Недавно сингапурский Esquire опубликовал серию статей, полностью написанных искусственным интеллектом. Журналист-бот, которого зовут AI Squire, создал несколько материалов, в том числе статьи про взаимосвязь ИИ и искусства, а также об истории машинного обучения. Пока искусственный интеллект пробирается в медиа, другие индустрии уже вовсю используют преимущества машинного обучения и нейросетей для обработки больших данных и построения алгоритмов, которые упрощают жизнь и бизнес.

Что такое machine learning

Машинное обучение – один из подвидов искусственного интеллекта, связанный с созданием алгоритмов, которые могут модифицировать и улучшать сами себя, без участия человека (путем саморасширения за счет структурных данных). Проще говоря, машины обрабатывают большие данные и процессы, выявляют паттерны, с помощью которых анализируют новые порции данных, и так по нарастающей. Главное преимущество такого инструмента – машина может выявить паттерны и логические связи, быстро исследуя огромные массивы данных, а вот когнитивные способности человека не позволяют ему это сделать.

По данным Crunchbase, в 2018 году количество стартапов, которые используют машинное обучение как основной инструмент для создания своих продуктов, превысило 5000. В отчете KPMG Venture Pulse Report говорится, что венчурные инвестиции в искусственный интеллект удваиваются с каждым годом. В 2016 году они составляли $6 млрд, а в 2017-м – уже $12 млрд. По прогнозам аналитиков, к 2023 году объем рынка искусственного интеллекта достигнет $75 млрд.

Согласно отчету британского венчурного фонда MMC Ventures, стартапы в области искусственного интеллекта в среднем привлекают на 15-50% больше инвестиций, чем обычные технологические компании. Интересно, что 40% европейских ИИ-стартапов на самом деле не используют никаких технологий искусственного интеллекта.

Спектр задач, для решения которых используют искусственный интеллект, и, в частности, машинное обучение, огромен. Это банальные спам-фильтры и определение медицинских диагнозов, выявление подозрительных транзакций в банкинге и расстановка товаров на полках в магазинах, прогнозирование стоимости ценных бумаг, риск-менеджмент и многое другое.  

UNIT Citizen рассказывает о нескольких ML-проектах, истории которых наглядно показывают, как можно успешно использовать машинное обучение для решения нетривиальных задач.

Сельское хозяйство

PEAT – берлинский ИИ-стартап, который в 2017 году журнал Fortune внес в список «Компании, которые меняют мир». Мобильное приложение Plantix, которое стартап запустил в 2016 году, действительно меняет агромир, используя машинное обучение. Алгоритм способен диагностировать заболевания растений, вредителей и дефицит питательных веществ, влияющих на урожай, а также предлагать соответствующие меры лечения. Для этого пользователю нужно всего лишь сфотографировать зараженное растение. Далее нейросеть распознает изображение, проанализирует его и выдаст результат.

К ноябрю 2017 года Plantix загрузили более 1 млн пользователей из 155 стран мира, а общая сумма привлеченных стартапом инвестиций составила 5,6 млн евро.

Оптимизация производства

Основанная в 2013 году ИИ-платформа Citrine Informatics может анализировать большие массивы технических данных о любом физическом продукте. Материалы, R&D, логистика – все этапы и составляющие любого производства анализируются, структурируются, и на их основе формируются алгоритмы оптимизации для конкретной компании.

Систему используют ученые в исследовательских центрах, а также инженеры в больших производственных компаниях – например, химический гигант BASF и технологическая корпорация Panasonic. Недавно стартап отметила наградой AI Breakthrough – независимая организация, которая поддерживает компании, технологии и продукты на глобальном рынке искусственного интеллекта. Решение Citrine Informatics признали лучшей ИИ-технологией для производственных компаний. Стартап уже трижды привлекал инвестиции (общая сумма – $15,6 млн).

Спорт

Iceberg – платформа, основанная в 2015 году в Торонто. Проект помогает хоккейным тренерам анализировать статистику игры команды или конкретного спортсмена, используя ИИ. В режиме реального времени технология фиксирует данные с точностью до 0,1 секунды.

Алгоритм анализирует большие массивы данных об игроках и командах – владение и передача шайбы, время пребывания на льду, число бросков, количество начальных бросков и другие статистические показатели игры, а также общее состояние игроков, силу, скорость, способности, навыки, условия в день матча. Одновременный анализ всех этих показателей позволяет прогнозировать успешность команд и конкурентов.

Судоходное дело

Nautilus Labs – основанная в 2016 году американская облачно-аналитическая платформа, которая занимается повышением эффективности морских перевозок. В апреле 2019 года в ходе второго раунда инвестирования стартап привлек $11 млн от нескольких крупных инвесторов, в том числе от венчурного фонда компании Microsoft. Общая сумма привлеченных инвестиций составила $14,5 млн.

Платформа собирает данные со всех возможных источников на берегу и в море,  объединяет их с метеорологическими, океанографическими и коммерческими данными для создания профилей судов и их маршрутов. Благодаря машинному обучению  платформа обеспечивает аналитику в реальном времени, оповещения и поддержку принятия решений для операторов, которые регулируют движение судов.

Это позволяет судоходным компаниям умеьшить расход топлива, увеличить операционную эффективность и в конечном итоге оптимизировать производительность всех судов с течением времени. Платформа доказала снижение выбросов топлива более чем на 10% за один рейс и экономию до 30% при более широком развертывании.

Физическая реабилитация

Raccoon.Recovery – украинское решение для физической реабилитации после травм и инсультов, состоящее из контроллера и программного обеспечения, которое анализирует данные и с помощью искусственного интеллекта подбирает самый эффективный курс реабилитации. Пациент играет в компьютерные игры с помощью контроллера, а ИИ в это время собирает и анализирует данные.

На основе собранных данных обо всех предыдущих пациентах с подобными диагнозами и целями реабилитации, алгоритмы машинного обучения прогнозируют также длительность процесса реабилитации. Кроме этого, программа анализирует данные об играх, которые использовали для реабилитации эти пациенты, выбирает наиболее эффективные и рекомендует их пациенту.

На сегодняшний день стартап привлек $400 000 инвестиций.

Таргетированная реклама

По данным разных социологических исследований, от 95% до 98% интернет-пользователей закрывают сайт без осуществления покупки. Ретаргетинг – рекламный механизм, нацеленный именно на эту аудиторию, один из главных инструментов интернет-маркетинга. Он позволяет повторно показывать рекламу только тем пользователям, которые посетили страницу или проявляли интерес к товару.

ReTargeter – стартап, основанный в Сан-Франциско в 2009 году, использует машинное обучение для ретаргетинга с сайтов, CRM и поисковых систем. Алгоритм анализирует разные категории пользователей и на основе собранных данных создает портрет аудитории для ретаргетинга – подбирает пользователей, которые с наибольшей долей вероятности могут быть конвертированы в покупателей. Все данные собираются и анализируются в режиме реального времени.

В ходе трех раундов инвестиций стартап привлек $1,5 млн.

Больше статей об искусственном интеллекте: