Ознакомительная версия. Доступно 10 страниц из 46
привлечения разных людей в разработку искусственный интеллект может привести к усилению неравенства в доходах.
Обработка естественного языка (NLP)
Другая интересная разработка в этой области – это технология обработки естественного языка (англ. Natural language processing, NLP). Это о том, как научить машины воспроизводить человеческое общение, как письменное, так и устное. Технологии обработки естественного языка – это важнейший аспект разработок искусственного интеллекта, особенно для тех систем, которым требуются голосовые вводные данные, как, например, голосовые ассистенты. Также это сложнейшая задача, так как речь человека, особенно в естественной среде, часто путаная, неясная и многослойная. Для обучения машин нюансам речи требуется большой объем расшифровок записей реальных разговоров и видеозаписей.
Самое широкое применение технологии обработки естественного языка – это чат-боты. Чат-боты используются не только в обслуживании клиентов, но и в продажах. Они снизят необходимость в высокозатратных каналах, таких как колл-центры для входящих звонков или исходящий телемаркетинг, особенно когда дело касается низкоприбыльных клиентов. Такие компании, как Lyft, Sephora и Starbucks, уже используют чат-боты для принятия заказов и взаимодействия с клиентами. В сфере B2B такие компании, как HubSpot или RapidMiner, используют чат-боты для классификации потенциальных заказчиков и направления их на подходящие каналы для продолжения общения. Популярность онлайн-мессенджеров, таких как WhatsApp, Facebook Messenger и WeChat, – это ключевая причина усиления чат-ботов. По тем же причинам люди ожидают, что общение с чат-ботом будет проходить так, будто это общение с другими людьми.
Именно поэтому настолько важны технологии обработки естественного языка. В отличие от простых чат-ботов, которые способны отвечать только на закрытые вопросы, усиленные технологиями обработки естественного языка боты могут интерпретировать и отвечать на произвольные вопросы. Технологии обработки естественного языка NLP позволяют чат-ботам понять сообщение в чате, хотя оно и содержит такой «шум», как опечатки, сленг и аббревиатуры. Мощные чат-боты также могут распознавать настрой сообщения, например, подмечать саркастические замечания. Также они способны понимать контекст, чтобы предполагать смысл, вкладываемый в двусмысленные слова.
С помощью голосовых технологий машины также стали намного лучше реагировать на голосовые команды. Доступно множество голосовых ассистентов: Alexa от Amazon, Siri от Apple, Google Assistant или Cortana от Microsoft. Эти приложения уже отлично справляются с ответами на простые запросы и выполнением команд на множестве языков. На конференции Google I/O во время демонстрации проекта Duplex в 2018 году было показано, насколько ловко виртуальные ассистенты могут поддерживать обычную беседу. При звонке в салон или ресторан с целью бронирования виртуальный ассистент избавляется от роботизированного голоса и даже добавляет использование пауз и слов-паразитов, что делает речь, как никогда, реалистичной.
С последними разработками все больше покупателей начинают искать товары и покупать их с помощью голосовых ассистентов. Ассистенты будут сравнивать продукты и предоставлять рекомендации о брендах к покупке на основании исторических данных: чем больше раз продукт был куплен, тем более точной является рекомендация. Предвосхищая этот полностью новый способ покупок, брендам необходимо быть готовыми и самим собрать большое количество данных для понимания алгоритмов покупки, которые отражают пользовательские предпочтения.
Сенсорные технологии
Помимо распознавания текста и речи, компьютеры также научились обучаться на основе распознавания изображений и лиц. Растущая популярность фотографий и селфи в эру социальных сетей подпитывает этот тренд. По сути, системы распознавания изображений сканируют изображения и обращаются в интернет или в базу данных для поиска сходств. Будучи лидирующей поисковой системой, Google разработал возможности распознавания изображений, с помощью которой люди могут выполнять поиск по изображению.
Применений технологий распознавания изображений очень много. Например, просматривая миллионы постов в социальных сетях, компании могут обнаруживать фотографии людей, которые покупают или потребляют продукцию их брендов и посылать им сообщения с благодарностью. Они также могут идентифицировать людей, которые пользуются продукцией брендов-конкурентов и приглашать их переключиться на их продукты. Такая узкотаргетированная реклама – это очень эффективный способ увеличить долю на рынке.
В Великобритании компания Tesco широко использует сенсоры с технологиями распознавания изображений для улучшения раскладки продукции: технологии показывают, как надо расположить товары на полках, чтобы способствовать увеличению покупок. Компания привлекает роботов для фотографирования продуктов на полках и анализа изображений для обнаружения дефицита или неправильной раскладки. Также системы с возможностью распознавания изображений полезны для улучшения клиентского опыта. Например, клиенты могут отсканировать продукт на полке и получить детальную информацию о продукте у алгоритма искусственного интеллекта.
Также компания Tesco планирует применять камеры с системой распознавания лиц на кассах для определения возраста тех, кто покупает алкоголь или сигареты. Это позволяет ставить кассы самообслуживания, которые не требуют присутствия человека-кассира. Другой пример использования программного обеспечения с системой распознавания лиц – это цифровые рекламные щиты. Определение демографического профиля и эмоционального состояния аудитории может помогать рекламодателям предоставлять подходящий контент. Фиксация мимики аудитории при просмотре контента также позволяет рекламодателям улучшать свою рекламу.
Другая популярная область применения сенсорных технологий – это беспилотные машины. Технологичные компании, например связанная с Google компания Waymo, конкурируют в этой области с компаниями, поддерживаемыми такими автопроизводителями, как GM Cruise, Ford Autonomous или Argo AI. Беспилотный автомобиль сильно зависит от сенсоров, передающих информацию в ИИ, который анализирует окружающую обстановку. Обычно ИИ использует четыре типа сенсоров: камеру, радар, ультразвук и лидар – расположенные в различных частях машины для измерения дистанции, обнаружения дорожной разметки и определения других окружающих автомобилей.
Также на машины часто устанавливаются телематические системы с сенсорами для усиления безопасности и помощи в управлении машиной. Это особенно полезно для логистики и оптимизации цепочек поставок. Владельцы могут отслеживать свои беспилотные машины, получая ежедневные выводы о закономерностях перемещений по GPS, времени в пути, километраже и эффективности расхода топлива. Более важно, что владельцы могут получать оповещения, когда их машинам требуется техническое обслуживание. Страховые компании, например Progressive или GEICO, также используют телематические системы для страховых программ, предлагая скидки по страховым взносам за безопасное вождение.
Робототехника
Начиная с 1960-х крупные компании в промышленно развитых странах использовали роботов в основном для автоматизации внутренних процессов. Роботы-автоматизаторы показали наибольший потенциал для экономии на издержках в производстве, так как там процессы с широким использованием ручного труда, особенно в последнее время, когда цена на роботов упала ниже уровня завышенных заработных плат. Разработки в сфере искусственного интеллекта расширили спектр задач, которые могут решать индустриальные роботы. Вкупе с выносливостью роботов и их гибкостью по часам работы, которые ведут к усилению продуктивности, компаниям теперь точно имеет смысл автоматизировать процессы.
В последние годы компании пробовали использовать роботов для замены людей при взаимодействии с клиентом как маркетинговый эксперимент. Из-за стареющего населения и тенденции принимать лишь небольшое число иммигрантов Япония продвигается вперед
Ознакомительная версия. Доступно 10 страниц из 46
