue un globo, creado muchos siglos antes de hoy. Porque permitió que la gente saliera al aire.
Luego, después de un tiempo, volvieron a la idea de un ala completamente diferente, con el perfil del que el pájaro no es consciente: está estático, sin movimientos de balanceo, puede mantener el automóvil en el aire. Pero tiene un motor a reacción, y esta máquina comenzó a arrastrarnos a través del océano, lo que las aves no pueden.
Además, en algún momento, nosotros, la humanidad, volamos a las estrellas ... ¡Bien, a Marte! Hasta ahora no a las estrellas, pero esta "Curiosidad" está arrastrándose en Marte y está transfiriendo selfies desde allí. El mismo pájaro artificial lo trajo allí. Ya ves, lo que pensamos sobre la idea de volar y lo que debería ser un pájaro artificial.
Escucha, cuando me cuenten ahora sobre la inteligencia artificial ... Bueno, no sabemos cómo funciona (señala la cabeza) ... ¡Sí! Al igual que no sabemos nada sobre el ala del pájaro. Esto no nos detuvo en el momento en que aparecieron los globos, inventó un ábaco y simplificó una determinada operación de la que los animales no son capaces, pero tenemos una cuenta oral, pero, maldita sea, es más fácil. Luego, la tecnología nos ayudó a hacerlo aún más fácil, y luego la tecnología llegó a las redes neuronales que se entrenaron a sí mismas, ¡esto es importante! ¡Aprenden solos!
¿Qué es la inteligencia artificial?
Si recordamos el ejemplo de un gato, nadie explicó a esta cuadrícula los parámetros formales de la diferencia entre un gato y un bebé y un perro. Grid se estudió a sí misma, mirando millones de fotos de gatos y eventualmente aprendió. No sabemos como. Bueno, ¿cómo aprendemos nosotros mismos?
Y, de hecho, de lo que estoy hablando ahora, de que la inteligencia artificial (hablar de la máquina es aún más correcta) tendrá la misma relación con nuestro cerebro que un cohete con un gorrión, y hace la vida tan interesante. Un cohete no puede twittear y cagar en nuestras cabezas. Gorrión puede.
Al mismo tiempo, un cohete, como puede suponer, puede: una carga nuclear a un continente vecino, Kurioshiti a Marte, un satélite en órbita para que funcione Internet satelital, muchas cosas, pero esto no tiene absolutamente nada que ver con los gorriones. Exactamente lo mismo sucederá con la inteligencia artificial: hará cosas que no podemos entender, lo que el cerebro puede hacer, pero puede hacer.
Al mismo tiempo, sucedió otra historia interesante en paralelo, que se refiere a no tantos servicios ... Porque estoy hablando de servicios específicos ahora: reconocimiento de imágenes, de hecho, la función en torno a la cual se construyeron ambos ejemplos, alrededor de los cuales se construye la búsqueda de imágenes, un montón de algunos cosas Pero este sigue siendo un servicio específico. Puede decir personalización: tendré ejemplos separados al respecto. Este también es un servicio separado, para comprender algo sobre el comprador que vino a usted. Pero este es un servicio.
No solo los servicios en sí, sino también las interfaces
Los sistemas de autoaprendizaje, las redes neuronales en primer lugar permitieron resolver otro problema interesante que es absolutamente así: en todos los servicios. Esta tarea es front-end.
Hace algún tiempo, había un problema de este tipo (aunque existía): debe llevar la información a un formato legible para que la máquina pueda comenzar a trabajar con ella. ¡No más de ese problema! Porque ... ¿Qué es una vista legible por máquina? Puede leer el texto incluso desde el manuscrito, incluso desde la pantalla, incluso desde el dibujo de la cueva, si el texto está allí. Además, puede entender lo que sucedió en esta imagen si es una imagen. Puede escuchar lo que se ha dicho en voz alta y convertirlo en texto impreso si lo necesita por alguna razón; peor que eso: el significado de todo esto para entender ...
Reconocimiento del habla, imágenes, síntesis del habla.
