В первой части нашего обзора AI технологий и современных тенденций мы уже рассказали о RPA, компьютерном зрении и чат ботах. Дальше речь пойдет о сборе данных и обработке полученной информации для повышения эффективности маркетинга, и прочем.

Сбор данных для статистики и анализа в маркетинге

И маркетологам и владельцам бизнесов знакома фраза Джона Ванамейкера: «Я знаю, что половина моего рекламного бюджета расходуется впустую, вот только не знаю, какая именно». С новыми технологиями для сбора и анализа данных на базе искусственного интеллекта она окончательно утратила свою актуальность.Контакт Evergreen

Маркетинговому отделу больше не придется с трудом собирать воедино весь разреженный массив информации о клиентах для своих отчетах об эффективности рекламных кампаний: почему люди уходят с той или иной страницы сайта, почему отказываются покупать тот или иной товар или услугу. Тем более, что на каждое решение влияет масса не только прямых, но и опосредованных факторов, которые человек просто не может учесть в своем анализе.

При внедрении RPA-технологий для статистики и анализа эту работу проделывает специальная система. И первым этапом здесь является процесс майнинга данных (Data Mining, Big Data Mining).

Технологии использования майнинга данных

Майнинг данных для маркетинг-анализа очень глубоко завязан на использовании искусственного интеллекта, поскольку для правильной интерпретации поведения людей, компьютер должен изучить множество вариантов этого самого поведения и его причин. Такое изучение происходит путем выявления известных паттернов поведения, а также зависимостей. Подготовка нейросети для такой работы должна включать не только обучение с учителем, но и обучение с подкреплением для каждый раз большего числа областей.

Для более глубокой обработки данных используется два уровня майнинга: на первом происходит предпроцессинг (предобработка данных таким образом, что из них возникают дополнительные данные). На втором уровне майнинга все полученные данные дополнительно анализируются, сокращаются и переводятся в вид выводов, гипотез и понятных пояснений.

Благодаря применению искусственного интеллекта в маркетинге теперь сотрудники смогут работать не с разрозненными данными, а с их осмысленной подачей. В результате эффективность бизнес-процессов значительно повышается.

Основные составляющие этой технологии:

    • Элементы статистического анализа (метод итерационного подбора коэффициентов с перебором функций и анализом результатов по уменьшению среднеквадратичного отклонения)
    • Data mining и Big data
    • Кластеризация
    • Системы и методы сбора информации.

В результате соединения RPA бизнес-процессов и правильного маркетингового подхода эффективность бизнеса повышается в разы.

Классификация/кластеризация текстов для RPA на базе искусственного интеллекта

В некоторых вариантах бизнеса приходится работать с огромными массивами текстов. Например, юристы ежедневно сталкиваются с процессами, для работы с которыми необходимо находить необходимые статьи в криминальном, цивильном, семейном и других кодексах, как нашей страны, так и международных. Систематизировать их путем человеческих усилий чрезвычайно трудно и занимает очень много времени (например, при составлении каталога статей вручную).

Соответственно, для повышения эффективности такой работы (и внедрения RPA в ваш бизнес) необходимо автоматизировать процесс поиска. А для этого нужно создать систему, при которой нужные статьи будут находиться легко и быстро, при помощи классификатора на базе искусственного интеллекта, обученного работать конкретно с данными нужного кодекса.

Итак, нам нужно максимально упростить поиск необходимых статей для работы с каждым новым делом. Для решения данной задачи используются в первую очередь принципы классификации и кластеризации.

Классификация – определение объекта к заранее заданным классам по характеристическим функциям.

Для классификации используются различные алгоритмы: линейные, логические байесовские, а также сама нейронная сеть. Обучать нейросеть классифицировать текстовые документы по содержимому можно используя метод с учителем, как и в распознавании документов (после обучения на специально размеченных данных система сама будет присваивать новым данным определенные классы).

