Отвечают наши Эксперты.
Михаил Попов, TalkBank, Москва, Founder and CEO
TalkBank – это высокотехнологичная финтех-платформа, которая позволяет реализовывать любые финансовые сервисы. Для этого мы занимаемся внедрением искусственного интеллекта (ИИ) во все процессы компании и клиентов. Так основным каналом взаимодействия с клиентом выступает чат-бот в мессенджере, с которым можно решить любой вопрос. А чтобы с ним было удобно общаться и он понимал клиентов требуется серьезное внимание к развивающимся технологиям в сфере ИИ, а также возможности их применения у нас или наших партнеров – банков, страховых или розничных компаниях, маркетплейсах.
Машинное обучение и нейросети являются частью ИИ, и сегодня они продолжают активно развиваться по всему миру, в том числе и в России. Однако разделить их по географическому принципу сложно, так как математические методы и алгоритмы, лежащие в их основе часто публикуются научным и академическим сообществом для использования и модернизации. Практически все архитектурные решения и модели находятся в общем доступе, однако нехватка данных для обучения моделей – одна из самых насущных проблем в сфере ИИ. В некоторых разделах ИИ это не так сильно выражено, однако, например, в системах компьютерного зрения (распознаванию лиц, объектов, изображений) или в обработке текста отсутствие достаточного количества данных сильно сковывает разработчиков и зачастую значительно ухудшает качество моделей.
При этом коммерциализации таких обученных алгоритмов – это уже бизнес-задача, котрыми занимаются отдельные компании в сфере ИИ. Яркие примеры успешных проектов приложения MSQRD, FaceApp, Prizma, которыми наверняка пользовались читатели, чтобы наложить виртуальную маску или обработать фотопортет.
В финтехе ИИ имеет широкое применение, с помощью простых моделей машинного обучения компании могут предсказывать различные показатели, например, стоит ли выдавать тому или иному клиенту кредит. Похожих задач бесчисленное множество, однако на сегодняшний день они решаются довольно успешно. Неотъемлемой частью любой финтех компании, например, современного высокотехнологичного банка, является чат, через который происходит взаимодействие с конечным клиентом.Talkbank первым в мире смог предложить такое бакновское обслуживание чатботе в мессенджере Telegram, а теперь партнерам Talлифтл доступны такие чатботы во всех мессенджерах. Очевидно, что без применения ИИ справиться с огромным потоком обращений по мере роста компании просто невозможно. Здесь мы и прибегаем к помощи нейросетей. Простым языком, чем сложнее архитектура, тем больше данных для обучения необходимо. Чат-бот, который мы видим – это как правило целый каскад взаимосвязанных между собой отдельных нейросетей. Для обучения необходим большой набор диалогов, и, что очень важно, релевантного для обсуждаемого предметной области. Если на английском языке таких баз данных много, то в России с этим есть проблемы. По сути, все базы данных с примерами текстов находятся в закрытом доступе, если хочешь обучить чат-бота, не имея собственных данных, ничего не выйдет – он будет очень примитивным, «тупым».
В TalkBank бот умный и функциональный, это достигается за счет собственных и партнерских решений и интеграций, база текстов формируется огромная, а с учетом фокуса на определенных предметных областях и активной работы продакт-менеджеров, аналитиков и юзабилитсов, решение Talkbank Platform признано лучшим в области банкинга и финтех-сервисов.
Однако для развития нейросетей и индустрии ИИ в России в целом требуется больше открытых данных.
Яна Казанцева, НТР, CRO
Нейросети отечественного производства имеют как перспективы, так и проблемы.
- Санкции. Использование открытых библиотек, таких как TensorFlow, может попасть под запрет для российских компаний. Готовых аналогов нет, поэтому придется решать этот вопрос в моменте.
- Нехватка данных. Это общая проблема, которая касается предиктивной аналитики и детекции различных отклонений. Для обучения нейросети необходимо собрать и разметить данные, содержащие событие, которое нейросеть впоследствии должна будет “узнавать”. Однако некоторые события, такие как поломки агрегатов на производстве или ЧП, чрезвычайно редки, что приводит к крайне ограниченному набору данных для обучения и, соответственно, к более низкой точности.