Y esta es la historia más interesante que está sucediendo ahora. Lo que está sucediendo en este momento está cambiando vidas, digamos, en un par de años. Para que la máquina aprenda a no escuchar estúpidamente y simplemente traducir sonidos a letras, fue necesario enseñarle algún significado. Aquí comenzó una tarea interesante, una tarea absolutamente práctica, que no es visible desde el exterior, y este es un gran avance que fue resuelto, por ejemplo, por los motores de búsqueda que tuvieron que resolver el problema ...
Ya sabes, para algunas enfermedades mentales (si hay psicólogos en la sala, conocen esa prueba) dan cuatro objetos o más y dicen: “¿Qué es superfluo aquí? Encuéntralo ". En muchos casos, para algunas enfermedades, completamente sorprendentes, respuestas extrañas que nos parecen delirantes. Entonces, la misma tarea para el automóvil: cuatro objetos: encontrar el extra.
Y resulta que en el viejo modelo tradicional de análisis lingüístico, esta es una gran emboscada. Porque, si miramos el objeto No. 2 y el objeto No. 4, resulta que si bien este texto escrito y el énfasis no se escuchan, el BLOQUEO y el BLOQUEO no difieren. Además, incluso un análisis en profundidad del adjetivo muestra que esto es algo que describe el material del que aparentemente está hecho este sustantivo. Y parece que estos dos objetos están muy cerca (apunta a "Castillo de piedra" y "Castillo de hierro"), y este ("Antigua fortaleza") generalmente no está en ninguna parte, no hay nada similar. Pero usted y yo entendemos que la historia es completamente diferente: en términos generales, este objeto es superfluo (el Castillo de Hierro), pero estos tres son iguales. ¿Cómo explicar esto a un auto? Especialmente cuando se trata del hecho de que hay una imagen en general y, por simplicidad, o más bien por realismo, asumimos que esta imagen no contiene texto en imágenes, por ejemplo, en la página donde se encuentra. Solo una imagen. En el album de fotos. ¿Cómo clasificarlo? ¿Debo exhibirlo a pedido de la "antigua fortaleza"?
Y resultó que existe una cosa que durante algún tiempo parecía una ficción no científica, como un espacio de significados muy multidimensional en el que se puede enseñar a una máquina a construir algunos vectores. Las piezas de estos vectores se muestran debajo de las imágenes, e incluso una mirada superficial muestra que estas (las primeras tres imágenes) son generalmente similares, bueno, muchachos, hay algo 8, 7, 1, 3 ... y aquí, brrr, obviamente es algo. eso no es en absoluto. Es decir, estos tres sobresalen en algún lugar en un lugar, en un área, aproximadamente en un área de este monstruoso espacio multidimensional de significados, y el cuarto en algún lugar allí.
Y esto resuelve el problema de comprender el significado, al menos desde el punto de vista de qué objetos están significativamente cerca uno del otro. Es genial que esta tarea ahora, por ejemplo, para resolver problemas similares entre sí, permita que el mismo Microsoft proporcione una excelente traducción simultánea en Skype. Porque en el mismo momento en que, en lugar de los modelos lingüísticos clásicos que tropiezan con este problema (bloqueo - bloqueo), las redes neuronales estaban conectadas, resultó significativo traducir. Y luego, muchachos, ya se conectan idioma por idioma. En ese momento, cuando su espacio de estos vectores de significado está lleno, su proyección en cualquier lenguaje es una operación puramente técnica. En este momento, los problemas de lenguaje en nuestro planeta desaparecen como clase.
¡Esta es una historia muy trivial! No estoy diciendo que el ingenioso Yandex, el ingenioso Microsoft, el ingenioso Google lo estén haciendo ahora. Estoy hablando de cómo cambia vidas de una manera que no podríamos imaginar, de alguna manera así, con media patada. Ni siquiera veremos que de repente todo en la interfaz se haya traducido automáticamente. Se verá así, no como un súper servicio por separado.
¿Intento de ciencia tradicional? ¡No, simbiosis con ella!
