В каком направлении развивается технология машинного обучения и какие задачи бизнеса она помогает решать – рассказали специалисты компании BTS Digital.
Машинное обучение является частью искусственного интеллекта и позволяет бизнесу обучать алгоритмы и подстраивать свои продукты под интересы аудитории. Например, когда Netflix рекомендует фильм, который может вам понравиться, а Spotify предлагает новый плейлист, это делается благодаря алгоритмам машинного обучения. Проще говоря, машинное обучение – это анализ пользовательских данных, поиск в них закономерностей, обучение и моделирование гипотез. Ничего общего с гаданием на кофейной гуще, только точные данные и математический анализ.
В 2020 году глобальный рынок машинного обучения достиг объема $7,3 млрд. По прогнозам аналитиков, к 2024 году эта цифра увеличится до $30,6 млрд. Совокупный годовой темп прироста составит 43%. По данным MMC Ventures, сегодня каждая десятая крупная компания уже использует искусственный интеллект, чат-боты и машинное обучение.
Машинное обучение, как многим кажется, далеко не новая технология и придумали ее не в XXI веке. На самом деле принципы, лежащие в основе machine learning, появились еще в середине прошлого столетия, когда Артур Сэмюэл, пионер в области компьютерных игр и искусственного интеллекта, ввел это понятие в практику. Придуманный им механизм позволял компьютерам обучаться, играя в шашки. Именно этому проекту было суждено развиться в технологию, которую сегодня используют не только ИТ-гиганты и популярные онлайн-сервисы, но и МСБ по всему миру.
Сегодня машинное обучение и искусственный интеллект влияют на развитие не только отдельных отраслей, но и мировой экономики в целом. Благодаря им, по оценкам PwC, к 2030 году глобальный ВВП вырастет на 14%. Причина – активное развитие интернета вещей и цифровизация всех сфер жизни.
Наибольшую результативность машинного обучения в ближайшем будущем покажут рынки Китая и Северной Америки. Именно в этих регионах, по оценкам специалистов, влияние технологии на темпы прироста ВВП будет наибольшим – от 15 до 25%. В развивающихся странах показатели будут ниже (менее 5%), но даже этого будет достаточно, чтобы говорить о значительном влиянии на экономику.
Однако технология положительно скажется не только на глобальных процессах и экономике в целом, но и на малом и среднем бизнесе, а также его взаимодействии с пользователями.
А по данным Salesforce Research, 83% компаний, относящихся к лидерам ИТ-сферы, считают, что искусственный интеллект и машинное обучение меняют взаимодействие с пользователями в лучшую сторону. При этом 69% уверены, что эти технологии положительно влияют в целом на бизнес.
Крупнейшими игроками на рынке являются Amazon, Google, Baidu, SAS Institute, Microsoft и Hewlett-Packard. Безусловно, основа этого рынка приходится на крупный бизнес Северной Америки, что обуславливается тем, что он больше инвестирует в эту сферу. Однако в последние 2-3 года растут и другие локальные рынки малого и среднего бизнеса, для которых цифровизация, анализ пользовательских данных и машинное обучение теперь не пустой звук.
Что касается казахстанского рынка, то он пока находится в начальной точке своего развития. Однако местные ИТ-компании уже давно освоили методы machine learning (ML) и сейчас тратят большие ресурсы на привлечение и обучение специалистов.
«Очевидно, что локальный рынок испытывает нехватку квалифицированных специалистов по ML. Не потому, что их нет, а потому, что их попросту не хватает. Если анализировать уровень зарплат, то для специалистов начального уровня это от 500 тыс. тенге. Притом, что в целом по стране средняя зарплата составляет чуть больше 200 тыс. Это, на мой взгляд, о многом говорит», – прокомментировал руководитель направления AI&Big Data компании BTS Digital Айдос Адилханов.
Один из самых распространенных сценариев применения технологии – персональные рекомендации с использованием BigData. Он применяется в проектах, в которых есть большая контентная часть – например, в социальных сетях, экосистемах (Aitu), видеохостингах и стриминговых сервисах.
На сегодняшний день в Казахстане практически в каждом ИТ-продукте используется машинное обучение в том или ином виде. Например, в новостном агрегаторе Ainews есть множество алгоритмов машинного обучения по обработке текстов и картинок сайтов. Эти алгоритмы умеют классифицировать тексты, разбивать по тэгам и искать дубликаты новостей, а также вырезать картинки и подгонять их под новостные форматы.
Большой спрос на технологию во всем мире можно объяснить широтой ее применения. Так, например, методы машинного обучения работают в рекламной, финансовой, ИТ, автомобилестроительной, юридической и сельскохозяйственной сферах, а также в ИТ-безопасности, здравоохранении и автоматизации процессов.
Каковы самые распространенные задачи бизнеса, которые помогает выполнять машинное обучение?
Персонализация взаимодействия с пользователями. Автоматизация и работа в онлайн привели к тому, что у бизнеса накопились большие массивы данных. Это не только информация о каждом клиенте, но и данные о спросе, сезонности, предпочтениях пользователей и их поведении в сети. Машинное обучение используют, чтобы превратить эти данные в гипотезы, на основе которых можно персонализировать работу с пользователями: дать им скидку или предложить дополнительные условия.
Прогнозирование. Опять же на основе собранных данных алгоритмы могут спрогнозировать будущее: увеличение спроса, сезонность или отток клиентов. Например, подобные задачи благодаря машинному обучению решает компания Adobe, которая научилась анализировать пользовательский опыт и работать с недовольными клиентами в автоматическом режиме.
Интернет вещей. По прогнозам специалистов, именно эта сфера в ближайшие несколько лет станет катализатором развития машинного обучения. Рост популярности умных домов, бытовой техники, гаджетов и автомобилей приведет к тому, что у компаний-производителей накопится достаточно информации о пользователях. На их основе будут вырабатываться сценарии и паттерны, которые улучшат пользовательский опыт.
ИТ-безопасность. Подобный подход используется и в поисках различных «аномалий» в действиях пользователей. Например, MasterCard анализирует транзакции, данные о покупках, геолокации и прочую информацию, чтобы бороться с мошенническими действиями и защищать деньги на банковских картах пользователей.
Несмотря на то что машинное обучение существует достаточно давно, технология активно развивается только последние несколько лет. Обычно этого недостаточно, чтобы загадывать будущее сферы. Однако прогнозы специалистов позволяют предположить, что популярность machine learning в разных сферах будет расти по мере того, как будут увеличиваться объемы данных о пользователях.
«В первую очередь, это приведет к тому, что настройки персонализации станут еще тоньше, а взаимодействие с клиентами лучше. Бизнес научится еще лучше понимать пользователей, что отразится на всех этапах: процессе разработки продуктов, маркетинге, продажах и постобслуживании. Это же касается и поисковых систем, систем персональных рекомендаций и сервисов, которые работают с контентом: видео, музыкой и фильмами», – добавил Айдос Адилханов.
Также многие аналитики сходятся во мнении, что машинное обучение станет основополагающей сферой ИТ-разработки и преобразит ее таким образом, что разработчики будут тратить меньше времени и ресурсов на код, а вместо этого сконцентрируются на обучении алгоритмов. Это, в свою очередь, приведет к тому, что сфера разработки в целом станет доступнее для всех пользователей, а программировать можно будет без специальных знаний и навыков.
Также технология приведет к тому, что бизнес научится лучше понимать своих пользователей и будет быстрее реагировать на их запросы.
«Обычно, когда речь идет о новых технологиях, многие представители казахстанского бизнеса думают: она появится у нас только в будущем. Однако машинное обучение – это та технология, которая уже помогает местному бизнесу и ИТ-проектам в совершенно разных сферах: телекоме, рекрутинге, финтехе, фудтехе и так далее. Бизнес в онлайн, bigdata и анализ пользовательских данных – это уже не перспектива ближайших лет, а новая реальность, в которой мы существуем. Поэтому ваше место на карте бизнеса определяется умением быстро подстраиваться под новые реалии. И машинное обучение – это важный шаг, без которого не будет результата», – добавил Айдос Адилханов.
