Топ-10 горячих технологических трендов на 2022 год: «Генеративный искусственный интеллект» (GENERATIVE AI)

Рассказывают Борис Агатов, независимый эксперт по инновациям в ритейле и Сергей Кедров, основатель Fabrique.ai.

Сегодня заглянуть за горизонт текущих технологических решений и событий, значит, открыть для себя невероятные возможности для роста бизнеса. Время спрессовалось невероятным образом, тысячелетия в столетия, столетия в десятилетия, а десятилетия в месяцы. На то, что раньше у человечества занимало десятки лет, сейчас в технологиях уходит всего несколько лет.

Сегодня мы начинаем цикл статей с разбором главных трендов 2022 года. Эти тренды ежегодно публикует американское агентство Gartner. Эти тренды относятся ко всем отраслям. Мы с основателем Fabrique.ai Сергеем Кедровым и командой ADV взяли на себя труд спроецировать эти технологические тренды на ритейл. Подсказать нашим уважаемым читателям, как их применить в своём бизнесе, как устроено то или иное решение.

Сегодня первый материал и первый тренд – «Генеративный искусственный интеллект» (GENERATIVE AI).

В чём его отличие от обычного искусственного интеллекта? Обычный (удивительно, что мы уже можем сейчас говорить про «обычный» искусственный интеллект, хотя многим и он тоже не особо знаком, просто на противопоставлении легче будет объяснить понятие «генеративного искусственного интеллекта») искусственный интеллект имеет очень важное свойство обучаться – это его и сильная сторона, и слабость.

Сильная сторона состоит в том, что он сам выискивает закономерности (обладает способностью обобщать огромное количество примеров. AlphaGo (это еще до GAN было в 2015 году) обыграла китайского чемпиона в Go, обобщая опыт миллионов партий и генерируя новые партии. GAN – это следующее поколение сетей, которые работают с картинками, звуками, текстами) и тем самым может решать очень много задач, которые ранее были свойственны только человеку.

Слабая сторона — в том, что мы не видим, как он дошёл до этих решений своим электронным мозгом и не можем проверить правильность его алгоритмов. При решении задач малого масштаба это не является критичной проблемой, т.к. мы результат можем перепроверить вручную, а вот если искусственный интеллект генерирует миллионы результатов, и мы не можем объяснить, как он пришёл к таким выводам, вот тогда у людей есть проблема. Можем ли мы ему на 100% доверять? 

А если, при обучении заложили намеренную ошибку, к примеру, каждый день рождения программиста, он будет ему начислять какие-то бонусы? Проверить это при огромном количестве результатов практически невозможно. Это небольшое лирическое отступление о том, что искусственный интеллект – это сложная неоднозначная область со своими специфическими проблемами.

Как обучают искусственный интеллект? Ему дают очищенные данные, к примеру, показывают фотографии 1 тысячи котиков и «говорят»: «вот такие они разнообразные: серые, рыжие, пушистые без шерсти, маленькие, большие и т.п». Искусственный интеллект, обучившись на этих фотографиях, выискивает закономерности и уже сам способен «понимать» на других фотографиях, где котики, а где тигры или, к примеру, собаки. В таком обучении часто принимает активное участие человек, который находит ошибки в результатах работы искусственного интеллекта и говорит ему, что он ошибся, и тогда машина понимает ещё и свои ошибки. Такое обучение называют «supervised learning», т.е. обучение с учителем.

Учёные подумали: «а может нам заменить при обучении человека машиной, и две машины будут обучать друг друга?». В результате появился генеративный искусственный интеллект, который состоит из двух компьютерных нейросетей. В этом тандеме одна сеть генерирует образы, тексты, видео, а другая пытается найти ошибку и отличить правильные образы от неверных. В этом состязании и рождаются очень правдоподобные результаты, которые человеку даже сложно отличить от реальности.

---

Читайте также: Почему ритейл всегда отстаёт? Управление продажами со скоростью кассовой ленты

---

Где же в ритейле можно использовать генеративный искусственный интеллект?

Генеративный искусственный интеллект очень хорошо работает с визуальными объектами, фото/ видео, звук, текст создавая объекты, которые очень похожи на то, что создано человеком. Мы сейчас попробуем очертить некоторые области применения.