Кластеризация – это разделение объектов на неизвестное количество классов по их схожести. Главное отличие от классификации состоит в том, что перечень групп четко не задан и определяется в процессе работы алгоритма.

Для обучения нейросети кластеризации используются различные алгоритмы (например, k-means и c-means (четкие и нечеткие), иерархические и плоские). Сам кластерный анализ в упрощенном варианте проходит следующие этапы:

    1. Произведение выборки объектов для кластеризации.
    2. Определение множества переменных, по которым будут оцениваться объекты в выборке, а также нормализация их значений (если есть необходимость).
    3. Вычисление значений меры сходства между объектами.
    4. Применение метода кластерного анализа для создания собственно кластеров.
    5. Представление результатов анализа.

После определения всего текстового массива в простые и понятные кластеры, подключается машинное обучение нейросетей для классификации текста на базе TensorFlow. И в результате вы сможете получать всю необходимую вам информацию при помощи одного-двух кликов, что полностью соответствует всей философии автоматизации бизнес-процессов.

Факты об АІ

Технологии искусственного интеллекта в беспилотном транспорте

Ещё совсем недавно беспилотный транспорт казался фантастикой, а сегодня он уже занимает своё место в нашей повседневности, являясь ярким примером автоматизации процессов жизни. Этой разработкой уже пользуются водители в США, ОАЭ, Великобритании. Их разработкой занимаются концерны:

General Motors, Volkswagen, Audi, BMW, Volvo, Nissan, Google, Cognitive Technologies и другие.

Ещё в 2011 году Великобритания запустила в аэропорту Хитроу автоматические маршрутные такси на 4 человека и планирует выпустить беспилотные грузовые автомобили уже в 2019 году, а Германия готовится выпустить первый полностью беспилотный электромобиль в 2021 г.

Беспилотный транспорт и сопутствующая ему автоматизация несет ощутимую пользу во многих сферах жизни:

    • Экономическая (сокращение количества ДТП, а также расходов на страхование и услуги скорую помощь; экономия на количестве топлива и заработной плате водителей, транспортирующих грузы; возможность централизировано управлять дорожным потоком и повысить эффективность использования дорог);
    • Социальная (безопасный каршейринг; возможность водить автомобиль несовершеннолетним; возможность работать, делать домашнее задание или даже спать в автомобиле; возможность доставлять грузы в опасные регионы, не подвергая риску водителей);
    • Экологическая (снижение потока автомобилей и переход на альтернативные виды топлива – как в случае с электрокарами).

Технологии для создания беспилотного транспорта

Для работы беспилотного транспорта необходимо программное обеспечение на базе машинного зрения и нейросетей, а также целый набор определенных датчиков:

• Система стереозрения
• Гиростабилизатор
• LIDAR — дальномер оптического распознавания
• Система глобального позиционирования (GPS, Глонасс)

Также для создания беспилотных автомобилей используют алгоритмы на основе Байесовского метода одновременной локализации и построения карт (SLAM, simultaneous localization and mapping). Данные алгоритмы комбинируют данные с датчиков автомобиля (real-time) и данных карт (offline).

Ещё один надежный способ применения нейросетей и искусственного интеллекта для транспорта – создание беспилотных трамваев и поездов (что вполне можно назвать RPA в транспортной сфере). Их главные преимущества в том, что данный транспорт ездит по четко заданному маршруту и собственным рельсам, где нет потока других транспортных средств и практически не бывает неожиданных помех (а реакцию на чрезвычайные ситуации всегда можно запрограммировать заранее).

Подобные беспилотные трамваи уже запущены в работу в Китае и Германии и демонстрируют успешную работу. Что дает положительный пример для разработки подобных проектов в Украине.

Раздумываете над тем, чтобы использовать технологии искусственного интеллекта для повышения эффективности вашего бизнеса? Обращайтесь к нам, мы предложим варианты, наиболее подходящие вашему бизнесу.

07.01.2019
Рейтинг: 5 / 5 (1)