Maintenant, tout le monde parle de la nouvelle révolution apportée par l'intelligence artificielle et l'apprentissage automatique. Des algorithmes intelligents pénètrent toutes les sphères de la vie: de la recherche du boson de Higgs au choix d'un film pour la soirée. Les entreprises les plus avancées mettent déjà activement en œuvre ces technologies dans leurs produits et leur marketing. Recommandations personnalisées, publicité, interface de site Web - tout cela n'est pas une sorte de magie noire, mais des technologies déjà disponibles.
Sur le marché intérieur, Yandex est sans aucun doute l'entreprise la plus avancée utilisant la puissance des machines. Dans son rapport à #amoCONF, Andrei Sebrant, directeur marketing de Yandex Services, a parlé de l'avenir et des opportunités qui s'ouvrent pour chaque entreprise. Optimisez votre entreprise pour les tendances futures!
Clause de non-responsabilité . Cet article est une transcription du discours d'Andrei Sebrant. Il y a des gens qui gagnent du temps et aiment le texte, il y a ceux qui ne peuvent pas regarder des vidéos au travail ou sur la route, mais joyeusement lire Habr, il y a des malentendants pour qui la bande sonore est inaccessible ou difficile à comprendre. Nous avons décidé pour chacun d'entre eux et pour vous de décrypter un excellent contenu. Celui qui préfère la vidéo est le lien à la fin.
Intelligence machine et marchandisation des technologies
Bon après-midi Bonjour, tout le monde s'est réuni aux Olympiques. Merci pour l'eyeliner. C'est vrai, je vais parler de l'avenir, en utilisant des mots effrayants. Je soupçonne que le terme «marchandisation de la technologie» n'est largement connu de personne - ne soyez pas timide, il n'est généralement pas connu de beaucoup. Mais c'est utile, c'est vraiment simple. Je parlerai de lui plus tard. Et oui, il y avait la bonne phrase: je vais parler de l’avenir qui est venu, qui arrive, certains sont venus de sorte qu’il ne reste que le raclage.
Le problème, c'est que pendant 20 ans de mon travail sur Internet, il m'a semblé que tout était génial, se passe rapidement - comme c'est cool! Je comprends maintenant que tout ce qui s'est passé au cours de ces 20 ans a été un processus monstrueusement inhibiteur, incroyablement lent, mais il démarre rapidement maintenant. En général, tout le rapport, l'histoire est construite sur le principe d'une étrange mosaïque, une mosaïque qui ... Pas même, je ferais mieux de le dire ainsi: sur le principe d'un puzzle dispersé. Si, en regardant ces pièces, l'image de ces pièces du puzzle commence à se former dans votre tête - le but est atteint, sinon - eh bien, je ne sais pas, regardez le dossier, essayez-le - peut-être que cela finira par se terminer. Parce que ce n'est pas un livre de cuisine - je ne vous dirai pas comment le faire. Je vais vous dire dans quel avenir, dans quelques années, en 3-4-5 (pas plus), vous devrez organiser vos ventes, attirer des clients, communiquer d'une manière ou d'une autre avec des personnes qui vous sont liées.
Un avenir qui est déjà venu. Deux cas ne concernent ni Internet ni le marketing.
Mais je vais vous raconter des cas un peu étranges. Voici l'histoire d'un homme de Californie. Ce n'est pas par hasard que j'ai apporté son âge sur la diapositive - l'homme a 65 ans, il est encore plus âgé que moi. Il a un problème: il a une femme qui aime sa pelouse propre (mais c'est la Californie, il n'y a pas de clôtures de deux mètres autour des pelouses); les chats voisins marchent sur la pelouse et la merde. Comment cette tâche est-elle résolue en 2016?
Chats voisins et pelouse préférée: comment résoudre un problème avec sa femme
En 2016, cet homme, Robert Bond, achète un peu de fer à son ordinateur à la maison, y connecte une caméra de surveillance déjà debout, qui regarde la pelouse et fait une chose quelque peu inhabituelle plus loin - il télécharge un logiciel gratuit et gratuit à source ouverte, qui est un réseau neuronal et commence à former ce réseau neuronal pour reconnaître les chats dans l'image de la caméra.
Et la tâche semble à première vue insignifiante, car si quelque chose est facile à apprendre, ce sont les chats, parce que les chats sont jonchés d'Internet, des dizaines de millions de chats sont sur Internet. Si tout était si simple - reconnaître un tel chat "de jour" peut être formé sur le "jeu de données", qui se charge simplement avec la vitesse du canal de débit. Mais les choses sont pires: dans la vraie vie, les chats font la merde surtout la nuit. Il n'y a pratiquement pas de photos de chats nocturnes faisant pipi sur la pelouse sur Internet. L'homme avait, comme nous, comme toute entreprise engagée dans la science des données normale et la formation des réseaux de neurones ... D'accord, nous allons déterrer les images en plus, les faire nous-mêmes; le filet appris à reconnaître les chats de nuit est également très fiable ...