● Маркетинг. В маркетинге просто невероятное поле для использования генеративного искусственного интеллекта.

Генеративный интеллект в состоянии создавать образы людей, которые не отличимы от реальных людей. В маркетинге мы используем для составления различных ктивностей либо известных людей, либо моделей. В данном случае эта технология позволит нам использовать сгенерированные образы людей. Причём мы можем генерировать образы моделей под множество аудиторий наших клиентов. 

Если у нас широкая база, охватывающая аудиторию от молодёжи до пенсионеров, то создавать такое количество промоматериалов с «живыми» моделями крайне сложно, затратно и долго. Генеративный интеллект в состоянии делать почти персональную рекламу, и у потребителя не создастся впечатление, что это искусственно сгенерированный образ.

Можно применить и комбинированный метод. Мы сделали фотографии моделей, получили фотосессию, но нам нужно поместить наших моделей в разные обстоятельства, к примеру, на кухню, ресторан, яхту, офис и т.п. Генеративный интеллект поможет нам изменить обстановку и – самое интересное – позы моделей, т.е. опять придёт на помощь в создании бесконечного ряда контента для нужных групп.


 
Для создания визуального контента этот инструмент просто незаменим, он устраняет проблемы с авторскими правами моделей на изображения, а качество и разнообразие не поддаются какой-либо оценке. Мы можем «состаривать» моделей, менять их национальность, и даже расовую принадлежность. К примеру, мы таргетируемся на какую-то национальную область страны, и можем без особого труда в эту область направить все рекламные носители с изображением сгенерированных моделей этой национальности или народности.

● Работа со звуком. Мы можем отправлять нашим покупателям звуковое сообщения, которые неотличимы от речи обычного человека и это тоже можно делать при помощи генеративных сетей.

● От эскиза к полноценной 3D модели. С помощью GAI мы создали эскиз сумки, просто в черных линиях. Генеративный интеллект в состоянии создать из этого эскиза полноценную модель фотографического качества опять же в большом количестве вариантов.
 


● Распознавание образов. Можно при помощи этой технологии распознавать, что носят те или иные знаменитые люди и подбирать схожую одежду из своих товаров и предлагать покупателю или создавать схожие модели для последующего их изготовления.



Есть и сложности работы с такими решениями, они не очень стабильны и иногда выдают не очень качественный результат, и не вполне понятно, почему так происходит. Ещё одна проблема: они не могут создавать что-то абсолютно новое. Но возможности генеративного интеллекта для многих задач в ритейле хватит с избытком. 

Почему важна эта технология и в чём необходимость её изучения сейчас? 

К 2025 году Gartner ожидает, что на генеративный ИИ будет приходиться до 10% всех производимых данных по сравнению с менее чем 1% сегодня. Рост в 10 раз всего за 4 года выводит эту технологию в разряд лидеров среди технологий.

В свете последних событий, когда и Facebook, и Microsoft объявили о начале построения «Метавселенных», стоит обратить особо пристальное внимание на эту технологию, т.к. именно она поможет населить новую вселенную персонажами, монетизация которых позволит развернуть бизнес невиданных масштабов.

* * *

В следующих статьях мы подробно расскажем про технологии, которые по мнению Gartner будут стратегическими в и про тренды, которые будут определять лицо бизнеса в следующие 5-10 лет. Мы постараемся рассказать о сложных вещах очень простым языком и с примерами именно для ритейла. Не пугайтесь сложных названий, – за ними стоят очень понятные решения. 

Итак, ожидайте ещё 9 горячих трендов на 2022 год в ритейле.

1. Единая ткань данных (Data Fabric)
2. Нативные облачные платформы (Cloud-Native Platforms (CNPs)
3. Наука о принятии решений (Decision Intelligence)
4. Составные приложения (Composable Applications)
5. Гиперавтоматизация (Hyperautomation)
6. Технологии, повышающие приватность вычисления (Privacy-Enhancing Computation, PEC)
7. Узловая кибербезопасность (Cybersecurity Mesh)
8. Практическое внедрение искусственного интеллекта (AI Engineering)
9. Всеобъемлющий пользовательский опыт (Total Experience, TX)

Борис Агатов, независимый эксперт по инновациям в ритейле и Сергей Кедров, основатель Fabrique.ai.

Для NEW RETAIL