Как ваши любимые сервисы и приложения используют искусственный интеллект
Технологии

Как ваши любимые сервисы и приложения используют искусственный интеллект

627

Большинство людей используют сервисы на основе искусственного интеллекта, не задумываясь об этом. Социальные сети, голосовые помощники, стриминговые сервисы, навигационные приложения — почти везде зашит ИИ. Проще сказать, где его нет. О том, как это работает, в книге «Заменит ли нас искусственный интеллект?» (вышла в проекте «А + А» издательства Ad Marginem и дизайн-студии ABCdesign) простым языком рассказывает нейробиолог Шелли Фан.

Вика Васина

Редактор


Как устроены голосовые помощники

Машинное обучение часто упоминается как единая дисциплина, хотя фактически этим термином обозначают группу различных статистических методов, направленных на решение конкретных задач. Многие из этих алгоритмов основаны на интуитивных представлениях о работе человеческого мышления, однако само машинное обучение является чисто техническим продуктом. Оно не решает философские вопросы вроде: думают ли машины? обладают ли они сознанием?

Машинное обучение стремится в явном виде воспроизвести в компьютерах конкретные выполняемые людьми функции, чтобы на выходе программы выдавали эффективные решения этих задач. На данный момент машинное сознание значения не имеет. То есть, когда вы говорите с цифровым помощником, осознанного понимания произносимых вами предложений не происходит.

Цифровые помощники на чисто поведенческом уровне обрабатывают слова, фразы и предложения таким образом, чтобы алгоритм мог выполнить голосовую команду, например, выйти в интернет и найти прогноз погоды.

Netflix считает свою систему рекомендаций самым ценным активом

Когда пользователи разговаривают с голосовым помощником — например, с Siri, — они запускают двухэтапный процесс.

<...> 

Siri активирует систему ИИ для распознавания речи, которая переводит нечёткий звук в однозначный текст. Этот шаг невероятно сложен, потому что люди, естественно, говорят с разной высотой звука и с различными акцентами, которые варьируются в зависимости от места жительства и пола. Чтобы ИИ эффективно распознавал речь всех пользователей, система использует технику машинного обучения под названием «глубокое обучение».

В распознавании речи частота ошибок в большинстве приложений составляет теперь менее 10%

Сегодня глубокое обучение — это движущая сила всего машинного обучения. Эта техника основана на искусственных нейронных сетях, которые создавались по подобию биологических нейронных контуров, благодаря которым мыслит человек. Огромный успех метода очевиден почти во всех приложениях с ИИ. Например, в распознавании речи частота ошибок в большинстве приложений составляет теперь менее 10%.

Нейронный контур

Состоит из совокупности взаимосвязанных нейронов в мозге, которые, находясь в возбуждённом состоянии, выполняют определённые функции.

После преобразования речи в текст Siri пытается определить, что именно пользователь хотел выразить этими словами. Этому помогают алгоритмы обработки естественного языка, которые также обучаются на миллионах примеров.

Поскольку человеческий язык часто является неточным или неоднозначным, Siri необходим большой набор данных, чтобы иметь возможность фиксировать и обобщать изменения в речи для расшифровки значения. Тем не менее, преимущество глубокого обучения состоит в том, что, обработав достаточное количество примеров, системы обработки естественного языка приобретают способность интерпретировать речь, анализировать эмоциональный тон предложений и автоматически переводить с одного языка на другой.

Netflix считает свою систему рекомендаций са­мым ценным активом

Как стриминги понимают, что нам правда нравится

Ещё одно популярное применение ИИ — личные рекомендации. В качестве примера рассмотрим четыре, казалось бы, разные компании: Netflix — потоковый видеосервис; Amazon — платформа для онлайн-покупок; Facebook — социальная сеть; и Google — поисковая система. Хотя эти компании предоставляют различные услуги, их системы искусственного интеллекта выполняют очень похожую задачу: они доводят до вас информацию.

В 2017 году в Тибе, Япония, была представлена виртуальная голограмма по имени Хацунэ Мику. Первоначально её разрабатывали как виртуальную поп-звезду, чей голос синтезировался с помощью программы Vocaloid. Фото: Tech Insider / YouTube

С помощью машинного обучения эти компании понимают, какую информацию показывать своим пользователям. Сегодня рекомендательные системы широко используют ИИ, чтобы дать индивидуальные рекомендации по книгам или фильмам или предоставить персонализированные результаты поиска. Эти системы также используются в контекстной рекламе и онлайн-сервисах знакомств.

По сути, приложения на основе ИИ стремятся дать осмысленные рекомендации даже в условиях неопределённости. Например, Amazon может рекомендовать вам купить книгу на основе ранее приобретённого издания, даже не зная о ваших читательских предпочтениях. Это достигается двумя... способами.

Netflix рассчитал, какие сюжеты и актёры привлекут наибольшее внимание, и начал производить фильмы и сериалы на основе этих данных

Во-первых, система составляет схему предпочтений пользователя на основе предыдущих действий и аналогичных решений других пользователей. Amazon в основном использует этот метод, чтобы рекомендовать товары на основе истории покупок. Facebook, LinkedIn и другие социальные сети используют аналогичную систему, чтобы рекомендовать друзей или профессиональные связи.

Во-вторых, ИИ извлекает ряд характеристик из запрашиваемого элемента и создаёт его профиль. Затем система находит другие элементы, имеющие схожий профиль, и прогнозирует важность каждой характеристики для конкретного пользователя. Сайт Rotten Tomatoes, выкладывающий обзоры фильмов, и приложение для музыкальных рекомендаций Pandora Radio используют этот подход для рекомендаций фильмов и музыки соответственно.

Помимо использования механизмов рекомендаций, Netflix с помощью машинного обучения персонализирует показ постеров. Например, пользователи видят разные постеру к сериалу «Очень странные дела».

Ключевой проблемой таких систем является неопределённость: часто у них нет полных данных ни об элементе, ни о предпочтениях пользователя. При этом системе нужно оценить вероятность того, что рекомендация понравится пользователю. Здесь особенно стоит отметить популярный набор алгоритмов, основанный на байесовском подходе. Эти алгоритмы позволяют обновлять достоверность конкретной гипотезы — например, вероятность того, что пользователю может понравиться фильм или песня — на основе новых данных. Это очень действенный метод, который может почерпнуть знания из случайных, «зашумленных» данных. Пользователь, возможно, купил книгу в подарок; это мешает при создании профиля его предпочтений. Байесовские методы в ИИ позволяют обучаться с достаточной точностью даже на несовершенных данных, также они часто сочетаются с другими алгоритмами — такими как искусственные нейронные сети — для создания алгоритмов метаобучения, дающих оптимальный результат.

Визуализации массива данных о фильмах (слева) и связи внутри массивов (сверху). Созданы Крисом Хефеле в рамках соревнования Netflix Prize.

Рекомендации с использованием ИИ — процветающая отрасль.

Netflix считает свою систему рекомендаций самым ценным активом. Платформа Cinematch изучает предпочтения пользователей, чтобы посоветовать им малоизвестные фильмы и сериалы, на которые компания потратила не так много. Отвлекая внимание от дорогих блокбастеров, Netflix гарантированно покрывает свои <...> расходы и получает прибыль от подписок пользователей. В 2006 году компания предложила приз в размере $1 млн тому, кто на 10% повысит точность рекомендаций.

<...>

Не так давно Netflix взялся и за производство контента. Используя свою обширную базу данных о предпочтениях пользователей, компания рассчитала, какие сюжеты и актёры привлекут наибольшее внимание, и начал производить фильмы и сериалы на основе этих данных. На сегодняшний день Netflix выпустил несколько популярных продуктов, в том числе «Карточный домик», «Оранжевый — хит сезона», «Очень странные дела». Подобный подход переняли и другие стриминговые сервисы: Amazon Prime Video и Hulu.

ОБ АВТОРЕ



Шелли Фан

Нейробиолог (PhD) из Калифорнийского университета. Разработала новые методы лечения нейродегенерации. Изучая способы омоложения мозга, увлеклась темой искусственного интеллекта. Пишет о физике, медицине, нейробиологии.

Фотография на обложке: Paseika / Getty Images

0 комментариев

Написать комментарий