Когда роботы захватывают мир: искусственный интеллект в электронной торговле. Читайте на Cossa.ru

20 июня 2014, 15:05

Когда роботы захватывают мир: искусственный интеллект в электронной торговле

Разработки в области искусственного интеллекта до сих пор многим кажутся чем-то фантастическим и далеким от реального мира. Но это не останавливает инвесторов вкладывать миллионы в развитие этой области. Давайте разбираться, какую реальную пользу уже сегодня могут принести достижения из области искусственного разума для тех, кто занимается электронной торговлей.

Без заголовка.png

Поиск и подбор товара

Появление области экспертных систем практически сразу привлекло к себе внимание. Десятилетия шли, системы совершенствовались. Возможно, вы даже не обращаете внимания, но практически каждый день мы сталкиваемся с ними в том или ином виде.

Обычная экспертная система представляет собой комплексную программу, построенную на основе глубоких специальных знаний из некой предметной области. Задача такой системы — полностью заменить человека-эксперта во время взаимодействия с пользователем. Пользователь задает системе вопрос, система анализирует этот вопрос, обращается к своей базе данных, подбирает наиболее правильное решение и выдает его пользователю.

Одним из самых распространенных примеров практического применения экспертной системы в электронной торговли является система поиска и отбора товаров в онлайн-магазинах по заданным критериям.

Достаточно удачное решение предлагает сайт компании amazon.com. Количество товаров на данной торговой площадке огромно, каждый отличается собственными характеристиками. Чтобы упростить работу пользователя с сайтом, подключается экспертная система. Как это происходит? Вы начинаете вводить в поле «поиска» на сайте название нужного вам товара, а система в режиме реального времени начинает поиск и «отсев» лишних вариантов, в названии которых содержится поисковое слово или его часть. Результаты поиска система систематизирует по категориям. Одновременно с этим производится анализ прошлых запросов пользователя, изучается его история поиска. Полученные данные сравниваются с похожими историями запросов других пользователей и их поведением на сайте. В результате система формирует набор рекомендаций для пользователя, предлагая ему товары, которые выбрали другие покупатели, отличившиеся похожим поведением на сайте. Как показывает практика, в большинстве случаев подобные рекомендации становятся стимулом для совершения дополнительной или вторичной покупки.

Другим примером использования экспертной системы в электронной торговле является приложение «Яндекс.Маркет». Это площадка, которая помогает в поиске и подборе товаров пользователям, одновременно с этим являясь площадкой-посредником в рекламе и перепродаже товара. Пользователю доступен «живой» поиск по базе товаров, работает система подбора товара по параметрам: можно создать уникальную комбинацию характеристик нужного товара, выбирая требуемые, а система производит поиск по доступным предложениям в базе.

Несложные примеры экспертных систем для подбора товара можно встретить и в готовых системах управления интернет-магазином; более крупные компании предпочитают заказывать индивидуальные решения.

Консультант-помощник

Разработки в области инженерий знаний и экспертных систем привели к появлению более «совершенной» экспертной системы, которая способна понимать человеческую речь, решать «неформальные» задачи и самостоятельно пополнять свою базу данных.

Инженерия знаний стала еще одним направлением в исследованиях ИИ, которое подразумевает сбор и обработку информации не только для ее накопления, но для того, чтобы на основе этого формировать новые знания. Иными словами, технология учит систему получать информацию, затем на ее основе делать собственные выводы и формировать новые знания, пополняя таким образом собственную базу данных.

Хорошим примером может быть всем известное приложение Siri. Начиная с 2011 года персональный помощник Siri был впервые представлен компанией Apple как неотъемлемая часть iOS. Apple удалось приобрести проект обычного ассистента и интегрировать в него программу CALO (Cognitive Agent that Learns and Organizes). Большую роль в модернизации системы сыграли сороколетние исследования «Центра Искусственного Интеллекта» и сотрудничество групп ученых из крупнейших американских институтов. Так Siri научилась распознавать человеческую речь, несмотря на посторонние шумы, отвечать на вопросы пользователя, анализируя информацию, расположенную как в памяти самого устройства, так и на определенных интернет-порталах, изучать и обобщать данные о пользователе, чтобы потом на основе этого формировать свои ответы, и постоянно обновлять собственную базу данных.

К сожалению, подобную систему пока не встретишь на сайтах интернет-магазинов. Но нельзя недооценивать ее возможностей: подобное приложение в состоянии не только самостоятельно заниматься продажей товаров, заменяя продавца и делая общение с покупателем более персонализированным, но и проводить консультации и выполнять задачи сервисной службы. И не забывайте — такая система способна работать с большим числом пользователей одновременно без потери качества обслуживания.

