Артур Хачуян — известный российский специалист по обработке больших данных, основатель компании Social Data Hub (ныне Tazeros Global).
Партнер НИУ «Высшая школа»? Подготовлено и представлено совместно с НИУ ВШ? законопроект о больших данных в Совете Федерации.
Выступал в Институте Кюри в Париже, СПбГУ, Федеральном университете при Правительстве РФ, на Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople. Лекция записана на фестивале под открытым небом «Geek Picnic» в Москве в 2019 году.
Артур Хачуян (далее – АХ): – Если из огромного количества отраслей – от медицины, от строительства, от чего-то, выбрать ту, где чаще всего используются технологии больших данных, машинного обучения, глубокого обучения, то это, наверное, маркетинг.
Потому что последние три года или около того все, что нас окружает в каких-то рекламных коммуникациях, сейчас завязано именно на анализе данных и именно на то, что можно назвать искусственным интеллектом.
Поэтому сегодня я расскажу вам об этом из такой очень далекой истории.
Если представить себе искусственный интеллект и то, как он выглядит, то, вероятно, это что-то вроде этого.
Странная картина - это одна из нейронных сетей, которую я написал год назад, чтобы найти зависимость того, что делает моя собака - сколько раз ей нужно ходить большой, маленький и как это вообще зависит от того, сколько она ест или нет? .
Это шутка о том, как можно представить себе искусственный интеллект. 
Но все же давайте подумаем, как все это работает в рекламных коммуникациях.
Есть три способа, с помощью которых современные алгоритмы в рекламе и маркетинге могут взаимодействовать с нами.
Понятно, что первая история направлена на получение и извлечение дополнительных знаний о нас с вами, а затем использование их в каких-то хороших и не очень целях; персонализировать подход к каждому конкретному человеку; Естественно, после этого создать определенный спрос, чтобы совершить основное целевое действие и провести определенную продажу.
Используя технологии, они пытаются решить проблему эффективного общения.
Если я скажу вам подумать о том, что такое «Порнхаб» и «М.
Видео», о чем вы подумаете? Комментарии аудитории (далее С): - Телевидение, аудитория.
ОЙ: – Моя концепция такова, что это два места, куда люди приходят за определённым видом услуг, или, назовём это определённым видом товаров.
И эта аудитория отличается тем, что она не хочет ничего говорить продавцу.
Она хочет прийти и получить то, что ее интересует в той или иной явной или неявной форме.
Естественно, никто, приходящий в «М.
Видео», не хочет общаться ни с какими продавцами, не хочет разбираться, не хочет отвечать ни на один их вопрос.
Поэтому из всего этого следует первая история.
Когда появились технологии получения дополнительных знаний, чтобы как-то избежать общения с человеком.
Мы все любим, когда звоним в банк, а банк говорит нам: «Здравствуйте.
Алексей, вы наш VIP клиент. Сейчас с тобой поговорит какой-нибудь суперменеджер».
Вы приходите в этот банк, и там действительно есть уникальный менеджер, который может с вами поговорить.
К сожалению или к счастью, ни одна компания пока не придумала, как нанять тысячу персональных менеджеров для тысячи клиентов; а так как большая часть этих людей сейчас онлайн, то задача состоит в том, чтобы понять, что это за человек и как правильно с ним общаться, прежде чем он придет на какой-нибудь рекламный ресурс.
И поэтому фактически появились технологии, пытающиеся решить эту проблему.
Извлечение данных — новая нефть
Представим, что вы владелец цветочного ларька.К вам приходят три человека.
Первый стоит очень долго, колеблется, пытается с тобой заговорить, берет какой-то букет - ты идешь его заворачивать, выходишь что-то там делать; он убегает с этим букетом из ларька – вы потеряли свои три тысячи рублей.
Почему так случилось? Вы ничего не знаете об этом человеке: не знаете истории его арестов в МВД, не знаете, что он клептоман и состоит на учете в психиатрическом диспансере.
Почему? Потому что вы это видели впервые и вы не поведенческий аналитик.