Сейчас активно развивается видеоаналитика и, вероятно, это продолжится в ближайшем будущем. Кроме того, сейчас возрос спрос на создание цифровых двойников, и широкое внедрение этой технологии откроет массу новых возможностей для предиктивной бигдата-аналитики с использованием ИИ. Нейронные сети также помогают в поиске неочевидных взаимосвязей между событиями и компонентами. Это позволит предприятиям повышать эффективность уже на совершенно ином уровне.
В первую очередь эффективность в повышении качества продукции. Это и прямой контроль качества, как например, в нашем кейсе для КАМАЗа (описать). Это и контроль порядка выполнения процессов, а правильно выполненный процесс – единственный путь к надежному качеству продукции.
Второй источник – повышение безопасности труда, опять же, за счет более строгого выполнения регламентов, когда за их выполнением следит ИИ. Это контроль наличия средств индивидуальной защиты, контроль нарушения границ опасных зон, контроль падений, контроль курения в огнеопасных средах и т.п.
Мы разрабатываем различные комплексные системы по автоматизации в промышленности, а также занимаемся решениями в области индустриальной видеоаналитики. Наши клиенты – крупнейшие российские предприятия, такие, как, например, КАМАЗ.
Фреймворк для построения систем видеоаналитики VideoAI.NTR позволяет достаточно быстро построить и внедрить систему видеоаналитики, которая позволяет детектировать (например, наличие средств индивидуальной защиты или качество окраски деталей), отслеживать действия (например, персонала на сборочной линии с целью определения выполнения процессов) и измерять (например, отклонения геометрии лавного привода или размеры включений в породе).
Кроме этого, в некоторых сферах (например, ритейл) активно применяется ИИ контексте bigdata-анатилитики.
Это касается в первую очередь разнообразных рекомендательных систем (от подборки постов в соц.сетях и заканчивая рекомендациями в киосках самообслуживания). Большинство таких систем работает на алгоритмах, но есть и самообучающиеся модели, такие, как используют видеохостинги. Подобную систему мы разработали для одной крупной сети ресторанов быстрого питания, которая позволила компании дополнительно получать более 10 млн.р в месяц. Система анализировала поведение пользователей, принимая внимание время суток и геолокацию, и выдавала наиболее подходящие позиции для добавления в корзину.
Еще одним из популярных направлений для массового применения ИИ является обработка естественного языка. Это различные технологии speech-to-text, распознавание речи и конкретных смысловых констукций.
Например, у НТР есть сервис TaskAI, способный в текстах писем и сообщений в мессенджерах находить задачи, поставленные сотрудникам в произвольной форме и автоматически переносить их таск-трекер, например, в Битрикс. Это снижает нагрузку на руководителя, освобождая у него около 4-х часов в неделю.
Виктор Русинович, Роснефть, Эксон Нефтегаз Лимитед, Геолог
Область применения нейросетей довольно обширная и продолжает расти, в моей практике нефтегазового геолога применение ИИ позволило ускорить процесс интерпретации сейсмических кубов – необходимый шаг для создания карт, отображающих строение месторождений нефти и газа. Даже с применением современных пакетов программного обеспечения, этот процесс требовал много времени и усилий. Внедрение машинного обучения позволило значительно ускорить выполнение работы при сохранение качества. На вход подается первичная интерпретация, выполненная вручную, ИИ заполняет пробелы, специалисту остается только проверить результат и при необходимости внести локальные правки.
Как используется искусственный интеллект в России – Часть 1.
https://rupor.pro/kak-ispolzuetsya-iskusstvennyj-intellekt-v-rossii-chast-1/
Как используется искусственный интеллект в России – Часть 3.
https://rupor.pro/kak-ispolzuetsya-iskusstvennyj-intellekt-v-rossii-chast-3/
Как используется искусственный интеллект в России – часть 4.
https://rupor.pro/kak-ispolzuetsya-iskusstvennyj-intellekt-v-rossii-chast-4/
Подписывайтесь на наши страницы в соцсетях:
