International Conference
"Technologies of Artificial Intelligence 2019"

Анализ журнала событий с помощью нейронных сетей

Развитие регулирования ИИ в мире: что актуально в России?
Вопрос о необходимости разработки специального регулирования искусственного интеллекта – один из наиболее актуальных сегодня. Такие страны, как США, Южная Корея, Япония, Китай и Евросоюз уже приступили к его решению, выбирая свои пути законодательного развития, России также предстоит сделать этот выбор. Какая модель регулирования искусственного интеллекта будет оптимальной с учетом особенностей отечественной правовой системы? Допустимо ли заимствование зарубежных подходов к регулированию искусственного интеллекта и если да, то в какой степени? Насколько специальное регулирование искусственного интеллекта необходимо в современных реалиях? Доклад посвящен ответам на эти и другие вопросы, связанные с созданием отечественных законопроектов в данной области и подготовкой международной конвенции о робототехнике и искусственном интеллекте.

Машинное обучение в горно-металлургической отрасли

Проекты с применением машинного обучения в промышленности помогают решать множество задач, направленных на повышение бизнес-показателей предприятий – предиктивные ремонты, компьютерное зрение, советчики по технологиям уже сейчас активно используются на предприятиях горно-металлургической отрасли. Доклад посвящен обзору направлений проектов машинного обучения в вертикально интегрированной горнодобывающей
и сталелитейной компании «Северсталь», а также изложению особенностей стека применяемых на предприятии технологий искусственного интеллекта. Особое внимание уделено роли исследователей данных (data scientists) при решении промышленных задач.

Модели аплифта vs моделей оттока клиентов в ретейле

Эффективная обработка огромных объемов сведений о покупателях, накапливаемых предприятиями ретейла: поведение клиентов, данные о их предпочтениях и активности в социальных сетях, и пр. вполне может, при минимальных затратах, предоставить бизнесу конкурентные преимущества. За счет проведения таргетированных маркетинговых кампаний, оптимального размещения магазинов, выбора конкретного ассортимента с точным прогнозом срока выхода торговой точки на окупаемость, а также выявления «больных» магазинов можно существенно повысить прибыльность. Кроме этого, на рост товарооборота и снижение потерь оказывают влияние «умные» программы повышения лояльности клиентов, исключающие заведомо ненужные предложения или взаимодействие с незаинтересованной аудиторией. Доклад посвящен особенностям применения в компании Х5 Retail Group Аплифт-моделирования – прогнозного метода оценки эффекта воздействия промо-акций на потребителя, снижения оттока клиентов и определения их ценовой эластичности. Особое внимание уделено методологии построения таких моделей.

Искусственный интеллект в клиентском сервисе

Стратегия компании МегаФон «Развиваем цифровой мир» ориентирована на клиента эпохи цифровизации и вполне естественно, что при решении широкого спектра задач клиентского сервиса цифровой экосистемы применяются технологии искусственного интеллекта. При обращении клиента в контактный центр он взаимодействуют с виртуальным помощником «Елена», обычно решающим большинство вопросов, помогая оператору-человеку найти нужную информацию в базе знаний. При этом голосовая биометрия позволяет обслужить клиента, не затрачивая время на проведение идентификации традиционными средствами. Клиент может задать свой вопрос чат-боту компании или же задать его через ассистентов «Алиса» и Google assistant. При появлении у клиента персонального предложения ему позвонит виртуальный роботизированный оператор, с согласия клиента подключающий абоненту необходимую услугу. Решение по речевой аналитике позволяет контролировать качество обслуживания по каждому обращению. Доклад посвящен обсуждению задач, решаемых Клиентским Сервисом МегаФон в рамках стратегии компании и возможностей применения ИИ для их решения. Особое внимание уделено анализу полученных результатов и перспектив дальнейшего развития клиентского сервиса.

Искусственный интеллект в медицине: проекты «Национальной базы медицинских знаний»

Перед отечественным здравоохранением поставлен сегодня ряд стратегических задач, включая увеличение продолжительности жизни, снижение смертности и заболеваемости, которые планируется решать в рамках национального проекта «Здравоохранение». Один из инструментов решения таких задач – системы поддержки принятия врачебных решений, использующие в том числе методы искусственного интеллекта. Создание и внедрение в практическое здравоохранение «умных» сервисов – важнейший этап стратегии развития национального здравоохранения, одним из шагов реализации которой стало создание ассоциации «Национальная база медицинских знаний» (НБМЗ), получившей поддержку Администрации Президента, Министерства здравоохранения РФ, РВК, АСИ и Национального Агентства Социальных Коммуникаций. Доклад посвящен представлению опыта реализации проектов НБМЗ, направленных на развитие российского рынка систем искусственного интеллекта для медицины. Особое внимание уделено практическому опыту создания и продвижения цифровых сервисов для медицины, разбору примеров их практической эффективности и основных барьеров, поджидающих любого разработчика интеллектуальных систем для этой области.