Приходит еще кто-то.
Виталий.
Виталий тоже очень долго разбирается, говорит: «Ну мне нужно то и это».
А ты ему говоришь: «Цветы для мамы, даЭ» И ты продаешь ему букет. Идея здесь состоит в том, чтобы собрать достаточно данных, чтобы понять, что на самом деле нужно человеку.
Все сразу подумали о каких-то рекламных сетях и так далее.
Все наверняка не раз слышали глупую фразу о том, что «данные — это новая нефть»? Наверняка все слышали.
На самом деле люди научились собирать данные довольно давно, но извлечение данных из этих данных — это задача, которую сейчас пытается решить искусственный интеллект в маркетинге или какие-то статистические алгоритмы.
Почему? Потому что если вы поговорите с человеком, он может дать вам правильный, неправильный или как-то окрашенный ответ. Шутка, которую я рассказываю своим студентам, заключается в том, чем опросы отличаются от статистики.
Расскажу вам это как анекдот: Это значит, что в двух деревнях решили провести исследование средней длины мужского пола.
Это значит, что в первой деревне Вилларибо средняя длина составляет 15 сантиметров, в деревне Виллабаджо - 25. Знаете почему? Потому что замеры проводились в первом поселке, а обследование - во втором.
Порноиндустрия — флагман рекомендательных систем
Именно поэтому современный подход заключается в том, чтобы анализировать всех людей без исключения, даже если они чуть меньше 100%, но это те люди, которых не нужно спрашивать, на них не нужно смотреть.Достаточно проанализировать то, что сейчас называют цифровым следом, чтобы понять, что нужно этому человеку, как правильно с ним разговаривать, как правильно создавать вокруг себя спрос.
С одной стороны, это безмозглая машина (но мы с вами это прекрасно знаем); мы не хотим общаться с людьми из «М.
Видео», и тем более, когда мы заходим на такие ресурсы, как Pornhub, мы хотим получить именно то, что нам нужно.
Почему я всегда говорю о Pornhub? Потому что адалт-индустрия первая пришла к анализу таких технологий, к внедрению таких технологий, к анализу данных.
Если взять три самые популярные библиотеки в этой области (например, TensorFlow или Pandas для Python, для обработки CSV-файлов и так далее), если открыть их на Github, то коротким гуглем всех этих названий вы найдете пара человек, которые либо работали, либо сейчас работают в Pornhub и первыми внедрили там системы рекомендаций.
В общем, эта история очень продвинутая, и показывает, насколько эта аудитория, насколько эта компания продвинулась вперед. 
Три уровня идентификации
Вокруг человека существует огромный набор данных, которые можно идентифицировать.Обычно я формально делю это на три уровня, углубляясь все глубже и глубже.
Естественно, у компании есть свои данные.
Если, скажем, мы говорим о построении системы рекомендаций, то первый уровень — это данные, которые находятся в самом магазине (история покупок, всевозможные транзакции, то, как человек взаимодействовал с интерфейсом).
Дальше идет уровень (относительно самый большой) — это то, что называется открытыми исходниками.
Не подумайте, что я призываю вас парсить социальные сети, но на самом деле то, что имеется в открытых источниках, открывает огромный набор данных, которые можно, скажем, узнать о человеке.
И третья важная часть – это окружение самого этого человека.
Да, есть мнение, что если человека нет в социальных сетях, то там нет данных о нем (вы, наверное, уже знаете, что это не так), но самое главное – это те данные, которые есть в профиле человека.
(или в каком-то приложении) — это лишь 40% знаний, которые можно о нем получить.
Остальная информация получена из его окружения.
Фраза «скажи мне, кто твой друг, и я скажу, кто ты» приобретает в XXI веке новый смысл, поскольку вокруг этого человека можно получить огромное количество данных.
Если говорить ближе к рекламным коммуникациям, то получение рекламных сообщений не от рекламы, а от какого-то друга, знакомого или каким-то образом проверенного человека – это очень классная функция, которой пользуются многие маркетологи.