Et après cela - la dernière étape: une vanne à commande électrique est connectée à la sortie de cet ordinateur. La valve se trouve sur le tuyau qui mène au pulvérisateur. Par conséquent, dès que le chat pénètre dans la pelouse et veut s'adapter, il commence à l'arroser - le chat se décharge.
Le problème est donc résolu, la femme est heureuse, les chats ne marchent pas, et tout cela est un étrange miracle - les réseaux de neurones apprennent à reconnaître les chats, qui ont découvert que sur Internet, l'enfer, il n'y a pas assez d'images sources pour la formation. D'accord, nous allons vous finir! Elle a terminé ses études. Il s'agit probablement du seul réseau neuronal au monde capable de reconnaître les chats de nuit.
Tout cela est fait par une personne qui n'est pas un hyperprogrammeur, qui n'a pas travaillé chez Google ou Yandex toute sa vie, et avec l'aide de ce matériel, en général, c'est assez bon marché, compact et simple.
Concombres japonais: comment aider maman
Une autre histoire. De l'autre côté de l'océan en Californie, les Japonais cultivent des concombres dans une petite ferme familiale. Les concombres sur ce formulaire sont généralement classés en 9 catégories différentes.
Ce tri est effectué manuellement par une vieille maman. C'est difficile pour elle - elle se tient 8 heures par jour près du convoyeur, et elle est toute sa vie ... Enfin, pas tout, mais elle a consacré les dernières années de sa vie à ce qu'elle comprend, en regardant un concombre (ses boutons, sa couleur, sa taille et sa forme), dans lequel sur neuf catégories, il doit être attribué. Ils ont du mal - ils ne peuvent même pas embaucher un travailleur temporaire, car le travailleur doit apprendre pendant plusieurs mois ce glorieux processus - à reconnaître les concombres. Vous l'avez probablement déjà deviné.
C'était encore un ordinateur. Cette fois, cependant, la grille était dans le cloud, car l'ordinateur Raspderry Pi est assez faible puissance. Le filet a appris ce que maman fait comme échantillon d'entraînement, ils ont utilisé l'action de la mère elle-même: voici une photo du concombre, où sa mère l'a prise. Après que ma mère ait fait cela 10 mille fois: "Setochka, voici un nouveau concombre pour vous, comprenez-vous quelle catégorie il a?" "Je comprends", dit le setochka.
Et tout cela était incarné dans une telle conception: un convoyeur, les concombres montent dessus avant de tomber sur le convoyeur, une caméra les regarde, des pousseurs se tiennent le long du convoyeur et poussent un concombre dans une boîte de la catégorie correspondante. Encore une fois, c'est la décision de 2016. Il illustre un point très important qui est maintenant mal compris. Il est écrit à l'écran:
En fait, ce que nous appelions la technologie de l'information a cessé d'être de l'information. Ce sont des technologies opérationnelles: la machine formée elle-même effectue des actions et ne nous informe pas; la cloche ne sonne pas - «Le chat est venu. Que ferez-vous? Voulez-vous le nouer avec une serviette ou quoi? " Et il affiche le numéro de catégorie sur un concombre flottant. "Eh bien, maintenant vous pouvez le pousser avec votre main royale" ... Non! Il n'y a personne du tout dans ce processus après la fin de la formation. C'est une image très polyvalente qui caractérise le fonctionnement de l'avenir, dans laquelle les machines résolvent les tâches intellectuelles (pour identifier un chat, pour comprendre à quelle catégorie appartient un concombre).
La technologie de l'information est devenue opérationnelle
Et en fait, ce n'est pas notre caprice. Et en général, ce n'est pas la propriété uniquement d'Internet et de certaines choses virtuelles qui se produisent sur un ordinateur. J'ai spécialement apporté la diapositive: General Electric est une assez grande entreprise qui travaille avec des entreprises hors ligne colossales, qui croient que 2015 a été l'année où cette conversion a eu lieu - les technologies de l'information sont devenues opérationnelles et elles déterminent notre avenir. Et en fait, pour rattraper tout cela, nous devons réfléchir à la façon de mettre en place la même transition dans nos processus d'affaires, car la transformation est toujours une chose douloureuse et non instantanée.