У Siri есть свои конкуренты. В числе них — сервис Google Now, реализованный в приложении Google Search. Оно сделано на основе Knowledge Graph, также использует обработку естественного языка для ответов на вопросы пользователя, а при формировании своих решений отображает информацию, основываясь на предпочтениях пользователя и даже предсказывая их на основе его привычек и режима дня.


Другой новоиспеченный конкурент — это Cortana, представленная Microsoft. В середине апреля 2014 года компания дала разработчикам протестировать помощника в действии — для этого необходимо обновить смартфон до версии Windows Phone 8.1.

Ранее Cortana уже успела поработать лифтершей, но более впечатляюще она выглядит на месте секретаря в офисе компании.

Для тех, кто заинтересовался, есть отличное видео о том, как работают все три помощника одновременно, анализируя одинаковые запросы. Заглядывая вперед, можно лишь сказать, что «никто не совершенен».

Более простой пример системы консультанта-помощника вы могли встретить во время оформления онлайн заявок для получения кредита или обращаясь в техподдержку Facebook. Работа такой программы напоминает известный проект 20Q: система поочередно задает вопросы пользователю и предлагает несколько вариантов ответа, затем «отсеивает» ненужные данные как «ложные», опираясь на выбранный пользователем ответ и постепенно приближаясь к верному решению задачи. Если пользователь пошел по нестандартному алгоритму, и система не может найти решение в собственной базе, она перенаправляет пользователя на связь с реальным специалистом. Такой подход помогает снизить нагрузку на реальную службу поддержки и одновременно обслуживать любое количество пользователей.

Не путайте подобные системы с программами-мастерами: последние вы встречали, устанавливая какой-либо софт с пошаговой программой-инструкцией. В этом случае программа опирается на заданный строгий алгоритм действий пользователя, который не дает возможность сделать «шаг в сторону» или привести к незапланированному результату.

Работа с Big Data

Все чаще мы обращаем внимание на значение сбора больших массивов данных для их последующей обработки и использования в определенных целях. Особый интерес к данной области появился благодаря американской аналитической системе Watson, созданной компанией IBM. Для ее работы были использованы огромные массивы специальных статей, документов и другой литературы, связанных с медициной, после чего систему запустили в интернет: любой пользователь, отвечая на вопросы системы, постепенно проходил диагностику. Как показала практика, диагностика программы была на 25% точнее, чем результаты экспертов-медиков. Системе предсказывали великое будущее, но чем больше данных в нее загружали, чтобы превратить ее в универсальный суперкомпьютер, тем выше становилась цена на использование ее услуг. Случился парадокс — для тех, кто заинтересован в работе с ней, услуги системы слишком дороги, а те, кто могут их приобрести, хотят обладать уникальной собственной системой, а не делить ее с кем-то (а значит, предоставлять доступ к собственным данным третьим лицам).

В результате крупные компании заказывают более упрощенные и узкоспециализированные системы, которые по принципу Watson легко орудуют большими массивами данных. Что это дает? Можно создать уникальную систему создания и подбора персонализированной услуги или товара для пользователя, анализировать поведение клиентов, их запросы, желания и потребности, определять, по какому принципу формируется заказ покупателя, как влияет на набор товаров в одном заказе личные характеристики пользователя, какие товары и почему пользуются спросом у покупателей и многое другое. В России подобные системы сегодня разрабатывает компания Cognitive Technologies.

Существует иной способ использовать Big Data, который практикуется в маркетинге. Речь идет о совершенствовании механизма ретаргетинга.

Обычный ретаргетинг представляет собой рекламный механизм, посредством которого онлайн-реклама показывается тем пользователям, которые уже просмотрели рекламируемый продукт, посетив сайт рекламодателя. Основной проблемой подобного подхода является то, что на пользователя обрушиваются бесконечное число показов одного и того же продукта на всех сайтах, где работают модули рекламных сетей. Иногда это не прекращается даже после того, как пользователь совершает покупку на требуемом сайте.

Внедрение экспертных систем позволяет формировать новый вид ретаргетинга, когда система анализирует поведение конкретного пользователя и определяет, когда, где и как часто пользователю необходимо увидеть рекламу конкретного товара. Для этого она изучает поведение пользователей и определяет, в какой момент реклама какого товара подталкивает пользователя к покупке, а когда — к попытке скрыть объявление.