Quiero mostrar lo que está sucediendo con áreas tradicionales específicamente en el ejemplo de la ciencia, y no en algún producto comercial. Mira, la ciencia que nos concierne a todos es la meteorología. Todos queremos entender: ¿necesitamos llevar un paraguas? ¿Lloverá hoy? Tal vez, de hecho, no es necesario tener un paraguas, sino simplemente vestirse más abrigado, y no lloverá, y el bastardo es terrible.
Y aquí diré ahora acerca de la solución Yandex, porque, de nuevo ... No quiero vender Yandex aquí, es lo suficientemente grande sin mis ventas. Estas cosas con la meteorología están siendo realizadas por todas las grandes empresas que se dedican a pronosticar fenómenos climáticos en el mundo: tanto el Weather Channel como otros, IBM se ha conectado en términos de aprendizaje automático. Afortunadamente, tenemos un pronóstico interno (uno de los servicios de Yandex) y, para algo, tenemos suficiente aprendizaje automático.
Sobre el pronóstico del tiempo y Meteum
Entonces, aparece el Meteum. Un breve recorrido por el pronóstico del tiempo. Esta es una increíble variedad de datos completamente diversa que se vierte en tiempo real en supercomputadoras. Los datos se toman de lo que ahora está en la pantalla. Estas son docenas de satélites meteorológicos, desde los cuales fluye información sobre la porción de la Tierra que se encuentra debajo de ellos, en varias partes del espectro.
Estas son aproximadamente diez mil estaciones meteorológicas que brindan (pero, desafortunadamente, solo en la superficie de la tierra) información sobre el estado de la atmósfera: su temperatura, dirección del viento, velocidad del viento, humedad, composición química, si es necesario, el grado de exposición a la luz del sol - dofiga todo.
Bueno, dado que, en términos generales, la atmósfera es tridimensional, y para simular todo tipo de procesos que requieren cambiar algo de altura (las nubes están a cierta altura, y no solo una columna), hay varias más, Desafortunadamente, las estaciones son lo suficientemente pequeñas para el tamaño de nuestra Tierra, desde donde se lanzan regularmente, varias horas al día, globos meteorológicos: un globo pesado lleno de helio (que despega), que lleva un conjunto de sensores que pueden medir todo de la misma manera (temperatura, velocidad, humedad) y t aka más).
Y todo el conjunto de estos datos se vierte en varios centros de hipercomputadoras ubicados en todo el mundo, y estos datos son procesados por varios construidos por físicos teóricos, expertos en la dinámica del fluido compresible (así es como se llama la atmósfera que nos rodea en un lenguaje "físico" normal ...) hay una cantidad incontable de modelos, son realmente pocos, y más difíciles fueron creados, por décadas, por el trabajo de un grupo de cerebros brillantes, físicos muy fuertes, y luego convertidos en código ejecutable por nada menos que brillantes programadores y matemáticos. amiEstos modelos dan, en general, dan algún tipo de pronóstico aproximadamente significativo. Un ejemplo especial: ninguno de estos modelos en esta situación predecirá +30 (el sol). Pero está claro que están mintiendo (el clima es casi el mismo que en nuestro patio), ya sea un poco más de cero o un poco menos de cero, o rociará nieve, lluvia o ¿qué?Bien, conectemos el sistema de aprendizaje automático aquí, el que hemos llamado MatrixNet (con todo tipo de tontos todavía). Y dime, el sistema de aprendizaje automático, tienes una tarea: aquí hay un montón de pronósticos (por ejemplo, mañana a las 9 a.m. en el área de Olimpiysky). Ahora escríbalas, estos pronósticos, mañana los comparará con los resultados de las observaciones reales, porque mañana sabremos a las 9 am lo que sucedió aquí. Y tan continuamente, y así para toda la Tierra. Tenemos grandes centros de datos.
Su tarea es aprender todo el tiempo, comparando cómo cada uno de estos modelos divergió de la observación real en un punto dado; aprenda a minimizar este delta, aprenda a generar su propio pronóstico, que tendría un delta (discrepancia con la realidad, temperatura o lluvia o alguna otra métrica) menor que la discrepancia de cualquiera de estos modelos individualmente.Al mismo tiempo, tenga en cuenta lo importante: no enseñamos física a esta máquina, no tenemos un equipo de profesores, como en el Instituto de Física Atmosférica de la Academia de Ciencias. Esta máquina aprende a minimizar un cierto parámetro, es decir, hacer un pronóstico más preciso. Por qué
Sí, no tenemos idea! Todavía estamos cargando datos adicionales, que no se pueden cargar en el modelo. Por ejemplo, por consideraciones generales, entendemos que, en términos generales, la vida en la atmósfera es diferente para diferentes tipos de superficie subyacente, es decir, sobre un lago, sobre un bosque de abetos o bosque caducifolio o áreas urbanas, la atmósfera se comporta de maneras muy diferentes.Pero en Yandex.Maps vemos información bastante actualizada, en contraste con estos modelos, en los que solían poner esta información hace cien años, y luego talaban este bosque, y allí construyeron una ciudad ... Pero tenemos algo más ... La información menos reciente está disponible en nuestros mapas satelitales. Podemos conducirlo y, como resultado, obligarlo a generar pronósticos que ahora son en promedio más precisos que cualquiera de los pronósticos de estos modelos gigantescos. Y desde que lanzamos Meteum hace menos de un año, ahora mejorará la precisión, porque para aprender a maquinar para predecir bien ... Bueno, el clima está muy organizado, es algo relacionado con los ciclos climáticos. Es decir, hasta que haya sobrevivido al menos un otoño, es difícil predecir de alguna manera el clima de otoño.Y ahora llega al punto en que sobrevivirá cada temporada al menos una vez. Lo lanzamos justo a fines del otoño. Ahora para ella, el invierno no será una novedad: una vez estudió el invierno. Y esto aumentará el pronóstico del tiempo sin mejorar nuestra comprensión de los procesos que tienen lugar en la atmósfera. Bueno, entiendes, me concentro específicamente en estas palabras, porque esto es lo que sucederá con tu trabajo. La máquina a su lado resolverá tareas importantes, inteligentes e intelectuales, sin comprender por completo lo que realmente está sucediendo. Nadie se lo explicó, ya que no le explicamos nada sobre física a esto.Personalización: el futuro inevitable de la comunicación con el cliente.
Y ahora todavía te contaré un poco sobre lo que es importante para un negocio en particular. La ciencia es ciencia, pero estamos hablando de negocios. Mire, la historia sobre la personalización ya ha sonado aquí: Mikhail en un informe muy perfecto sobre la actualización de amoCRM acaba de decir que, muchachos, ahora pueden ponerse al día personalmente con esta persona mediante anuncios sobre algo que aún no les ha comprado.Esto es correcto, es ideal que se convierta en la norma en una variedad de sistemas, pero no todo en el mundo está controlado solo por amoCRM. Aquí, amoCRM, por ejemplo, le permite ponerse al día con una persona en otros sitios (puede tener su propio sitio).Tecnologías de focalización
Aquí surge una divertida paradoja de 2016: la publicidad es tecnológicamente mucho más avanzada que todo lo demás en el sitio. Bueno, entiendes: por simplicidad, ahora estoy tomando no una aplicación, sino solo un sitio web: puedes tener contenido estático colgado en tu sitio web que ha estado colgado allí durante los últimos tres años, es simplemente estúpido, sin ninguna interactividad, como en el momento en que nació la Web, Hace 20 años Y el código de anuncio, un fragmento de código, Google y Yandex, o alguna otra buena cuadrícula, es una caja negra terriblemente inteligente, que en ese momento, mientras se dibuja esta página, comprende todo sobre el usuario entrante, accede a la base de datos con cientos de anuncios y crea supuestos inteligentes e intuitivos en los que es más probable que haga clic. Porque, de hecho, el parámetro optimizado cuando le muestran un anuncio es la probabilidad de un clic.Eso es un montón de todas las matemáticas, "aprendizaje automático" y todo lo demás. Y la página, tal como es, es.