Mais si vous ne vous préparez pas à cette information maintenant, vous pourriez vous retrouver parmi ceux qui ont été piétinés. Un bon exemple: ils ont marché sur Kodak, il pensait qu'il était bien protégé (une telle technologie!). Ils ont attaqué Blackberry - ils pensaient sincèrement qu'il était utile pour les gens de faire pression sur les boutons, et personne ne ferait glisser ses doigts autour de l'écran, le salissant. Où est le Blackberry? ..
Enfin, une autre référence aux autorités. Au début de cette année à Davos, lors du Forum économique mondial, ces mêmes mots ont été officiellement prononcés à plusieurs reprises: nous sommes maintenant au cœur même de la quatrième révolution industrielle. Cette révolution industrielle est principalement due à la vitesse effrénée avec laquelle l'intelligence artificielle et l'apprentissage automatique sont introduits.
Je déteste les mots «intelligence artificielle» et vais maintenant expliquer pourquoi. Parce qu'en fait, nous essayons de comparer la voiture avec nous-mêmes à cet endroit et de faire peur à la voiture (ça n'a pas peur): "Tu ne compareras jamais avec nous! Nous sommes des penseurs! ” Vous voyez, la machine à travers l'histoire de l'humanité a prouvé qu'elle peut faire plus - plus parce que nous la proposons.
Une voiture peut toujours faire plus
Voici un bon exemple que j'aime donner sur un tas de conférences - c'est une histoire sur un oiseau artificiel. Nous ne pouvons pas reproduire cela. Nous n'avons vraiment aucune idée du fonctionnement de chaque plume de son aile, de sa fonction en vol. De plus, la diversité de ces ailes à plumes dans la nature est monstrueuse! .. Et puis il y a les chauves-souris.
Qu'est-ce qu'un "oiseau artificiel"?
Certes, nous ne pouvons pas et ne pouvons pas seulement reproduire, et ne pouvons pas, à en juger par le développement de la technologie, dans les prochaines années - nous ne pouvons pas comprendre pleinement la physique du vol avec la précision du fonctionnement de chaque cheveu dans l'aile. Mais nous, puisque nous sommes des êtres humains, nous nous sommes inspirés de l'oiseau comme d'une idée de vol. Et dans ce sens, le premier oiseau artificiel était un ballon, créé plusieurs siècles avant aujourd'hui. Parce qu'il a permis aux gens de prendre l'air.
Puis, après un certain temps, ils sont revenus à l'idée d'une aile complètement différente, avec le profil que l'oiseau ne connaît pas - il est en statique, sans mouvements de balancement, il peut garder la voiture en l'air. Mais il a un moteur à réaction, et cette machine a commencé à nous transporter à travers l'océan, ce que les oiseaux ne peuvent pas.
De plus, à un moment donné, nous, l'humanité, avons volé vers les étoiles ... D'accord, vers Mars! Jusqu'à présent, pas aux étoiles, mais cette «curiosité» rampe sur Mars et transfère des selfies à partir de là. Le même oiseau artificiel l'a amené là-bas. Vous voyez, ce que nous avons pensé à l'idée de voler et ce qui devrait être un oiseau artificiel.
Écoutez, quand ils me parlent maintenant d'intelligence artificielle ... Eh bien, nous ne savons pas comment cela fonctionne (montre la tête) ... Oui! Tout comme nous ne savons rien de l'aile de l'oiseau. Cela ne nous a pas arrêtés au stade où les ballons sont apparus, inventent un boulier et simplifient une certaine opération dont les animaux ne sont pas capables, mais nous avons un compte rendu oral - mais, bon sang, c'est plus facile. Ensuite, la technologie nous a aidés à le rendre encore plus facile, puis la technologie a atteint les réseaux neuronaux eux-mêmes formés - c'est important! Ils apprennent par eux-mêmes!
Qu'est-ce que l'intelligence artificielle?
Si l'on se souvient de l'exemple d'un chat, personne n'a expliqué à cette grille les paramètres formels de la différence entre un chat et un bébé et un chien. Grid s'est elle-même étudiée, regardant des millions de photos de chats et a finalement appris. Nous ne savons pas comment. Eh bien, comment apprenons-nous?
Et en fait, ce dont je parle maintenant, que l'intelligence artificielle (la machine parle est encore plus correcte) aura la même relation avec notre cerveau qu'une fusée avec un moineau - et rend la vie si intéressante. Une fusée ne peut pas tweeter et chier sur nos têtes. Le moineau peut.
En même temps, une fusée, comme vous pouvez le deviner, peut: une charge nucléaire vers un continent voisin, Kurioshiti vers Mars, un satellite en orbite pour que l'Internet par satellite fonctionne, beaucoup de choses, mais cela n'a absolument rien à voir avec les moineaux. Exactement la même chose arrivera à l'intelligence artificielle: elle fera des choses que nous ne pouvons pas comprendre, ce que le cerveau peut faire, mais il le peut.
En même temps, une autre histoire intéressante s'est produite en parallèle, qui ne concerne pas tant de services ... Parce que je parle de services spécifiques maintenant - la reconnaissance d'image, en fait la fonction autour de laquelle les deux exemples ont été construits, autour de laquelle la recherche d'image est construite, un tas de certains les choses. Mais c'est toujours un service spécifique. Vous pouvez dire la personnalisation - j'aurai des exemples séparés à ce sujet. Il s'agit également d'un service distinct - pour comprendre quelque chose sur l'acheteur qui est venu chez vous. Mais c'est un service.
Non seulement les services eux-mêmes, mais aussi les interfaces
Les systèmes d'auto-apprentissage, les réseaux de neurones ont tout d'abord permis de résoudre un autre problème intéressant qui est absolument comme celui-ci - dans tous les services. Cette tâche est frontale.
Il y a quelque temps, il y avait un tel problème (bien qu'il existait): vous devez mettre les informations sous une forme lisible par machine afin que la machine puisse commencer à travailler avec. Plus un tel problème! Parce que ... Qu'est-ce qu'une vue lisible par machine? Elle peut lire le texte même du manuscrit, même de l'écran, même du dessin de la grotte, si le texte est là. Elle peut d'ailleurs comprendre ce qui s'est passé sur cette photo s'il s'agit d'une photo. Elle peut entendre ce qui a été dit à haute voix et le transformer en texte imprimé si vous en avez besoin pour une raison quelconque; pire que ça - le sens de tout cela pour comprendre ...
Reconnaissance de la parole, des images, de la synthèse vocale
Et c'est l'histoire la plus intéressante qui se passe maintenant. Ce qui se passe en ce moment est en train de changer énormément de vies, disons, dans quelques années. Pour que la machine apprenne à ne pas écouter bêtement et à traduire simplement les sons en lettres, il fallait lui apprendre un sens. Ici a commencé une tâche intéressante, une tâche absolument pratique, qui n'est pas visible de l'extérieur, et c'est une énorme percée qui a été résolue, par exemple, par des moteurs de recherche qui devaient résoudre le problème ...
Vous savez, pour certaines maladies mentales (s'il y a des psychologues dans la salle - ils connaissent un tel test), ils donnent quatre objets ou plus et disent: «Qu'est-ce qui est superflu ici? Trouvez-le. " Dans bien des cas, pour certaines maladies, des réponses complètement surprenantes, étranges qui nous paraissent délirantes. Donc, la même tâche pour la voiture: quatre objets - trouvez le supplément.
Et il s'avère que dans l'ancien modèle traditionnel d'analyse linguistique, c'est une grande embuscade. Parce que, si nous regardons l'objet n ° 2 et l'objet n ° 4, il s'avère que si ce texte écrit et cette accentuation ne sont pas entendus, le VERROU et le VERROU ne diffèrent pas. De plus, même une analyse approfondie de l'adjectif montre que c'est quelque chose qui décrit le matériau à partir duquel ce nom est apparemment fabriqué. Et il semblerait que ces deux objets soient très proches (pointe vers "Château de pierre" et "Château de fer"), et celui-ci ("Ancienne forteresse") n'est généralement nulle part, il n'y a rien de semblable. Mais vous et moi comprenons que l'histoire est complètement différente: de manière générale, cet objet est superflu (le château de fer), mais ces trois sont les mêmes. Comment expliquer cela à une voiture? Surtout en ce qui concerne le fait qu'il existe une image en général et, pour plus de simplicité, plus précisément pour le réalisme, nous supposons que cette image ne contient pas de texte dans les images - par exemple, sur la page où elle se trouve. Juste une image. Dans l'album photo. Comment le classer? Dois-je l'afficher à la demande de la "vieille forteresse"?
Et il s'est avéré qu'il y a une telle chose qui, pendant un certain temps, semblait une fiction non scientifique, comme un espace de significations très multidimensionnel dans lequel vous pouvez apprendre à une machine à construire des vecteurs. Des morceaux de ces vecteurs sont montrés sous les images, et même un coup d'œil rapide montre que ces (les trois premières images) sont généralement similaires - eh bien, les gars, il y a quelque chose 8, 7, 1, 3 ..., et ici - brrr, c'est évidemment quelque chose- ce n'est pas du tout. Autrement dit, ces trois ressortent quelque part en un seul endroit, dans un domaine, approximativement dans un domaine de cet espace de significations multidimensionnel monstrueux, et le quatrième quelque part quelque part là-bas.