Когда какое-то приложение вдруг выдает вам бесплатный промокод, вы делаете об этом пост и тем самым привлекаете новую аудиторию.
На самом деле этот промокод для условного «Яндекс.
Такси» был выбран не случайно, а для этого было проанализировано огромное количество данных о ваших возможностях привлечь новую аудиторию и как-то с ней взаимодействовать.
Они даже анализируют поведение героев сериалов.
Я покажу вам три картинки, а вы скажите, в чем между ними разница.
Вот этот: 
Эта: 
И этот: 
Какая между ними разница? Здесь все просто.
Как и в квантовой механике, в данном случае это творчество формировал наблюдатель.
То есть разница в одной и той же рекламной кампании, проводимой одним и тем же брендом в одно и то же время, заключается только в том, кто смотрел этот креатив.
Лично я когда захожу в Амедиатеку, там все равно показывают Кхала Дрого.
Не знаю, что думает Амедиатека о моих предпочтениях, но почему-то так происходит. То, что сейчас называют персонализированными коммуникациями, — это самая популярная история привлечения аудитории и правильного взаимодействия с ней.
Если на первом этапе мы идентифицировали людей, используя данные собственного бренда, данные из открытых источников и, например, данные из окружения этого человека, мы, проанализировав его, сможем понять, кто он, как с ним правильно разговаривать и, что самое главное, , на каком языке он говорит, поговори с ним.
Здесь технологии зашли так далеко, что теперь анализируются персонажи сериалов, которые смотрят люди.
То есть тебе нравятся сериалы — их [лайки] смотрят, смотрят, с кем ты там общался, чтобы понять, с каким человеком тебе будет удобно взаимодействовать.
Звучит как полная чушь, но ради интереса попробуйте на одном из ресурсов — разные люди видят разные креативы (чтобы правильно с ним взаимодействовать).
Ни одно современное СМИ или любой видеоресурс просто так не показывает вам какие-то новости.
Зайдите в СМИ — загружается огромное количество алгоритмов, которые вас идентифицируют, понимают всю вашу предыдущую деятельность, обращаются к математической модели и потом что-то вам показывают. В данном случае есть такая странная история.
Как определяются потребности? Психометрия.
Физиогномика Существует множество (реальных) подходов к определению реальных потребностей человека и тому, как правильно с ними общаться.
Подходов много, все решается по-разному, невозможно сказать, что хорошо, а что плохо.
Главные, кажется, знают все.
Психометрия.
После истории с Cambridge Analytics произошел какой-то шокирующий, на мой взгляд, какой-то поворот, потому что каждая вторая политическая компания сейчас приходит и говорит: «Ой, вы можете сделать меня похожим на Трампа? Я тоже хочу победить и так далее».
На самом деле это, конечно, нонсенс для наших реалий, например, политических выборов.
А вот для определения психотипов используются три модели:
- первый основан на потребляемом вами контенте — слова, которые вы пишете, какая-то понравившаяся вам информация, видео и т. д.;
- второй завязан на том, как вы взаимодействуете с веб-интерфейсом, как печатаете, какие кнопки нажимаете — действительно, есть целые компании, которые по клавиатурному почерку могут вполне достоверно определить то, что сейчас называют психотипами.
- Я не большой психолог, не очень понимаю, как это работает, но с точки зрения рекламных коммуникаций аудитория, разделенная на эти сегменты, работает очень хорошо, потому что кому-то нужно показать красный экран с синим.
женщина, кому-то надо показать темный экран -синий фон с какой-то абстракцией, и это очень круто работает. На каких-то низких уровнях – настолько, что человек об этом даже не задумывается.
В чем сейчас главная проблема рекламного рынка? Каждый - разведчик, все прячутся, у каждого установлен миллион тысяч разрешений браузера, чтобы его никак не идентифицировали - у вас наверняка есть "Адблоки", "Гостри" и всякие приложения, блокирующие слежение.
Из-за этого очень сложно что-либо понять о человеке.
