Искусственный интеллект: словарик для ритейлеров

По данным исследования HubSpot, 64% пользователей интернета имеют опыт использования Искусственного Интеллекта, даже если они этого не осознают. Ведь под этим термином скрывается множество разнообразных технологий, немалая доля которых уже является частью повседневной практики. Однако со сферой ИИ связано множество мифов. Когда мы в INF.AI приступаем к разработке нового “умного” чат-бота для очередного клиента, мы часто сталкиваемся с тем, что много времени уходит на то, чтобы уточнить терминологию. Чтобы сэкономить общее время, мы создали вот такой словарик AI-технологий, который будет полезен каждому, кто работает в технологичном ритейле.

Искусственный интеллект (AI). В очень широком смысле, этим термином называются любые технологии, которые позволяют машинам (компьютерам, чат-ботам, рекомендательным системам и так далее) выполнять операции, для которых требуется способности, ранее считавшиеся чисто человеческими. К ним относится способность к “видению” объектов и распознаванию речи, поддержанию беседы, вынесению умозаключений, решению задач, для которых не существует четкой схемы, обучению и творчеству.

При разработке систем искусственного интеллекта в качестве идеальной модели используется человеческий мозг. По сути речь идет о том, чтобы научить компьютерные системы, которые прежде могли работать только по четко прописанным схемам, новому поведению, которое предполагает гибкость и творческий поиск путей к достижению поставленных перед ними задач.

Различают два типа искусственного интеллекта.

Широкий искусственный интеллект. Это супер-компьютер, способности которого ничем не отличаются от человеческих, а возможно и превосходят их. Такой компьютер способен поддержать разговор на любую тему, научиться чему угодно, создать любой тип продукта, решить любую задачу. Пока что такой ИИ можно встретить только в фильмах и произведениях научных фантастов.

Узкий искусственный интеллект. Это набор алгоритмов, позволяющий машине решать определенную задачу или набор задач. Например - распознавать лица и соотносить их с базой. Или - поддерживать беседу с клиентами банка. Или - в режиме “автопилота” управлять автомобилем. Таких ИИ в ритейле достаточно много. Классический пример - рекомендательная система Amazon, которая подбирает товары для пользователей на основе их предыдущих заказов и постоянно обучается на материале достигнутых результатов.

Платформы искусственного интеллекта

Даже разработка узкого ИИ не под силу отдельной компании. Поэтому крупные игроки предлагают платформы с готовыми алгоритмами, которые разработчики могут использовать для создания систем, направленных на выполнение конкретных задач. Например, Google Tensor Flow используется в поисковой системе Google, но открыта для сторонних разработчиков. На ее основе, построена, например, система предсказания спроса в британском онлайн-cупермаркете Ocado. Еще одна известная платформа - IBM Watson - предлагает алгоритмы для обучения компьютерных систем, технолгогии распознавания речи и анализа данных. Эту платформу использует, например Macy’s для своего нового голосового приложения. Кроме двух лидеров, на рынке существует и множество других платформ. Однако использование таких платформ - не единственный путь. Компании, решающий узкие задачи ритейлеров (например, распределение запросов в службе поддержки или менеджмент товаров на складе), часто опираются на собственные алгоритмы.

Алгоритм. С математической точки зрения, алгоритм - это формула, которая отражает взаимоотношения разных переменных. В переводе на человеческий язык, алгоритм - это некое правило, на основе которого работает система. Если вы пользуетесь социальными сетями, то знаете, что далеко не каждый пост друзей попадает к вам в ленту. Социальная сеть “решает”, какие посты вам показать, на основе вашего поведения и опираясь на определенный алгоритм. Алгоритмы также используются крупными интернет-магазинами для того, чтобы решить, какой товар рекомендовать пользователю. Сложные системы маркетинговой почтовой рассылки также опираются на алгоритмы, чтобы определить контент письма для разных типов пользователей в определенный момент их жизненного цикла.

Машинное обучение. Одно из главных достижений разработчиков систем ИИ. По сути, машинное обучение это алгоритм, который меняется под воздействием получения системой новых данных. Чем дольше работает система, тем больше данных ей доступно, и тем совершеннее ее поведение на пути к достижении цели. Эта технология применяется везде - от анализа эффективности тем почтовых рассылок, до определения цен на товары в интернет-магазинах в период скидок. Машинное обучение может проходить с помощью человека. Например, при обучении чат-бота на первом этапе команда лингвистов мониторит всю активность бота и отмечает, в каких случаях он допустил ошибку. Постепенно чат-бот “учится” и допускает все меньше моментов непонимания в своих диалогах с пользователями.

Глубинное обучение (deep learning). Тип машинного обучения, позволяющий выявлять в данных глубинные, скрытые паттерны и связи между казалось бы не связанными параметрами. Чтобы добиться такого эффекта, разработчики систем глубинного обучения используют многоуровневый процесс, модель которого позаимствована из данных о работе человеческого мозга. Именно поэтому системы, использующие глубинного обучение, называются “нейронными сетями”.

Нейронные сети. Вычислительные системы, структура которых напоминает структуру человеческого мозга. Разные типы нейронных сетей подходят для решения разного типа задач. Наиболее распространены три типа - для распознавания изображений, для подбора изображений по запросу и для распознавания речи. Однако нейронные сети приходят и в ритейл и в будущем станут технологическим стандартом. Например, уже сейчас проводятся исследования, которые вскоре позволят использовать нейронные сети для сегментации пользователей. Они смогут найти глубинные паттерны в мотивации покупателей, далеко выходящие за рамки современных социально-демографических и поведенческих параметров.

Чат-бот. Это программа, позволяющая вести диалог с пользователем с помощью текста или речи. Чат-боты используются людьми для развлечения, решения определенных задач и поиска информации. Чаще всего чат-боты живут в различных мессенджерах.

Так как любой чат-бот - гибкая система, они являются идеальной средой для применения технологий Искусственного интеллекта. В отличие от сайта или приложения, чат-боты могут полностью менять сценарий диалога в зависимости от предыдущих реплик пользователя, и именно здесь ИИ и машинное обучение наиболее применимы. Однако не все чат-боты нуждаются в ИИ. Например, бот, способный проверять банковский баланс пользователя и проводить транзакции просто имеет доступ к базе данных банка, и устроен довольно просто. Применяется он для удобства пользователей, которые могут осуществлять простые операции прямо в мессенджере. Такой же бот, позволяющий кроме всего прочего предсказать, насколько пользователь будет способен выплачивать кредит, уже нуждается в ИИ.

Диалоговый UX. Новая область проектирования интерфейсов, построенных не на меню сайтов или кнопках мобильных приложений, а на структурировании диалога на обычном человеческом языке. Это - очень молодая дисциплина, но так как в ближайшие годы ожидается, что немалая доля продаж будет происходит в мессенджерах, ее понимание будет необходимо для всех, кто работает в ритейле.

NLP (Natural Language Processing) и NLG (Natural Language Generation) - обработка и генерация сообщений на естественном языке. Это разнообразные технологии, которые применяются для того, чтобы понимать запрос человека в живом диалоге и создавать ответ машины, который будет напоминать ответ живого человека. Если вы создаете чат-бота, но у вашего разработчика нет NLP-технологий, то бот сможет работать только на основе кнопок, ограничивающих выбор пользователя набором ответов. Для некоторых задач (например, поиска по каталогу товаров) этого может быть достаточно. Для других (например, для чат-бота, выполняющего роль личного стилиста) такой функционал будет недостаточен. Модули NLG отвечают за то, чтобы чат-бот выдавал разнообразные ответы в разные моменты разговора и был максимально “похож” на живого собеседника.