Et cela résout le problème de la compréhension du sens, du moins du point de vue de quels objets sont significativement proches les uns des autres. C'est cool que cette tâche maintenant, par exemple, pour résoudre des problèmes similaires les uns aux autres, permette au même Microsoft de fournir une excellente traduction simultanée dans Skype. Parce qu'au moment même où au lieu des modèles linguistiques classiques qui trébuchent sur ce problème (verrou - verrou), les réseaux de neurones étaient connectés - il est devenu significatif de traduire. Et puis, les gars, ils relient déjà langue par langue. A ce moment, lorsque votre espace de ces vecteurs de sens est plein, sa projection dans n'importe quel langage est une opération purement technique. En ce moment, les problèmes de langue sur notre planète disparaissent en tant que classe.
Ceci est une histoire très non triviale! Je ne dis pas que l'ingénieux Yandex, l'ingénieux Microsoft, l'ingénieux Google le font maintenant. Je parle de la façon dont cela change la vie comme nous ne pouvions pas l'imaginer, en quelque sorte comme ça - avec un demi-coup de pied. Nous ne verrons même pas que tout à coup, tout dans l'interface était auto-traduit. Cela ressemblera à ceci - pas comme un super service séparé.
Tentative de science traditionnelle? Non, symbiose avec elle!
Je veux montrer ce qui se passe avec les domaines traditionnels en particulier sur l'exemple de la science, et non un produit commercial. Regardez, la science qui nous concerne tous est la météorologie. Nous voulons tous comprendre: devons-nous prendre un parapluie, va-t-il pleuvoir aujourd'hui? Peut-être qu'en fait, il n'est pas nécessaire d'avoir un parapluie, mais simplement de s'habiller plus chaudement, et il n'y aura pas de pluie, et le salaud est terrible.
Et ici, je vais maintenant parler de la solution Yandex, car elle, encore une fois ... Je ne veux pas vendre Yandex ici, elle est assez grande sans mes ventes. Ces choses avec la météorologie sont maintenant effectuées par toutes les grandes entreprises engagées dans la prévision des phénomènes météorologiques dans le monde: à la fois sur la chaîne météo et sur d'autres, IBM s'est connecté en termes d'apprentissage automatique. Heureusement, nous avons une prévision à l'intérieur (l'un des services Yandex), et, pour quelque chose, nous avons suffisamment d'apprentissage automatique.
À propos des prévisions météorologiques et de Meteum
Ainsi, le Meteum apparaît. Un bref tour d'horizon des prévisions météorologiques. Il s'agit d'une impressionnante gamme de données complètement diversifiée qui se déverse en temps réel dans les superordinateurs. Les données sont extraites de ce qui est maintenant à l'écran. Ce sont des dizaines de satellites météorologiques, à partir desquels circulent des informations sur la partie de la Terre qui se trouve sous eux, dans diverses parties du spectre.
Ce sont environ dix mille stations météorologiques qui donnent (mais, malheureusement, uniquement à la surface de la terre) des informations sur l'état de l'atmosphère: sa température, la direction du vent, la vitesse du vent, l'humidité, la composition chimique, si nécessaire, le degré d'exposition à la lumière du soleil - dofiga tout.
Eh bien, puisque, de manière générale, l'atmosphère est en trois dimensions, et afin de simuler toutes sortes de processus de ce type qui nécessitent de changer quelque chose en hauteur (les nuages sont à une certaine hauteur, et pas seulement une colonne) - il y en a plusieurs autres, Malheureusement, des stations assez petites pour la taille de notre Terre, d'où elles lancent régulièrement, plusieurs heures par jour, des ballons météo - un ballon lourd rempli d'hélium (donc il décolle), qui porte un ensemble de capteurs qui peuvent tout mesurer de la même façon (température, vitesse, humidité et t alias plus loin).
Et l'ensemble de ces données est déversé dans plusieurs centres hypercalculateurs situés dans le monde entier, et ces données sont traitées par plusieurs construits par des physiciens théoriciens, experts de la dynamique des fluides compressibles (c'est ce que l'atmosphère qui nous entoure est appelée dans un langage "physique") normal ... il y a beaucoup de modèles, ils sont vraiment peu nombreux, et plus difficiles ils ont été créés, pendant des décennies, par le travail d'un groupe de cerveaux brillants, de physiciens très forts, puis transformés en code exécutable par pas moins de programmeurs et mathématiciens brillants ami.Ces modèles donnent, en général, une sorte de prévision approximativement significative. Un exemple particulier: aucun de ces modèles dans cette situation ne prédira +30 (le soleil). Mais il est clair qu’ils sont couchés (le temps est à peu près le même que dans notre cour) - soit un peu plus de zéro, soit un peu moins de zéro, ou il y aura de la neige ou de la pluie, ou quoi?D'accord, connectons ici le système d'apprentissage automatique - celui que nous avons appelé MatrixNet (avec toutes sortes de mannequins pour le moment). Et dites-moi, le système d'apprentissage automatique, vous avez une tâche: ici, il y a un tas, un tas, un tas de prévisions (disons demain à 9 heures dans la région d'Olimpiysky). Vous les notez maintenant, ces prévisions, demain vous les comparerez aux résultats des observations réelles, car demain nous saurons à 9 heures ce qui s'est passé ici. Et donc en continu, et donc pour toute la Terre. Nous avons de grands centres de données.
