Форум чемпионов

Машинное обучение (англ. "machine learning" — ML) все заметнее меняет различные сферы бизнеса, помогая эффективнее управлять производственными процессами, взаимоотношениями с клиентами, обслуживанием или контролем качества. В текущем году в мире был зафиксирован взрывной рост проектов с использованием ML. 7 ноября в Москве пройдет Форум по системам искусственного интеллекта (RAIF), на котором соберутся руководители крупных российских компаний, признанные отечественные и мировые эксперты в области машинного обучения и талантливые разработчики.

"Машинное обучение — набор методов математической статистики и теории вероятности. Основная идея технологии — предоставить машине посчитать различные статистики для многих тысяч объектов, подкрепляя вычисления уже известной обратной связью. Например, если описать все правила русского языка, то из предложения "Шар не помещается в чемодан", следует, что большой именно чемодан и потому шар в него не помещается. Показав машине 1 тыс. примеров, где шар больше чемодана, и подкрепив их обратной связью, мы получим статистику, которая поможет правильно понять приведенный текст. Другой пример, более приближенный к реальности: машине показывают десятки тысяч анкет заемщиков, и подкрепляют все это данными об имеющихся просрочках. Так машина учится выявлять закономерности и по анкете определять уровень благонадежности заемщика" — такое объяснение ML дает Евгений Колесников, руководитель направления "Большие данные и машинное обучение" компании "Инфосистемы Джет".

Искусственный интеллект только недавно перешел в категорию прикладных задач. По данным MIT Technology Review и Google Cloud, 60% компаний мира в том или ином виде используют ML в своем бизнесе.

В текущем году в мире был зафиксирован взрывной рост проектов с использованием ML: их в разы больше по сравнению с прошлым годом.

Компании, использующие системы машинного обучения для корректировки ценообразования, добились примерно десятипроцентного роста валовой прибыли. Например, американская компания Target благодаря применению ML-технологий увеличила выручку c $44 млрд до $67 млрд.

В ритейле, e-commerce, финансах и телекоме, исторически накопивших больше всего данных, машинное обучение позволяет прогнозировать продажи, рассчитывать тарифы, контролировать отток клиентов или снижать риски мошенничества.

"В финансовом секторе технологии ML позволяют повысить точность оценки заемщика, оценки рисков кредитования или вложения в финансовые рынки, прогнозировать объем депозитной массы и не только. Например, для одного из топ-10 банков мы создали систему противодействия мошенничеству среди сотрудников на базе технологий машинного обучения. Решение выявляет аномалии в поведении специалистов финансовой организации (например, частую проверку так называемых спящих счетов) и сигнализирует службе безопасности о рисках воровства. Это помогает банку выявлять мошеннические схемы еще на этапе их зарождения и предотвращать внутренние потери",— рассказывает Евгений Колесников.

В промышленности и ТЭКе технологии ML часто идут рука об руку с интернетом вещей (IoT) при разработке новых товаров, отслеживании качества и т. п. Например, металлургические компании несут немалые убытки из-за возникающего на производстве брака. Причины могут быть самые разные: от некачественного сырья до технологических нарушений, но их важно максимально быстро выявить и устранить.

"Решая эту задачу для одного из заказчиков, мы создали систему, которая собирает и анализирует показания с датчиков, установленных на каждом компоненте процесса выплавки металла. Решение помогает точно определить причину дефекта и оперативно внести корректировки, до того как бракованное сырье превратится в готовые изделия и отправится покупателю. Таким образом, компания экономит свои ресурсы и время",— объясняет Евгений Колесников.

Ритейлеры заинтересованы в снижении затрат на обслуживание клиентов (например, за счет создания роботов для автоматических ответов), анализе товарных остатков, оптимизации логистики и ассортиментной матрицы (использование ML-системы для товарных рекомендаций способно до 20% увеличить конверсию покупок на сайте).

"Ритейл — низкомаржинальная отрасль, и рост прибыли или снижение издержек по какому-то из направлений деятельности даже на 0,5% уже даст существенный результат на выходе,— комментирует Евгений Колесников.— Сегодня с одним из заказчиков мы прорабатываем возможность увеличения онлайн-продаж. Существуют ситуации, когда клиент интернет-магазина кладет товар в корзину и уходит с сайта. Мы реализуем решение, которое сможет прогнозировать вероятность выкупа таких корзин и строить модель удержания клиента. По предварительным подсчетам, такое внедрение способно увеличить конверсию на 20%".

Именно в рамках рассматриваемого направления компания "Инфосистемы Джет" сейчас разрабатывает систему, прогнозирующую совершение покупок теми или иными группами клиентов. Зная их, ритейлер сможет влиять на спрос, делая актуальные торговые предложения.

В России уже есть примеры внедрения ML, которые доказывают эффективность его применения и полезность бизнесу. Компании, работающие в банковской и транспортной сферах, в ритейле, промышленности, страховании, извлекают дополнительную прибыль из накапливаемых данных или снижают издержки с помощью конкретных решений.

И все же у нас в стране машинное обучение пока находится на самой начальной стадии формирования. В него инвестируют как глобальные игроки (IBM, Facebook, Google), так и локальные поставщики услуг или стартапы. Но их мало.

"Пока в части практического применения машинного обучения российский бизнес несколько отстает от западного. Развивая у себя данное направление, мы нередко сталкиваемся с сомнениями заказчиков в целесообразности таких внедрений. Главная причина в том, что рынок ML в России только зарождается. В публичных источниках много подчас противоречивой информации и мало данных о реальных кейсах. Те, кто уже получает выгоду от применения этих технологий (а мы знаем немало таких игроков из банковского сектора, ритейла, промышленности, страхования и других отраслей), предпочитают скрывать свое конкурентное преимущество",— отмечает Евгений Колесников.

7 ноября в Москве пройдет Форум по системам искусственного интеллекта (Russian Artificial Intelligence Forum — RAIF), на котором соберутся руководители крупных российских компаний, признанные отечественные и мировые эксперты в области машинного обучения и талантливые разработчики.

В рамках форума будут презентованы лучшие мировые практики в сфере искусственного интеллекта и машинного обучения.

На RAIF будут представлены лучшие работы участников чемпионата по ИИ RAIF-Challenge 2017, который стартовал 20 сентября и продлится до 25 октября включительно. Среди партнеров — компании "М.Видео", "АльфаСтрахование" и банк "Уралсиб", предоставившие данные для этого чемпионата.