Директор по развитию uKit Ирина Черепанова рассказала Rusbase о том, как нейронные сети используются в рекламе, дизайне и сопровождении бизнеса. Полезные кейсы прилагаются.

Прогресс и малый бизнес

Новый виток прогресса часто пугает. Этим летом мы дважды презентовали свой проект перед аудиторией предпринимателей и веб-дизайнеров, и первое сомнение, которое старалась развеять наша команда, заключалось в том, что нейросети не отнимут рабочие места у людей. Как этого не сделали и компьютеры: они позволили многим выполнять более квалифицированную работу и делать это быстрее.

Сегодня от программ и машин, совершающих те или иные операции с заранее определенным результатом и забывающих его, мы постепенно переходим к программам, которые учатся накапливать опыт и экспериментировать, как это делает человек.

Кадр из х/ф «Стажеры»

Но этого «человека» не надо бояться, если только вы не опасаетесь, что вашу работу отнимет стажер. Все, о чем мы поговорим ниже, и что может затронуть бизнес в ближайшие пять лет, похоже на поведение работника, занимающего позицию стажера: нейросеть тоже будет готова работать круглосуточно, а также учиться… у вас. При этом система не будет уставать, а сам процесс «найма» и «расставания» займет минуты.

26-27 сентября в Москве пройдет международная выставка технологий в образовании EdTech Alley. Для участия приглашаются проекты с решениями из области VR/AR, Робототехника, Оборудование, Развивающие игрушки, LMS (в том числе ПО), Контент, AI. Узнать подробности можно тут.

ИТ-компании пытаются создать помощников, которые возьмут на себя рутинную часть работы, связанную с привлечением клиентов. Ведь именно за покупателем предприятия выходят в интернет. Давайте посмотрим, где здесь можно скинуть рутину на машину.

1. Нейросети и реклама

Доступность — важный критерий любой услуги для малого бизнеса, и это также актуально для настройки рекламных кампаний. Сегодня вы зачастую можете как нанять специалиста, так и провести рекламную кампанию самостоятельно. Однако любая рекламная система обрастает функционалом и количеством доступных настроек. Разбираться в этих нюансах и их эффективности «в бою» слишком дорого, а главное, долго.

И хотя интернет буквально набит видеоуроками, статьями и центрами онлайн-обучения, требуется время на получение знаний, которые, в свою очередь, имеют свойство устаревать.

Фактор ресурсов, в том числе времени, критичен для бизнеса. И автоматизация уже серьезно затронула рекламное направление. Однако обычные алгоритмы для любой модернизации требуют вмешательства разработчиков, то есть. не могут моментально перестраиваться под изменение рекламного ландшафта.

Создание самообучающихся алгоритмов, которые будут учитывать опыт тысячи прошлых кампаний, искать новые факторы поведения и подстраивать следующие кампании под изменения в аудиториях, кажется не только очевидной, но и полезной идеей. Точнее, сейчас это уже не идея.

Проект RocketFuel использует нейросети для оптимизации времени показа рекламы потенциальному клиенту.

Пример Facebook

Он применяет нейросети в работе собственного рекламного отдела и параллельно владеет данными о миллиардах потребителей рекламы, о миллионах рекламодателей. Внедрение «умных» технологий в массовые рекламные инструменты социальной сети кажется вопросом времени. Тем более, что на конференциях мы все чаще встречаем сторонние проекты, обещающие «умную» помощь в настройке таргетинга в соцсетях.

Ожидать прорыва стоит именно со стороны больших компаний:

• Во-первых, они могут позволить себе содержание дорогостоящих инженеров и оплату исследований (обучение и переобучение алгоритмов — ресурсозатратный процесс).
• Во-вторых, они владеют данными — основой для такого обучения. Например, компания Google уже применяет нейросети для анализа качества поисковой выдачи, она же владеет системой контекстной рекламы. Совпадение? Не думаем.

2. Нейросети и сопровождение клиента

Многие компании осуществляют сопровождение клиента, обвешиваясь аналитикой и лайф-чатами. Это правильно, но здесь важно понимать, что аналитика доступна вам постфактум, а операторы чатов имеют свойство уходить с работы в 19 часов. И это являлось типичной проблемой до недавнего времени.

Очередной бум идей случился вокруг чат-ботов — «умных» роботов, отвечающих потенциальным и существующим клиентам, случился в прошлом году и принес части бизнесов разочарование:

• Во-первых, далеко не все чат-боты построены с применением технологий, хотя бы отдаленно похожих на искусственный интеллект.
• А во-вторых, распознавание человеческого языка — очень сложная задача.

Вспомните, как долго развивался «Переводчик Google», чтобы от выдачи случайной «каши» дойти в переводе до чего-то приемлемого — почти 10 лет! Кстати, в основе прорыва также лежали нейронные сети.