Votre tâche consiste à apprendre tout le temps, en comparant la façon dont chacun de ces modèles s'écarte de l'observation réelle à un moment donné; Apprenez à minimiser ce delta, apprenez à générer vos propres prévisions, qui auraient un delta (écart avec la réalité, la température ou les précipitations ou une autre métrique) inférieur à l'écart de l'un de ces modèles individuellement.Dans le même temps, notons l'important: nous n'enseignons pas cette machine physique, nous n'avons pas de personnel enseignant, comme à l'Institut de Physique Atmosphérique de l'Académie des Sciences. Cette machine apprend elle-même à minimiser un certain paramètre, c'est-à-dire à faire une prévision plus précise. Pourquoi?
Oui, nous n'en avons aucune idée! Nous y chargeons encore des données supplémentaires, qui ne peuvent pas être chargées dans le modèle. Par exemple, pour des raisons générales, nous comprenons que, d'une manière générale, la vie dans l'atmosphère est différente pour différents types de surface sous-jacente, c'est-à-dire au-dessus d'un lac, au-dessus d'une forêt d'épinettes ou de forêts de feuillus ou de zones urbaines, l'atmosphère se comporte de manières très différentes.Mais sur Yandex.Maps, nous voyons des informations assez à jour, contrairement à ces modèles, dans lesquels ils avaient l'habitude de mettre ces informations il y a cent ans, puis d'abattre cette forêt, et là, ils ont construit une ville ... Mais nous avons quelque chose de plus ... des informations moins récentes sont disponibles sur nos cartes satellites. Nous pouvons le piloter et, par conséquent, le forcer à générer des prévisions qui sont désormais en moyenne plus précises que toutes les prévisions de ces gigantesques modèles. Et depuis que nous avons lancé Meteum il y a un peu moins d'un an, cela améliorera maintenant la précision, car pour apprendre à usiner pour bien prédire ... Eh bien, le temps est ainsi organisé - c'est une chose avec les cycles météorologiques. Autrement dit, jusqu'à ce que vous ayez survécu au moins à un automne, il est difficile de prédire de manière fiable le temps d'automne.Et maintenant, elle arrive au point où elle survivra à chaque saison au moins une fois. Nous l'avons lancé juste à la fin de l'automne. Maintenant pour elle, l'hiver ne sera pas une nouveauté - elle a déjà étudié l'hiver. Et cela augmentera les prévisions météorologiques sans améliorer notre compréhension des processus qui se déroulent dans l'atmosphère. Eh bien, vous comprenez, je me concentre spécifiquement sur ces mots, car c'est ce qui va arriver à votre travail. La machine à côté de vous résoudra des tâches intellectuelles importantes et intelligentes, tout en ne comprenant pas complètement ce qui se passe réellement. Personne ne lui a expliqué, car nous n'avons rien expliqué à ce sujet sur la physique.Personnalisation: l'avenir inévitable de la communication client
Et maintenant, je vais encore vous parler un peu de ce qui est important pour une entreprise en particulier. La science est la science, mais nous parlons des affaires. Regardez, l'histoire de la personnalisation a déjà sonné ici: Mikhail dans un rapport très parfait sur la mise à jour amoCRM vient de dire que, les gars, vous pouvez maintenant personnellement rattraper cette personne en annonçant quelque chose qu'il n'a pas encore acheté chez vous.C'est exact, il est idéal que cela devienne la norme dans une variété de systèmes, mais tout dans le monde n'est pas contrôlé uniquement à partir d'amoCRM. Ici, amoCRM, par exemple, vous permet de rattraper une personne sur d'autres sites (vous pouvez avoir votre propre site).Technologies de ciblage
Ici, un drôle de paradoxe de 2016 se pose: la publicité est technologiquement beaucoup plus avancée que tout le reste sur le site. Eh bien, vous comprenez: par souci de simplicité, je ne prends pas maintenant une application, mais juste un site Web - vous pouvez avoir du contenu statique accroché sur votre site Web qui y est suspendu depuis trois ans, c'est juste stupide, sans aucune interactivité, comme au moment où le Web est né, Il y a 20 ans. Et le code d'annonce, un morceau de code, Google et Yandex, ou une autre bonne grille, est une boîte noire terriblement intelligente, qui à ce moment-là, pendant que cette page est en cours d'élaboration, comprend tout sur l'utilisateur entrant, accède à la base de données avec des centaines d'annonces et crée hypothèses intelligentes et intuitives sur lesquelles il est plus probable de cliquer. Parce qu'en fait, le paramètre optimisé lorsqu'ils vous montrent une annonce est la probabilité d'un clic.C'est un tas de toutes les mathématiques, "machine-learning" et tout le reste. Et la page - telle qu'elle est, elle l'est.