А технологии пошли дальше — вам нужно не только знать, что этот человек вернулся на ваш сайт в 125-й раз, но и что он еще и такой-то странный человек.
Это даже не считается наукой.
Это группа людей, которые раньше программировали детекторы лжи для какого-то МВД, а сейчас занимаются тем, что называется персонификацией творчества.
Подход здесь очень простой: несколько ваших публичных фотографий берутся из каких-то социальных сетей, и из них строится трехмерная геометрия.
А если вы юрист, вы сейчас скажете, что это человек и личные данные; но я вам скажу, что это 300 тысяч точек, расположенных в космосе, и это не человек, и не персональные данные.
Так обычно все говорят, когда к ним приходит Роскомнадзор.
А если серьезно, то ваше лицо отдельно, если там не подписаны ваши имя и фамилия, не является вашими персональными данными.
Дело в том, что ребята выделяют различные черты лица, которые влияют на то, как человек принимает решения и как правильно с ним взаимодействовать.
В каких-то сферах это работает плохо, в каких-то рекламных сегментах; в каких сегментах это работает очень хорошо.
В итоге получается, что когда вы заходите на какой-то ресурс, вы видите не один баннер, который показывается всем, а, например.
сейчас нормально сделать 16 или 20 вариантов для разных аудиторий - и это работает. очень круто.
Да, это еще печальнее с точки зрения потребителя, потому что людьми начинают все больше манипулировать.
Но тем не менее с точки зрения бизнеса это работает очень хорошо.
Черный ящик машинного обучения
Это порождает следующую проблему с такими технологиями: ведь для большинства разработчиков сейчас то, что называется глубоким обучением, является «черным ящиком».Если вы когда-нибудь погружались в эту историю и общались с разработчиками, они всегда говорят: «Ой, слушайте, ну мы там что-то такое непонятное закодировали, и не знаем, как это работает».
Возможно, у кого-то такое случалось.
На самом деле это далеко не так.
То, что сейчас называют машинным обучением, далеко не «черный ящик».
Существует огромное количество подходов к описанию входных и выходных данных, и в итоге компания может досконально понять, на основании каких признаков машина решила показать вам тот или иной порнографический видеоролик.
Вопрос в том, что ни одна из компаний никогда этого не разглашает, потому что: во-первых, это коммерческая тайна; во-вторых, будет огромное количество данных, о которых вы даже не подозревали.
Например, до этого в дискуссии об этике мы обсуждали, как социальные сети анализируют личные сообщения, чтобы отмечать людей в каких-то рекламных историях.
Если вы что-то кому-то пишете, на основании этого вы получаете конкретный тег, по сути, для каких-то рекламных коммуникаций.
И вы этого никогда не докажете, да и смысла доказывать, наверное, нет. Однако если бы подобные закономерности были выявлены, они бы существовали.
Получается, что рынок построения подобных рекомендательных систем делает вид, что не знает, почему это произошло.
Люди не хотят знать, что о них знают
А вторая история заключается в том, что клиент никогда не хочет знать, почему он получил именно эту рекламу, именно этот товар.Я расскажу вам эту историю.
Мой первый опыт коммерческого внедрения рекомендательных систем на основе подобных алгоритмов именно ради исследований был в 2015 году в очень крупной сети секс-шопов (да, тоже не особо неприятная история).
Покупателям предлагалось следующее: они заходят, авторизуются под своей социальной сетью и примерно через 5 секунд получают полностью персонализированный для них магазин, то есть все товары изменились - попадают в определенную категорию и так далее.
.
Знаете ли вы, насколько увеличился коэффициент конверсии этого магазина? Ни в коем случае! Люди приходили и тут же убегали оттуда.
Они пришли и поняли, что им предложили именно то, о чем они думали.
Проблема этого теста заключалась в том, что под каждым товаром было написано, почему вам предложили именно этот («потому что вы являетесь членом скрытой группы «Влиятельная женщина ищет мужчину, который является тряпкой»).
Поэтому современные рекомендательные системы никогда не показывают данные, на основании которых был сделан «прогноз».
