Рынок машинного обучения стремительно растет — в 2016 году его объем преодолел отметку в $1 миллиард и, судя по прогнозам, к 2025 он увеличится до $39,98 миллиарда. Откуда такой рост? Как оказалось, буквально отовсюду. Технология машинного обучения была изобретена в 1959 году, но крупные компании осознали ее потенциал относительно недавно. В ближайшие годы ей будут пользоваться многие — от самых успешных фирм до небольших частных компаний.
Apple: создание идеальной совместимости
Любой человек, у которого есть несколько продуктов Apple, знает, как хорошо эти устройства взаимодействуют друг с другом. Теперь же техногигант хочет использовать машинное обучение, чтобы создать еще более безупречный опыт для своих клиентов.Например, компания недавно запатентовала Apple Watch, и теперь пользователям смогут рекомендовать плейлисты из iTunes, которые подходят к сердечному ритму.
По мнению специалистов Apple, подключение нескольких устройств с одинаковым набором данных для обучения, сможет улучшить качество анализа, а значит и опыта клиента.
Alibaba: персонализация пользовательского опыта
Китайской торговой площадкой Alibaba пользуется 500 миллионов человек. Каждый из этих клиентов проходит на сайте индивидуальный путь от поиска товара до покупки. Как Alibaba отслеживает все эти 500 миллионов путей и направляет своих пользователей? Разумеется, с помощью машинного обучения.Искусственному интеллекту Alibaba может позавидовать любая электронная торговая площадка. Виртуальные витрины подстраиваются под каждого покупателя. Поиск выдает лучшие варианты. А чат-бот Ali Xiaomi может разобраться с большинством обращений в техподдержку. Каждый элемент бизнеса Alibaba разработан как будто бы специально для взаимодействия с пользователем и каждое действие клиента позволяет алгоритмам лучше узнать, чего тот хочет.
Spotify: идеальные рекомендации
В 2017 году шведская компания Spotify приобрела два стартапа по машинному обучению и вскоре начала незаметно тестировать его в своем популярном сервисе музыкальных рекомендаций.В декабре прошлого года колумнист издания Mashable заметил в ленте еженедельных музыкальных подборок Discover Weekly кнопки лайка и дизлайка. В итоге даже сама компания удивилась результатам, которые принесла новая функция — она подбирала для пользователей удивительно хорошие рекомендации.
Тarget: прогнозы событий в жизни покупателя
Американская торговая сеть Target обнаружила, что с помощью машинного обучения можно предсказать не только поведение покупателей, но и перемены в его жизни, например, беременность. Алгоритмы Target работают так точно, что с помощью данных о покупках могут определить точный триместр беременности женщины, которая их совершала. Из-за этой технологии даже был скандал: с помощью настойчивой рекламы Target отец узнал о беременности его несовершеннолетней дочери. В итоге торговой сети пришлось слегка поменять свои методы — теперь она показывает менее конкретную рекламу.
Twitter: отображение идеальной картинки
Всякий раз, когда пользователь выкладывает фотографию в Twitter, он хочет, чтобы другие ее увидели. Но если 90% превью показывает пол или стену, никто не будет на нее кликать. Twitter решила эту проблему с помощью нейросетей, которые создают миниатюру изображения так, чтобы в центре оказался его самый важный и интересный элемент.
Разумеется, машины не могут узнать о компании или ее клиентах абсолютно все. Но Apple, Spotify, Alibaba и другие фирмы уже раздвигают границы возможностей с помощью машинного обучения.
Источник
.jpg)