Но сопровождение клиента — это не только вовремя или не вовремя выскакивающее окошко чата. Возьмем пример, с которым наверняка сталкивался каждый. В одном магазине продавец летит вам навстречу с криком: «Чем я могу помочь?», как тот чат-бот. В другом — сотрудник, ориентируясь на свои прошлые наблюдения, решает, в какой момент к вам подойти, предоставляя время осмотреться.

Такие системы тоже создаются.

Создают их компании, владеющие большими объемами данных об истории и поведении клиентов, например, интернет-провайдеры и операторы связи. Имея много абонентов и статистику того, когда и по каким причинам те или иные клиенты прекращали оплачивать тариф или уходили к конкурентам, они способны обучить машину прогнозировать «отвал», заранее сигнализируя о потенциальном «отказнике».

Что это значит для компаний? Они имеют возможность не отрабатывать негативное для бизнеса событие постфактум звонком или письмом, в духе «Расскажите, почему вы перестали пользоваться нашими услугами». У них появляется шанс связаться с клиентом немного заранее и предложить бонус, который изменит его решение.

Недавно об использовании такой разработки заявил екатеринбургский оператор «Инсис». Пока это внутренняя система, но в случае успешной обкатки, она вполне может превратиться в отдельный продукт, поставляемый другим предприятиям.

Нейросети и дизайн

Если выше мы говорили о технологиях предсказания, то в дизайне используется другой подход — генеративный: создание множества вариантов из некой основы. Скорее, вы уже знакомы с ним на практике (даже если не знали термин), если прошлым летом вместо увлечения покемонами вы или ваши знакомые превращали свои фотографии в подобие картин великих художников.

Конечно, проект «фото в картину» не очень решает конкретную проблему бизнеса. Разве что позволяет сделать изображение для соцсети, но демонстрирует доступность подобных технологий.

Еще один доступный пример — разработка от Google, которая приводит не самые удачные «детские» рисунки взрослых в более приличный вид: в реальном времени и с множеством вариантов результата.

Если вы привыкли ставить задачи дизайнерам «от руки», но домик на вашем рисунке не похож на домик, попробуйте сервис-нейросеть Sketch-rnn.

Нейронные сети помогают решать и более «боевые задачи»

Типичная проблема, возникающая с дизайном, будь то картинка для социальной сети, полиграфия или главная страница сайта, заключается в том, что надо выполнить задачу срочно (а, желательно, вчера). При этом бюджет на «красиво» не всегда понятен, а то и вовсе практически отсутствует. Эти моменты часто приводят к тому, что либо исполнитель прибегает к шаблонным способам, либо владелец маленького бизнеса сам садится за «мольберт».

В результате мы получаем такие вот «креативы»:

Согласитесь, это тот момент, когда робот мог бы сделать лучше.

Для таких случаев разрабатываются нейросети-типографы — системы, обученные принципам шрифтовых сочетаний. Они способны быстро выдавать десятки вариантов, подходящих под условия задачи, и то, что отняло бы у человека час и «килограмм» нервов, машина выполняет безэмоционально и быстро. Владельцу предприятия или дизайнеру-исполнителю остается лишь выбирать понравившийся из предложенных результатов.

Нейросеть Rene подбирает шрифтовые сочетания, опираясь на общие для шрифтов характеристики и правила типографики.

Сегодня в мире появляется все больше небольших стартапов, предлагающих различные способы закрыть рутинные задачи, включающие в себя даже несложную верстку. Большие компании тоже не остаются в стороне. Например, мы в uKit Group обучаем машины обновлению «оболочки» старых сайтов, опираясь на данные с собственных платформ uKit, uCoz, «Народ» и иных источников.

Речь идет о решении все той же типичной проблемы: созданный несколько лет назад сайт-визитка мог устареть, но не обновляется, потому что владельца «тормозят» вопросы выбора исполнителя, технологий, а также денег и сроков.

Создание новой версии старого сайта «обычным» путем может занимать недели, а с помощью машины интерактивного макета есть возможность сократить процесс до считаных минут.

Старая версия сайта

Наша нейросеть обучается редизайну старых сайтов малого бизнеса, опираясь на базовые понимания: структура должна быть информативной, технологии — современными (сегодня «на коне» HTML5 и CSS3), а верстка страниц — адаптироваться под мобильные устройства.

Новая версия сайта

И в этих разработках много направлений для работы на перспективу: например, распознавание смысла (о чем этот сайт и бизнес), что позволит в будущем предлагать автоматическую замену старых и не всегда удачных изображений на сайте.

***

«А когда же, когда?» — спросите вы. Нейросети похожи на человека еще в том, как они проходят путь становления: сначала они идут в школу и учатся по программе («обучение с учителем» — это долгий и важный этап), затем становятся чуть более самостоятельными, как все в институте.

Только после окончания учебы они должны научиться применять знания в реальной работе, доучиваться, а иногда и в чем-то переучиваться. Момент их выхода из стадии обучения в море реальных данных — отдельный и волнительный этап.

Источник: https://rb.ru/opinion/nejroseti-cases/