Очень популярная история — это средства массовой информации, поскольку все они используют схожие системы рекомендаций.
Раньше алгоритмы были очень простыми: смотришь на категорию «Политика» — и тебе показывают новости из категории «Политика».
Сейчас все настолько сложно, что анализируют места, где вы останавливали мышку, на каких словах концентрировались, что копировали, как вы вообще взаимодействовали с этой страницей.
Затем он анализирует лексику самих сообщений: да, вы не просто читаете новости о Путине, а в определенном ключе, с определенной эмоциональной окраской.
И когда человек получает какую-то новость, он даже не задумывается о том, как он сюда попал.
Тем не менее, он затем взаимодействует с этим контентом.
Все это, естественно, направлено на то, чтобы удержать бедного, несчастного человечка, который уже сходит с ума от огромного количества информации, которая его окружает. Тут надо сказать, что неплохо было бы использовать подобные системы для персонализации креатива вокруг себя и сбора некоторой информации, но, к сожалению, таких сервисов пока нет.
Искусственный интеллект ловит клиента в воздухе и создает спрос
И тут возникает один очень интересный философский вопрос, переходящий от создания системы рекомендаций к созданию спроса.Редко кто об этом задумывается, но когда пытаешься спросить у так называемого Инстаграма: «Зачем вы собираете данные? Почему бы не показать мне абсолютно случайную рекламуЭ» - Инстаграм скажет тебе: «Друг, это все сделано для того, чтобы показать тебе именно то, что тебе интересно».
Мол, мы хотим знать вас настолько точно, чтобы показать вам именно то, что вы ищете.
Но технологии уже давно перешагнули этот страшный порог, и подобные технологии больше не предсказывают, что вам нужно.
Они (внимание!) создают спрос.
Это, наверное, самое страшное, что связано с искусственным интеллектом в таких коммуникациях.
Самое страшное, что последние 3-5 лет его использовали практически везде - от результатов поиска Google до результатов поиска Яндекса, до некоторых систем.
Ладно, про Яндекс ничего плохого не скажу; и хорошо.
В чем смысл? Давно такие рекламные коммуникации отошли от стратегии, когда пишешь «хочу купить детское кресло» и видишь сто миллиардов публикаций.
Перешли к следующему: как только женщина выкладывала фото с едва заметным животом, за ее мужем тут же начинали следить сообщения: «Мужик, скоро роды.
Купите детское кресло».
Здесь вы можете резонно спросить, почему при таком гигантском развитии технологий мы до сих пор видим такую дерьмовую рекламу в социальных сетях? Проблема в том, что на этом рынке все еще все решают деньги, поэтому в один прекрасный момент может прийти какой-нибудь рекламодатель типа Coca-Cola и сказать: «Вот вам 20 миллионов — покажите мои говенные баннеры всему Интернету».
И они действительно это сделают. Но если вы сделаете какой-то чистый аккаунт и протестируете, насколько точно такие алгоритмы вас угадывают: они сначала пытаются вас угадать, а потом заранее начинают что-то с вами делать.
А мозг человека работает так, что, получая достоверную для него информацию, он даже не обрабатывает момент, почему он получил эту информацию.
Первое правило, позволяющее определить, что вы находитесь во сне, – это понять, как вы сюда попали.
Человек никогда не помнит момент, когда он оказался в определенной комнате.
Здесь то же самое.
Google может начать формировать ваше мировоззрение
Подобные исследования провели несколько иностранных компаний, занимающихся айтрекингом.Они установили на специальные компьютеры устройства, которые записывают, куда смотрят глаза испытуемого.
Я взял от пяти до семи тысяч добровольцев, которые просто листали ленту, взаимодействовали с соцсетями, с рекламой и фиксировали информацию, на каких частях баннеров и креативов эти люди останавливали взгляд. И получается, что когда люди получают такой гиперперсонализированный креатив, они даже не задумываются об этом — сразу идут дальше, начинают с ним взаимодействовать.