L'intelligence artificielle apprend des gens
Comprenez-vous que cela ne prendra pas si longtemps? Vous comprenez que suffisamment tôt pour avoir un site qui n'est pas aussi intelligent que les publicités autour ... eh bien, kwa ... eh bien, c'est dégoûtant d'être sur un tel site?! C'est dégoûtant d'aller sur un site dont le visage est le même pour tout le monde, sur une carte de produit qui est la même pour tout le monde, et ainsi de suite, et ainsi de suite, et ainsi de suite.
C'est l'histoire que la personnalisation vous dépassera partout. Et plus cela va marcher, plus cela fonctionnera de mieux en mieux, car, encore une fois: les machines apprennent des gens. Il est très important que nous ne la formions pas, nous ne comprenions pas quelque chose de nouveau et donc nous n'avons rien à apprendre à la machine. Oui, elle apprend elle-même tout le temps, car tout le temps il y a ces millions, ces milliards de clics qu'elle prend elle-même.Crypta
Et oui, ici ça se révèle ... Un peu effrayant un si petit schéma bloc issu d'une présentation plus technique. Par exemple, la technologie, que nous appelons Crypta, vous permet de déterminer les intérêts d'une personne, beaucoup de choses tournent, et en conséquence, la «boîte noire» décide quoi dessiner sur le «visage» d'une sorte de «marché».
Arrêtez la moyenne et la segmentation!
Traduit dans les termes marketing habituels, cela signifie: arrêter la moyenne, arrêter la segmentation, vous pouvez travailler au niveau de la personnalisation. Ce cocktail familier de plusieurs composants est capable de garder notre cerveau faible. La voiture n'a pas besoin. Elle n'a pas besoin de se diviser en dix catégories ou d'aller à une sorte de segmentation RFM, où, encore une fois ... Peu de spécialistes du marketing avancés, peu de gens peuvent garder plus de vingt segments dans leur tête. Et la voiture s'en fiche, elle n'a pas besoin de segments - elle travaille directement avec des centaines de millions, comme, par exemple, dans notre cas, différents utilisateurs.En même temps, un algorithme intelligent montre non seulement quelque chose de similaire (ce sera triste pour une personne), il peut ouvrir quelque chose, il peut montrer à une personne - «Wow! Comment pourrais-je ne pas savoir cela? " Je suis allé à la page - et au texte; bâtons ...
Est-il possible de sortir de la "similitude"?
Et c'est ainsi que, par exemple, tous les services de streaming modernes fonctionnent, c'est ainsi que fonctionne YouTube. Les recommandations commencent à s'adapter à chaque personne. À titre d'illustration, il y a un graphique de la façon dont le temps passé sur le service augmente lorsque vous activez la «boîte noire» ... et-et-et ... une personne commence à coller parce qu'on lui recommande des chansons qu'il veut écouter tout le temps.
Yandex Zen
Ou comment cela se passe dans notre plus avancé, le plus récemment lancé, et dans un tas de pays différents, le tueur de temps appelé "Zen". Un tel service. C'est soit dans le «lancer» sur le mobile, soit dans le navigateur sur le mobile. Il existe un flux de contenu optimisé pour chaque personne individuellement, d'un type très différent: nouvelles, photos, chats, recettes - ce qu'une personne veut lire.
Mais elle est personnalisée pour lui de manière absolument automatique. Là, pour la première fois, nous étions convaincus que peu nous importait où le service était lancé - au Brésil, en Indonésie ou en Russie. Nous n'avons pas besoin de nous engager dans une longue étude des caractéristiques culturelles, des caractéristiques de la consommation de contenu dans ce pays - tout cela est fait par l'algorithme.Expérience sociale Yandex
Nous avons fait cette expérience lors de notre conférence marketing à Yandex fin juin de cette année. Nous l'avons fait lors de la conférence, car il y a des subtilités juridiques et techniques, pourquoi nous n'avons pas pu le sortir dans la rue. Eh bien, dans la rue, ce sera dans un an.