ИИ носит PRADA

PRogrammable Acceleration of multiple Domains with one Architecture

Синтез обучающих данных в задачах дистанционного зондирования земли

Современные методы, построенные по данным, например, сверточные нейронные сети (convolutional neural network,CNN), обеспечивают наилучшее качество в задачах распознавания изображений, когда обучающие данные имеются в изобилии, однако в ряде задач, например, при обнаружении изменении в изображениях дистанционного зондирования, данные не могут быть быстро получены в достаточных количествах. В докладе обсуждается простой и эффективный метод создания реалистичных синтетических наборов данных в области дистанционного зондирования, разбирается конвейер для процедурной генерации геометрии и рендеринга, а также приводятся оценки эффективности синтетических данных для обнаружения изменений. Конвейер помогает улучшить как качество, так и сходимость моделей на основе глубинного обучения в случае серьезных ограничений на объем реальных данных.

Машинное обучение на автомобильном аукционе

Компания CarPrice предлагает сервис оперативной продажи автомобиля по текущей реальной рыночной цене, складывабщейся в ходе аукциона с участием десятков тысяч дилерских центров по всей стране. В информационной системе поддержки автомобильного аукциона, а также в сопровождающих его сервисах применяются, в частности, технологии машинного обучения. В докладе рассматриваются особенности использования нейронных сетей в высоконагруженных и распределенных конфигурациях, разбираются преимущества, получаемые продавцами и дилерскими центрами от работы с сервисами на базе глубинного обучения.

Искусственный интеллект для банковской персонализации

Банки владеют сегодня огромными массивами актуальных сведений о своих клиентах, включающие данные о покупках, предпочтениях, текущем социальном статусе и пр., однако обычно их основная часть не используется. Между тем, эффективная обработка таких сведений дает возможность трансформировать банк в персонального финансового помощника для своих клиентов, способного своевременно предоставить ему финансовый совет, что существенно повысит лояльность финансовой организации, или же рекомендовать клиенту требуемый ему банковский продукт, сервис, коммерческое предложение от партнеров банка и т.п. Доклад посвящен изложению опыта применения современных технологий машинного обучения и анализа данных, позволяющих крупнейшим финансовым организациям максимально точно персонализировать взаимодействие с клиентами.

Как создать русскоговорящего виртуального аналитика?

Виртуальные ассистенты постепенно становятся незаменимыми личными помощниками при автоматизация центров сервисного обслуживания и технической поддержки, выполнении покупок в магазинах и пр. Как правило, такие ассистенты создаются на базе правил и накопленной базы исторических запросов, представляющей собой тестовую переписку или комплекты аудиозаписей. Однако, виртуальный аналитик может быть также полноценным компонентом корпоративной аналитической платформы, выполняя роль идеального помощника исследователя данных (data scientist). В докладе разбираются преимущества работы с виртуальным аналитиком ViTalk и проблемы, с которыми сталкиваются их создатели при работе с русскоязычными источниками сведений. Особое внимание уделено задаче получения выборок для обучения и классификации данных.

"Алиса","Анна","Варвара", "Маруся", "Олег" и другие

Рынок виртуальных ассистентов стремительно растет во всем мире, включая и Россию – крупные корпорации и небольшие стартапы активно развивают платформы по созданию диалоговых агентов на базе технологий распознавания естественного языка, выполняются многочисленные проекты в области разговорного искусственного интеллекта. К 2020 году, по данным аналитиков, 85% коммуникаций с клиентами и сотрудниками будет осуществляться без участия человека-оператора, к 2024 году в большинстве интерфейсов вообще не будет экрана, а уже в 2027 году цифровые помощники, интегрирующие выполняемые человеком ежедневные задачи, будут непрерывно поддерживать требуемую производительность сотрудников в режиме 24х7. Доклад посвящен анализу текущей экосистемы виртуальных помощников, обзору структуры сегментов рынка, а также разбору основных драйверов его роста. Особое внимание уделено проблемам на пути распространения интеллектуальных ассистентов в различных прикладных областях, обзору возможностей соответствующих технологий и роли ключевых игроков в развитии рынка «умных» помощников.

Библиотеки глубинного обучения

Появление высокопроизводительных графических процессоров, успехи в области машинного обучения и технологий больших данных привели к буму на рынке прикладных решений искусственного интеллекта – искусственные нейронные сети стали применяться для распознавания объектов, синтеза речи, перевода с различных языков и пр. Снижению порога вхождения в рынок решений на основе глубинного обучения способствовало появление инструментальных фреймворков, адаптированных под конкретное оборудование и включающих стандартный интерфейс программирования, компиляторы, библиотеки создания и обучения нейронных сетей: TensorFlow от Google, Caffe2 от Facebook, CNTK от Microsoft, Neon от Intel пр., каждый со своими преимуществами и недостатками. В докладе приводится обзор наиболее популярных библиотек работы с искусственными нейронными сетями и разбираются особенности их использования при решении конкретных задач. Особое внимание уделено российской библиотеке Puzzle.lib, применяемой сегодня в разнообразных приложениях и поддерживающей такие аппаратные платформы, как Intel, AMD, Nvidia, Apple GPU и Android GPU. В ближайших планах поддержка «Эльбрус», «Байкал» и ЭЛВИС ELISE.

