Машинное обучение уже вокруг нас: интегрировано в телефоны, используется в автомобилях и домах, а также применяется в деловом ПО, помогая быстрее получать информацию и принимать более обоснованные решения.
В 2018 году машинное обучение станет технологией года, с чем согласны крупнейшие российские компании, клиенты Oracle, пишет Daria Maenkova в блоге Oracle сегодня. Оно повлияет на то, как мы живем и как работаем, больше, чем любая другая технология со времени появления интернета.
Вот 5 причин, почему.
Искусственный интеллект почти в каждом ПО По мнению аналитиков Gartner, к 2020 году технологии искусственного интеллекта будут применяться «почти в каждом новом программном продукте». Для поставщиков программного обеспечения наступает захватывающее время, а для компаний-заказчиков - решающий момент. Машинное обучение коренным образом меняет окружающий нас мир уже сейчас. Оно позволяет значительно ускорить и повысить эффективность принятия решений. Возможно, звучит не так сенсационно, как самоуправляемые автомобили, но это сделает машинное обучение «технологией века» для бизнеса. «Это цифровая интуиция для бизнеса, - считает Константин Карнаухов, начальник отдела бизнес-приложений отчетности IT X5 Retail Group. - Уже сейчас машинное обучение и искусственный интеллект позволяют решать аналитические задачи, которые не под силу человеческому мозгу, учитывая влияние огромного количества факторов. Применение подобных технологий дает возможность увидеть риски и детали, зафиксировать которые с помощью традиционных средств аналитики невозможно». «Революция данных» Благодаря сельскохозяйственной и промышленной революциям появились различные инструменты, облегчающие жизнь. Сейчас мы переживаем «революцию данных». Алгоритмы машинного обучения нуждаются в данных - как можно большем количестве данных из как можно большего числа источников. Чем больше они «питаются» этими данными, тем «умнее» становятся, и тем больше их потенциал при принятии решений. «Машинное обучение позволяет заставить большие данные приносить пользу и делать хорошо обоснованные выводы, - отмечает Владимир Чибисов, Директор по информационным технологиям МХК "ЕвроХим". - Распознавание и группирование записей, основанных на общих шаблонах, помогает сосредотачиваться на важных данных и отсекать второстепенную информацию». С ним согласны и в X5 Retail Group: «Крупные компании уже накопили достаточно большой объем разнородных данных, пришла пора их монетизировать, а без технологий это возможно сделать только в неполном объеме». Облака - неотъемлемая часть ИТ-стратегии Растущая зрелость и широкое распространение облачных технологий - дополнительные факторы, которые сделают 2018 год благоприятным для машинного обучения. Облака - неотъемлемая часть ИТ-стратегии уже практически любого бизнеса. «Сегодня уже мало кто сомневается в необходимости и преимуществах использования облачных сервисов, они становятся уже чем-то само собой разумеющимся. Важно создать привлекательное для рынка комплексное предложение с возможностью постоянного развития», - подтверждает Марина Бахмут, директор департамента по развитию активной инфраструктуры и платформ ПАО "Ростелеком". Облачные технологии способствуют цифровой трансформации компаний и их способности с выгодой использовать свои данные. Для повышения эффективности машинного обучения решающее значение имеет интеграция облачных приложений, платформ и инфраструктуры. В результате механизмам машинного обучения становятся доступными все большие объемы данных, стираются границы, исчезают изолированные «островки данных», используются данные разных организаций и их сетевых инфраструктур. Если большие данные дают нам возможность найти новые ценности в процессе цифровой трансформации, а облако становится ее основой и предлагает «строительные блоки» для цифровизации, то машинное обучение станет первым по-настоящему промышленным инструментом для масштабного освоения этих новых ценностей. Безграничные возможности применения Во всем этом решающее значение имеет стратегия. Чтобы получить от машинного обучения максимальный результат, очень важно найти приложения, обладающие стратегической ценностью, способные фундаментальным образом трансформировать функции или критически важные процессы в бизнесе, а не просто воплощающие краткосрочный «вау-фактор». «Задача – интегрировать искусственный интеллект в деловую практику и усилить свои конкурентные позиции на рынке», - считает Марина Бахмут (ПАО «Ростелеком»). Привлекательность машинного обучения в том, что возможности его использования практически безграничны. «Транзакционные и идентификационные данные; метрики приложений, хостов, виртуальных машин, серверов; данные уровня пользователей; инфраструктурные и диагностические данные - все они хорошо подходят для машинного обучения и имеют предсказуемый формат», - перечисляет возможности машинного обучения Владимир Чибисов (МХК "ЕвроХим"). Оно должно применяться там, где важен быстрый анализ и аналитика данных. Технология способна преобразовать методы выявления тенденций или аномалий в больших наборах данных и дать ценные результаты в разных областях - от клинических исследований до соблюдения нормативных требований и обеспечения информационной безопасности. По словам Константина Карнаухова (X5 Retail Group), в ритейле возможности машинного обучения могут быть полезны для оптимизации практически любых процессов, не требующих 100% точности данных. Например, для настройки ценообразования, категорийного менеджмента, прогнозирования экономической эффективности, улучшения логистических систем и доработки других процессов, требующих учета влияния большого количество вводных. Сокращение времени на получение точных и надежных прогнозов может оказать значительное влияние не только на способность бизнеса эффективно планировать бюджеты и ресурсы, это в совокупности может дать любой компании значительный финансовый выигрыш. Расширение возможностей человека В настоящее время машинное обучение способствует революционным изменениям в обслуживании клиентов. Практически у любой компании большое количество запросов разделяется на ограниченное число категорий, и многие из них легко прогнозируются. Отвечать на них вполне могут чатботы на основе алгоритмов машинного обучения, которые помогают им все точнее реагировать на запросы клиентов. Это сокращает время ожидания и уменьшает число недовольных, что делает бизнес более эффективным. Такие чатботы позволяют менеджерам по работе с клиентами заняться обработкой уникальных жалоб и запросов, которые действительно требуют вмешательства человека. «У нас алгоритмы машинного обучения используются для проведения аспектно-сантиментного анализа упоминаний авиакомпании в социальных сетях и обращений, полученных от клиентов, - отмечает Кирилл Богданов, заместитель генерального директора а/к «Аэрофлот». - В результате автоматически определяется тематика и тональность поступившего обращения, и обращение направляется непосредственно подразделению-исполнителю». Последний пример, возможно, наиболее показателен – он демонстрирует, как машинное обучение меняет характер работы людей. Оно не заменит человека, но, безусловно, поможет улучшить, усовершенствовать его деятельность. Некоторые профессии, несомненно, будут меняться, другие – отмирать, но прогресс постоянно ведет к созданию новых рабочих мест, формированию новых бизнес-моделей и даже появлению целых новых отраслей. У машинного обучения есть единственный риск - это игнорирование данной технологии. 2018 год должен быть годом, когда бизнес возьмет на себя задачу исследовать и раскрыть ценные возможности машинного обучения, если он этого еще не делает. Источник: Oracle
|