La inteligencia artificial aprende de las personas
¿Entiendes que esto no llevará tanto tiempo? ¿Entiendes que lo suficientemente pronto como para tener un sitio que no sea tan inteligente como los anuncios que hay alrededor ... bueno, kwa ... bueno, es desagradable estar en ese sitio? Es desagradable ir a un sitio cuya cara es la misma para todos, en una tarjeta de producto que sea igual para todos, y así sucesivamente, y así sucesivamente.
Esa es la historia de que la personalización te alcanzará en todas partes. Y cuanto más, más funcionará mejor y mejor, porque, una vez más: las máquinas aprenden de las personas. Es muy importante que no la entrenemos, no entendemos algo nuevo y, por lo tanto, no tenemos nada que enseñarle a la máquina. Sí, ella misma aprende todo el tiempo, porque todo el tiempo hay millones, miles de millones de clics que ella toma para sí misma.Cripta
Y sí, aquí resulta ... Un poco aterrador un diagrama de bloques tan pequeño hecho de una presentación más técnica. Por ejemplo, la tecnología, que llamamos Crypta, le permite determinar los intereses de una persona, muchas cosas están girando y, como resultado, la "caja negra" decide qué dibujar en la "cara" de algún tipo de "mercado".
¡Deje de promediar y segmentar!
Traducido a los términos de marketing habituales, esto significa: deja de promediar, deja de segmentar, puedes trabajar en el nivel de personalización. Este cóctel familiar de varios componentes es capaz de mantener nuestro cerebro débil. El auto no necesita. Ella no necesita dividirse en diez categorías o entrar en algún tipo de segmentación de RFM, donde, de nuevo ... Pocos vendedores avanzados, solo unas pocas personas pueden mantener más de veinte segmentos en su cabeza. Y al automóvil no le importa, no necesita segmentos: funciona directamente con cientos de millones, como, por ejemplo, en nuestro caso, varios usuarios.Al mismo tiempo, un algoritmo inteligente no solo muestra algo similar (será triste para una persona), puede abrir algo, puede mostrarle a una persona: “¡Guau! ¿Cómo podría no saber sobre esto? Fui a la página y al texto; palos ...
¿Es posible alejarse de la "similitud"?
Y así es como, por ejemplo, funcionan todos los servicios de transmisión modernos, así es como funciona YouTube. Las recomendaciones comienzan a adaptarse a cada persona individual. A modo de ilustración, hay un gráfico de cómo aumenta el tiempo dedicado al servicio cuando enciende el "recuadro negro" ... y-y-y ... una persona comienza a quedarse porque le recomiendan canciones que quiere escuchar todo el tiempo.
Yandex Zen
O cómo sucede en nuestro más avanzado, más recientemente lanzado, y en un montón de países diferentes, el asesino del tiempo llamado "Zen". Tal servicio. Está en el "lancer" en el móvil o en el navegador del móvil. Hay un flujo de contenido optimizado para cada persona individualmente, de un tipo muy diferente: noticias, fotos, gatos, recetas, lo que una persona quiere leer.
Pero ella está personalizada para él de forma absolutamente automática. Allí, por primera vez, estábamos convencidos de que no nos importa dónde se lanza el servicio: en Brasil, Indonesia o Rusia. No necesitamos participar en un largo estudio de las características culturales, las características del consumo de contenido en este país; todo esto lo hace el algoritmo.Experimento social Yandex
Hicimos este experimento en nuestra conferencia de marketing en Yandex a fines de junio de este año. Lo hicimos en la conferencia, porque hay algunas sutilezas legales y sutilezas técnicas, por lo que no pudimos sacarlo a la calle. Bueno, en la calle será en un año.
Aquí un hombre pasa junto al monitor. La cámara no solo muestra su imagen, sino que algo de basura está girando sobre su cabeza. Una persona señala con la aplicación instalada la cámara de su teléfono inteligente a otras personas en el vestíbulo, y otras imágenes giran por encima de ellas. Estas imágenes son los intereses de estas personas. No les preguntamos sobre esto. Y no te diré qué tipo de magia, entonces qué ...Para resumir ...