Что еще можно делать с данными? Использовать их для прогнозирования. Так, как это делает приложение «Яндекс.Пробки». Оно позволяет получить краткосрочный прогноз о дорожных пробках. Прогноз система строит благодаря обработке огромного количества данных: статистической карты пробок из архивов сервиса, данных о погоде, информации о праздниках или выходных днях, времени суток и т. д. Система постоянно пополняет базу данных, благодаря чему прогнозы становятся более точными. Каким образом подобная система может быть интересна представителям электронной торговли? Математическое моделирование и большие объемы данных позволяют получать более точный анализ продаж и потребительского поведения, формировать товарные предложения, основываясь на прогнозе системы. Стоит понимать, что многие системы управления интернет-магазинов уже предлагают функцию прогнозирования продаж, исходя из покупательского поведения пользователей, но в большинстве случаев эти прогнозы крайне далеки от реальности и основываются на показателях продаж за последние сутки.

А что нас ждет в будущем?

Пока вы читаете эти строки, компания Vicarious создает искусственный мозг человека. Речь идет о проекте, в рамках которого ученые исследуют кору головного мозга, чтобы затем построить свою копию неокортекса. Он будет воспринимать и анализировать мир как обычный человек, делать «человеческие» умозаключения и выводы, а значит, и понимать пользователя «с полуслова». Среди тех, кто уверен в успехе компании — основатель Facebook Марк Цукерберг, совладелец Tesla Motors Элон Маск и венчурный инвестор и популярный актер Эштон Катчер, которые вложили в компанию $40 млн. До этого еще $16 млн компания получила от основателя PayPal Питера Тиля и сооснователя Facebook Дастина Московица. Благодаря этим вложениям стартап представил собственную систему интеллектуального распознавания изображений, основанную на принципах работы человеческого мозга. Сейчас система в 90% успешно проходит тесты CAPTCHA, в том числе и более продвинутую версию — Google reCAPTCHA. Ходят слухи, что Facebook станет первой компанией, которая интегрирует эти разработки в свою существующую систему анализа изображений Deep Face.

Созданием компьютерной версии неокортекса с 2005 года занимаются также в рамках проекта Blue Brain Project (при поддержке IBM и Швейцарского Федерального Технического Института Лозанны). В этом году ученые собираются представить первую модель неокортекса мыши. Модель человеческого неокортекса появится только в 2023 году.

Много интересного можно почерпнуть из индустрии видеоигр. Вы когда-нибудь обращали внимание, как с каждым годом разработчикам удается все точнее воспроизводить мимику человека на компьютерных персонажах? Все дело в специальной программе, которую учат понимать движения мышц на лице и соотносить их с человеческими эмоциями (возможно, впервые эта технология появилась в игре EverQuest 2).

Подобная технология позволит создавать более «человекоподобных» виртуальных помощников, степень доверия к которому гораздо выше.

Почему? В большинстве случаев при выборе партнера человек «ищет» в нем собственное отражение — чем больше партнер напоминает нам самих себя, тем выше вероятность того, что наши отношения с ним будут длительными и успешными. Поэтому чем ближе виртуальный персонаж по своей внешности, мимике и поведению к реальному человеку, тем сильнее мы «одушевляем» его, тем выше степень доверия к нему.

С другой стороны, если мы обладаем программой, которая способна правильно анализировать мимику человека и определять его эмоции, мы можем формировать предложения, основываясь на реакции человека на товар, предложения или рекламу во время посещения сайта. Подобная технология может вывести известный всем Вебвизор на качественно новый уровень.

Кстати, на идее распознавания жестов человека уже работает ряд программ, например, приложение Flutter. Благодаря ему можно «одним махом» управлять медаиплеерами на компьютере: переключать песни или делать паузу во время просмотра видео. Главное, не пропадать из поля видимости веб-камеры компьютера. Но куда интереснее работа с Kinect, который умеет понимать движения тела, мимику, показываемые изображения и человеческую речь.

Исследования в области искусственного разума получили поддержку представителей фонда TED, которые объявили о конкурсе: необходимо создать искусственный интеллект, который будет в состоянии выступить со своей речью на одной из конференций фонда. В результате разработчики должны представить не просто «умную» копию подобия человеческого мозга, но систему способную понимать неформальные вопросы, создавать связи между абстрактными понятиями и быть способной к творчеству. Поэтому тем, кто хочет добиться успеха в онлайн торговле, все же стоит «держать руку на пульсе» — электронная торговля станет одной из тех областей, которая будет ближе всего к интеграции с достижениями ИИ.

Когда роботы захватывают мир: искусственный интеллект в электронной торговле

Рейтинг +12
Ответить?
Введите капчу

Вход на cossa.ru

Уже есть аккаунт?
Авторизуйся через VK:
Vkontakte
Не забудьте написать email на странице своего профиля для управления рассылкой