Обеспечение качества данных в задачах машинного обучения

По оценкам разных источников, до 80% данных неструктурированны (их еще называют «темные»), а значит использовать их в задачах анализа и машинного обучения попросту невозможно, однако выход есть. В докладе анализируются основные проблемы, возникающие при анализе данных и их подготовке для обработки с помощью алгоритмов машинного обучения, разбираются преимущества и недостатки различных методов анализа текстов. Особое внимание уделено сравнению различных подходов к анализу больших массивов текстов с точки зрения их применения для решения задач глубинного обучения.

Прогнозная аналитика для управления персоналом

По мнению аналитиков, почти 70% предприятий в числе своих наиболее острых проблем называют сегодня нехватку квалифицированных кадров – современные условия ведения цифрового бизнеса, высокие темпы изменений, непрерывное обновление технологий требуют привлечение сотрудников с определенной квалификацией. Вместе с тем, адровые службы цифровых предприятий сталкиваются сейчас с проблемой «выгорания сотрудников», вызванной перегруженностью персонала, переизбытком коммуникаций, которые требуется одновременно контролировать менеджерам, а также отсутствием эффективной системы мотивации, постоянными изменениями рабочих обязанностей, неправильным делегированием обязанностей и ответственности. Следствием «выгорания» становится либо увольнение сотрудника, либо резкое снижение его активности. Учитывая, что этому синдрому подвержены, как правило, добросовестные работники, болеющие за дело, с развитым чувством ответственности и с высокой вовлеченностью в работу, их «уход» для компании приводит к существенным убыткам: потери от низкой производительности труда сотрудника; негативное влияние на трудовой климат в коллективе; увольнение сотрудника из компании, влекущее недополученную прибыль и дополнительные затраты на поиск, подбор и адаптацию нового работника. Доклад посвящен обсуждению решения, позволяющего предсказать момент начала увольнения сотрудника по «собственному желанию». Особое внимание уделено опыту эксплуатации прогнозной аналитической системы, особенностям создания и продвижения цифровых сервисов управления персоналом, а также проблемам на пути внедрения подобных решений в организациях.

Augmented Machine Learning: дополненное машинное обучение

Технологии искусственного интеллекта в целом и машинного обучения, в частности, активно применяются сегодня во многих отраслях, позволяя повысить результативность бизнеса, сократить издержки или повысить точность управленческих решений. Однако эффективность проектов на основе машинного обучения часто зависит от качества и количеством доступных данных, а принятие руководством компаний полученных результатов – от степени доверия к модели. Оптимальная стратегия обучения нейронной сети может включать в себя сочетание взаимодополняющих знаний эксперта в конкретной области и машинного «интеллекта». При наличии больших объемов данных по какой-либо задаче можно с помощью онлайн-платформы извлечь скрытые экспертные знания, улучшив модель для другой, родственной задачи, обучив ее модель на существенно меньших объемах данных. Доклад посвящен дополненному машинному обучению (Augmented Machine Learning) – автоматизированному методу интеграции знаний экспертов, моделей машинного обучения и средств обработки естественного языка для формирования расширенных наборов обучающих данных. Особое внимание уделено обзору возможностей, которые AML открывает и перед стартапами, и перед крупными корпорациями при извлечений полезных сведений из сырых данных и подготовке взвешенных управленческих решений.

Ваш первый проект "Искусственный интеллект"

Время от времени в индустрии "потребителей" ИИ – компаний и предприятий, желающих получить пользу от соответствующих технологий – возникает скепсис по поводу целесообразности и эффективности реализации проектов, использующих методы из арсенала искусственного интеллекта. «Слушаем обещания стартапов и консультантов, внимательно следим за рынком, но пока подождем – у кого же взлетит, тогда и мы сделаем» – типичная позиция таких скептиков. Примерно также в свое время развивался и рынок систем ERP, CRM, однако проекты ИИ имеют принципиальные отличия, обсуждению которых и посвящен доклад. Разбираются основные параметры коммуникации бизнеса и разработчиков решений ИИ, а на примере анализа опыта предприятий из таких областей, как индустрия моды и потребительская электроника даются рекомендации по выполнению проектов ИИ, позволяющие избежать ситуации "поспешишь – людей насмешишь". Как предприятиям и компаниям выбрать свой первый проект ИИ? Как сформировать команду исполнителей? Почему иногда надо подождать, а иногда наоборот?