С точки зрения бизнеса это хорошо, но с точки зрения нас, как пользователей, это не очень круто, потому что — чего они боятся? – Что в один прекрасный момент условный «Гугл» может начать (а может и не начать) формировать собственное мировоззрение.
Завтра, например, он может начать показывать людям новости о том, что Земля плоская.
Шучу, но их столько раз ловили, что во время выборов они начинают давать определённую информацию определённым людям.
Мы все привыкли, что поисковая система все получает честно.
Но, как я всегда говорю, если вы действительно хотите знать, как устроен мир, напишите свою собственную поисковую систему, без фильтров, не обращая внимания на авторские права, не ранжируя некоторых своих друзей в результатах поиска.
Отображение реальных данных в Интернете в целом отличается от того, что показывают Google, Яндекс, Bing и так далее.
Некоторые материалы скрыты, потому что друзья, коллеги, враги или кто-то еще (или бывший любовник, с которым вы переспали) - не важно.
Как Трамп победил
Когда были последние выборы в США, было проведено очень простое исследование.Брали одни и те же запросы в разных местах, с разных IP-адресов, из разных городов, разные люди гуглили одно и то же.
Условно запрос был в стиле: кто победит на выборах? И что удивительно, результаты были построены таким образом, что в тех штатах, где наибольшее количество людей пыталось проголосовать не за того кандидата, они получали хорошие новости о кандидате, которого продвигал Google. Который из? Ну понятно какой – тот, который стал президентом.
Это абсолютно недоказуемая история, и все эти исследования — палец в воде.
Google может сказать: «Ребята, все это сделано для того, чтобы мы показывали вам максимально релевантный контент».
Отныне вы должны знать, что то, что называется максимально релевантным, совершенно не так.
Компания называет актуальным то, что вам нужно продать по какой-то уважительной или плохой причине.
Те, у кого сейчас нет денег, уже готовятся к будущим покупкам.
Здесь есть еще один интересный момент, о котором я вам расскажу.
Огромное количество активной аудитории сейчас в социальных сетях и в приложениях — это молодые люди.
Назовем это так - неплатежеспособная молодежь: дети 8-9 лет, которые играют в дебильные игры, это 12-13-14, которые только регистрируются в социальных сетях.
Зачем огромным компаниям тратить огромные бюджеты и ресурсы на создание приложений для неплатящей аудитории, которые никогда не монетизируются? В тот момент, когда эта аудитория станет платежеспособной, о ней будет достаточно данных, чтобы очень хорошо прогнозировать ее поведение.
А теперь спросите любого таргетолога, какая аудитория самая сложная? Скажут: очень выгодно.
Потому что продать, например, квартиру стоимостью 150 миллионов рублей через социальные сети практически невозможно.
Есть единичные случаи, когда делаешь какую-то рекламу на 10 тысяч человек, один покупает эту квартиру - клиент успешный.
Но один из десяти тысяч, с точки зрения статистики, полная лажа.
Так почему же сложно выделить высокодоходную аудиторию? Потому что люди, которые сейчас входят в высокодоходную аудиторию, родились, когда Интернет был еще очень маленьким, когда Артемия Лебедева еще никто не знал и о них не было никакой информации.
Невозможно предсказать их модель поведения, невозможно понять, кто их лидеры мнений и из каких источников контента они получают. Итак, когда вы все станете миллиардерами через 25 лет, и компании, которые собираются вам что-то продать, будут иметь огромный объем данных.
Вот почему у нас теперь в Европе есть замечательный GDPR, который предотвращает сбор данных от несовершеннолетних.
Естественно, на практике это совершенно не работает, так как все дети по-прежнему играют на аккаунтах матери и отца – так собирается информация.
В следующий раз, когда вы дадите ребенку планшет, подумайте об этом.
Совершенно не какое-то страшное, антиутопическое будущее, когда все погибнут в войне с машинами – абсолютно реальная история сейчас.
Существует огромное количество компаний, которые создают алгоритмы психопрофилирования людей на основе того, как они играют в игры.
