Революционный год в машинном обучении

Опубликовано:

Для того, чтобы предсказать будущее, мы взглянём на данные, которыми располагаем о прошлом.

В Сан-Франциско, автомобили на автопилоте и люди, разговаривающие с Siri, стали привычным делом. По мере того, как машины всё более вплетаются в нашу повседневную жизнь, мы становимся свидетелями новой революции, охватывающей весь мир.

Вне сомнений, революция искусственного интеллекта наступила и прочно закрепилась в современном обществе. Как и во времена прошлых революций, предприниматели, которые идут ва-банк, завтра станут титанами бизнеса. Генри Форд в эпоху промышленной революции  и Джефф Безос в эпоху интернет-революции построили свои компании именно потому, что смогли предвидеть будущее, сильно отличавшееся от их настоящего. Они жили в будущем.

Машинное обучение в 2016 году превратилось в мейнстрим. Впервые в истории, оно стало доступным не только крупным компаниям, вроде Google, Amazon или Apple. Стартапы также начали выпускать товары и услуги с помощью машинного обучения.

Итак, что же такое машинное обучение? Машинное обучение – это обучение при помощи данных. Для того, чтобы предсказать будущее, мы взглянем на данные, которыми располагаем о прошлом. Статистика и прогнозный анализ существуют в течение долгого времени. Однако кое-что изменилось: теперь у нас есть инструменты, чтобы использовать их практически для всего. Например, появились новые, специализированные языки программирования для машинного обучения, которые могут позволить младшему программисту создавать удивительные вещи. Теперь мы можем легко использовать машинное обучение для таких вещей, как распознавание речи и лица, перевод языка, классификация данных и обнаружение объектов. Многие задачи, которые ранее можно было выполнить только вручную, теперь легко и просто автоматизировать с применением машинного обучения.

COW_v1.2.jpg

Когда Безос основал Amazon в 1994 году, он не являлся экспертом по интернету. Однако, он оставил хорошо оплачиваемую работу на Уолл-стрит, сделав ставку на интернет – за которым, по его мнению, было будущее. Безос был бизнесменом, а не техническим специалистом. Тем не менее, он приложил огромные усилия, чтобы разобраться в интернете, а также использовал свой опыт и умение вести бизнес, чтобы извлечь из него выгоду.

Таким же образом, вам не нужно быть экспертом по компьютерным наукам, чтобы построить свой собственный стартап для машинного обучения. На самом деле, лучше стать хорошо осведомленным в другой отрасли, а затем решить существующие в ней проблемы за счет использования машинного обучения. Ведь тогда вы будете хорошо знакомы с главными недостатками в своей отрасли, которые машинное обучение способно устранить.

Компании используют машинное обучение для создания более мощных продуктов. Их существуют сотни, но давайте взглянём на некоторые конкретные примеры.

  • Forkable использует машинное обучение, чтобы выяснить, что вы хотите на обед, прежде чем вы сами это поймёте – и автоматически сообщает вам меню.
  • Dark Trace отслеживает сетевой трафик вашей компании и использует машинное обучение для выявления возникающих угроз безопасности.
  • Nova использует машинное обучение, чтобы писать персонализированные рекламные письма. Оно знает, какие электронные письма показывают лучшие результаты, и предлагает изменения в вашу рекламу.
  • Blue River Technology создает оборудование для фермеров, которое использует машинное обучение и компьютерное зрение для диагностики и индивидуального обращения с каждым растением.
  • Sift обнаруживает онлайн-мошенничество и предотвращает отзывы платежей при помощи машинного обучения.

Машинное обучение также может стать для вашей компании конкурентным преимуществом. Позвольте привести в качестве примера мою собственную компанию. Мы находимся в индустрии онлайн-анкет. Наша индустрия сильно страдает от рук мошенников. Эти преступники пытаются использовать наш продукт для создания фишинг-анкет, обманывающих людей, вводя их учетные данные на других веб-сайтах. Наши инструменты на основе машинного обучения позволяют обнаружить, кому ограничить, а кому открыть доступ к продукту компании. В результате, мы можем продолжать обслуживать законопослушных пользователей, в то время как наши конкуренты вынуждены блокировать свои веб-сайты для целых стран. Использование машинного обучения для обнаружения возможных случаев фишинга позволяет нам продолжать предоставлять бесплатные услуги по всему миру, не развязывая при этом руки плохим парням.

Другой областью, где мы используем машинное обучение, является маркетинг. Мы классифицируем наших пользователей исходя из отдельных слов и фраз, используемых в их анкетах. С помощью подобного процесса классификации, наша маркетинговая команда отправляет по электронной почте индивидуальные кампании различным сегментам пользователей, которые лично не предоставили нам демографической.

Посмотрите внимательно на каждую вещь, которая в настоящее время выполняется в вашей отрасли вручную. Уже завтра, все эти вещи будет выполняться с помощью машин. Предприниматели, которые шокируют свои отрасли применением машинного обучения, станут победителями дня завтрашнего. Революция машинного обучения наступила, и она не отступит. Присоединяйтесь к революции.

Источник: www.entrepreneur.com/article/287324