Ici, un homme passe devant le moniteur. La caméra ne montre pas seulement son image, mais des déchets tournent au-dessus de sa tête. Une personne pointe avec l'application installée la caméra de son smartphone vers les gens des autres dans le hall, et d'autres photos tournent au-dessus d'eux. Ces photos sont les intérêts de ces personnes. Nous ne leur avons pas posé de questions à ce sujet. Et je ne vous dirai pas quel genre de magie, alors quoi ...Pour résumer ...
Je peux imaginer ce qui se passerait si maintenant ... Dans quelle poche ai-je un smartphone?Eh bien, ici ça ne marchera pas. Mais imaginez, j'ai passé - et je sais de quoi parler avec chacun de vous.En résumé, j'ai parlé. Regardez, cette diapositive est juste pour illustration. Lorsque j'ai parlé de technologies de marchandisation, cela signifie que tout est devenu disponible à partir de la prise, qu'il est devenu une «marchandise» comme l'électricité. Aucun de nous n'est électricien et aucun de nous ne sait comment démarrer un générateur diesel. Eh bien, la plupart. Mais nous savons très bien que nous avons une prise de courant dans l'appartement et vous pouvez la brancher: si vous voulez, une machine à laver, si vous voulez, un fer à repasser. Donc, juste comme ça, vous pouvez maintenant travailler avec le machine learning, avec l'esprit machine, car il y a un code open source, il y a une API - voici juste une liste de ce qui est souvent disponible gratuitement (pour ne pas être sans fondement).Et, comme résultat principal, en fait, la finale principale, la dernière diapositive.2020+: les compétences managériales les plus importantes
Les gars, quand ils m'ont demandé de faire cette diapositive: "Eh bien, me direz-vous quelque chose vers vingt ou vingt ans?" Je dis: "Oui, c'est facile." Parce que cela se résume à trois points principaux.
Vous devez travailler avec des machines intelligentes créatives (si vous le souhaitez, si vous ne le souhaitez pas, vous devez le faire). C'est sacrément dur. Je sais de ma propre expérience chez Yandex. Ici (je ne vous vois pas bien à cause des projecteurs aveuglants) je vous demande de répondre à haute voix à la question: y a-t-il des gens ici qui ont d'autres employés dans la subordination (ils disent «oui» de la part du public)? D'accord, cela vous a-t-il été facile de leur déléguer («non» du public)? Attendu. Nous aussi! Imaginez: vous devez déléguer aux machines, et vous ne sortirez pas avec une voiture le soir pour une bière ou quelque chose à boire et dire: "Vasya, qu'est-ce que tu ... Allez, tu ne seras plus comme ça." Cette machine ne peut vraiment pas vous expliquer pourquoi elle a pris cette décision. Mais si vous n'apprenez pas à travailler avec (oui, il va parfois «fakapit», comme n'importe lequel d'entre nous et n'importe lequel de nos employés), alors c'est juste une «couverture».
La loi de Clark
Ceci est la diapositive la plus récente. C'est l'une des lois de Clark. Je sors avec une queue grise et dis des choses étranges. Il y a une loi qui dit: si une personne de mon âge sort, commence à porter quelque chose sur le fait que - «Cela n'arrivera jamais! L'homme est la mesure de toutes choses, donc la machine ne le sera jamais ... (prend une profonde inspiration) C'est le conservatisme de l'âge, les gars, je suis désolé.
Et quand une personne dit: «Écoutez, malgré tout mon conservatisme, ça le sera!», Il a très probablement raison s'il est un expert en la matière. Mais je fais bouillir sur Internet depuis vingt ans.
Alors merci! D'une manière ou d'une autre, mais cela arrivera!
Un peu de publicité :)
Merci de rester avec nous. Aimez-vous nos articles? Vous voulez voir des matériaux plus intéressants? Soutenez-nous en passant une commande ou en le recommandant à vos amis,
cloud VPS pour les développeurs à partir de 4,99 $ , une
réduction de 30% pour les utilisateurs Habr sur un analogue unique de serveurs d'entrée de gamme que nous avons inventé pour vous: toute la vérité sur VPS (KVM) E5-2650 v4 (6 Cœurs) 10 Go DDR4 240 Go SSD 1 Gbps à partir de 20 $ ou comment partager un serveur? (les options sont disponibles avec RAID1 et RAID10, jusqu'à 24 cœurs et jusqu'à 40 Go de DDR4).
Dell R730xd 2 fois moins cher? Nous avons seulement
2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV à partir de 199 $ aux Pays-Bas! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - à partir de 99 $! Pour en savoir plus sur la
création d'un bâtiment d'infrastructure. classe utilisant des serveurs Dell R730xd E5-2650 v4 coûtant 9 000 euros pour un sou?