Очень интересная индустрия.
На основе всего этого люди потом сегментируются, чтобы как-то с ними общаться.
Прогноз поведения этих людей будет доступен через 10-15 лет – именно в тот момент, когда они станут платежеспособной аудиторией.
Самое главное, что эти люди уже заранее дали разрешение на обработку своих персональных данных, передачу их третьим лицам, и все это счастье и так далее.
Кто потеряет работу?
И моя последняя история о том, что все всегда спрашивают, что будет через 50 лет: мы все умрем, будет безработица у маркетологов.Здесь есть маркетологи, которых беспокоит безработица, да? В общем, волноваться не стоит, ведь ни один высококвалифицированный человек не потеряет работу.
Какие бы алгоритмы ни создавались, как бы машина ни приближалась к тому, что мы имеем (показывает на голову), если она будет развиваться достаточно быстро, такие люди никогда не останутся без дела, потому что кто-то должен будет создавать эти креативные вещи.
делать.
Да, есть всякие «ганы», которые рисуют картинки, похожие на людей, и создают музыку, но вряд ли люди в этой сфере когда-нибудь потеряют работу.
У меня есть всё по сюжету, так что можете задавать вопросы, если есть ещё.
Спасибо.
Ведущий: — Друзья, мы переходим к блоку «Вопрос-ответ».
Ты поднимаешь руку – я подхожу к тебе.
Вопрос из зала (3): – Вопрос про «черный ящик».
Сказали, что можно конкретно понять, почему у такого-то пользователя получен такой-то результат. Это какие-то алгоритмы или нужно каждый раз анализировать для каждой модели ad hoc (примечание автора: «специально для этого» — латинский фразеологизм)? Или есть готовые для какой-то нейросети, которая, грубо говоря, может иметь бизнес-смысл? ОЙ: – Здесь нужно понимать следующее: задач в машинном обучении огромное количество.
Например, есть задача — регрессия.
Для регрессии вообще не нужны нейронные сети.
Все просто: у вас есть несколько показателей, вам нужно посчитать следующие.
Есть задачи, где необходимо прибегнуть к такому понятию, как глубокое обучение.
Действительно, в глубоком обучении сложно достоверно понять, какие веса каким нейронам были присвоены, но с юридической точки зрения все, что вам нужно, — это понять, какие данные были на входе и как они воспроизводились на выходе.
Этого юридически достаточно, чтобы запатентовать такое решение и достаточно понять, на каком основании была сделана история.
Это не значит, что вы зашли на сайт и вам показали какой-то баннер, потому что вы два месяца назад сфотографировались с рыжими волосами в Инстаграме.
Если разработчик не предусмотрел в этой модели сбор этих данных и маркировку цвета волос, то она не возьмется из ниоткуда.
Как продавать результаты систем машинного обучения?
З: – Вопрос только в чем: как именно объяснить, как продать тому, кто не разбирается в машинном обучении.Хочу сказать: моя модель явно ведет от цвета волос к.
ну цвет волос меняется.
Это возможно или нет? 
ОЙ: - Возможно.
Но с точки зрения продаж сработает единственная схема: у вас есть рекламная кампания, мы заменяем аудиторию на созданную машиной — и вы просто видите результат. Это, к сожалению, единственный способ достоверно убедить заказчика в том, что такая история работает, ведь на рынке очень много решений, которые когда-то были реализованы и не заработали.
О создании виртуальной личности
З: - Привет. Спасибо за лекцию.Вопрос в том, какой шанс имеет человек, который по каким-то причинам Теги: #Машинное обучение #ИТ-инфраструктура #Будущее здесь #Большие данные #глубокое обучение #Маркетинг влияния
-
Желатин
19 Oct, 24 -
Венчурный Сервис Знакомств
19 Oct, 24 -
Производительность: Flash Против Javascript
19 Oct, 24 -
Ubiquam U-520 И Ubuntu
19 Oct, 24 -
Microsoft Visual Studio 2010 В Минске
19 Oct, 24