Puedo imaginar lo que sucedería si ahora ... ¿En qué bolsillo tengo un teléfono inteligente?Bueno, aquí no funcionará. Pero imagina que gasté, y sé de qué hablar con cada uno de ustedes.En resumen, hablé. Mira, esta diapositiva es solo para ilustración. Cuando hablé sobre las tecnologías de comercialización, significa que todo se ha vuelto disponible desde el punto de venta, que se ha convertido en "mercancía" como la electricidad. Ninguno de nosotros somos electricistas y ninguno de nosotros sabe cómo encender un generador diesel. Bueno, la mayoría. Pero sabemos muy bien que tenemos una toma de corriente en el apartamento y puede enchufarla: quiere una lavadora, quiere una plancha. De la misma manera, ahora puede trabajar con el aprendizaje automático, con la mente mecánica, porque hay un código fuente abierto, hay una API; aquí hay una lista de lo que a menudo está disponible de forma gratuita (para no ser infundado).Y, como resultado principal, de hecho, la diapositiva principal final, final.2020+: las habilidades gerenciales más importantes
Chicos, cuando me pidieron que hiciera esta diapositiva: "Bueno, ¿me dirán algo sobre veinte o veinte?" Yo digo: "Sí, es fácil". Porque se reduce a tres puntos principales.
Debe trabajar junto con máquinas inteligentes creativas (si lo desea, si no lo desea, lo hará). Es muy difícil. Lo sé por mi propia experiencia en Yandex. Aquí (no lo veo bien debido a los reflectores cegadores) le pido que responda la pregunta en voz alta: ¿hay personas aquí que tienen subordinados a otros empleados (de la audiencia dicen "sí")? Bien, ¿fue fácil para usted delegarles ("no" de la audiencia)? Esperado Nosotros también! Imagínese: tiene que delegar en las máquinas, y no saldrá con un automóvil por la noche a tomar una cerveza o algo de beber y dirá: "Vasya, qué estás ... Vamos, ya no serás así". Esta máquina realmente no puede explicarte por qué tomó esta decisión. Pero si no aprende a trabajar con él (sí, a veces será "fakapit" como cualquiera de nosotros y cualquiera de nuestros empleados), entonces es solo una "tapa".
Ley de Clark
Esta es la diapositiva más reciente. Esta es una de las leyes de Clark. Salgo con una cola gris y digo algunas cosas extrañas. Hay una ley que dice: si sale una persona de mi edad, comienza a transmitir algo sobre el hecho de que: “¡Esto nunca sucederá! El hombre es la medida de todas las cosas, por lo que la máquina nunca será ... (respira hondo) Esto es conservadurismo de edad, muchachos, lo siento ".
Y cuando una persona dice: "¡Escucha, a pesar de todo mi conservadurismo, lo será!", Lo más probable es que tenga razón si es un experto en este asunto. Pero he estado hirviendo en Internet durante los últimos veinte años.
Asi que gracias! De una forma u otra, ¡pero sucederá!
Un poco de publicidad :)
Gracias por quedarte con nosotros. ¿Te gustan nuestros artículos? ¿Quieres ver más materiales interesantes? Apóyenos haciendo un pedido o recomendando a sus amigos,
VPS en la nube para desarrolladores desde $ 4.99 , un
descuento del 30% para usuarios de Habr en un análogo único de servidores de nivel básico que inventamos para usted: toda la verdad sobre VPS (KVM) E5-2650 v4 (6 Núcleos) 10GB DDR4 240GB SSD 1Gbps desde $ 20 o ¿cómo compartir un servidor? (las opciones están disponibles con RAID1 y RAID10, hasta 24 núcleos y hasta 40GB DDR4).
Dell R730xd 2 veces más barato? ¡Solo tenemos
2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV desde $ 199 en los Países Bajos! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - ¡desde $ 99! Lea sobre
Cómo construir un edificio de infraestructura. clase utilizando servidores Dell R730xd E5-2650 v4 que cuestan 9,000 euros por un centavo?