Робохроники ИИ: рейтинг продуктивности сотрудников, алгоритмы Walmart против воров и гигантская языковая модель OpenAI

Роботы из Redmadrobot Data Lab рассказывают о новостях, кейсах и подходах в ИИ, которые можно переложить на нашу действительность и реально использовать.

Бостонский стартап разработал платформу, которая с помощью машинного обучения анализирует скорость выполнения задач сотрудниками и предлагает способы повышения их эффективности. Также система оценивает продуктивность сотрудников, может даже создать подобие рейтинга.

Enaible говорит, что уже предоставляет свое ПО дубайскому таможенному управлению и Omnicom Media Group, а также почти договорилась с Delta Airlines и CVS Health (одной из крупнейших в США сетью аптек и товаров для красоты).

Как это работает? Система в фоновом режиме изучает типичный рабочий процесс сотрудника, используя схему триггер-задача-время: алгоритмы устанавливают соответствие между триггерами (письмо, телефонный звонок или др.), задачами и временем выполнения. После изучения типичного процесса поведения и формирования модели система может дать человеку «оценку производительности» от 0 до 100.

Пока платформа Enaible лучше применима для сотрудников, у которых есть много повторяющихся задач, например, в колл-центре или службе поддержки клиентов.

При этом парни из Enaible утверждают, что при грамотной настройке системы можно сравнивать «оценку производительности» даже у работников, которые выполняют разные задачи. Помимо этого они говорят, что «оценка производительности» сотрудника также отражает то, как его работа влияет на производительность других людей в команде.

Пример. В одном из проектов система Enaible наблюдала за действиями сотрудников и предложила автоматизировать 40-секундную задачу проверки качества. Эта операция выполнялась работниками клиентской поддержки 186 000 раз в год, следовательно, экономия составила бы 5200 часов. Сэкономленное время сотрудники могли уделить более важным задачам, улучшая качество обслуживания клиентов.

Менеджеры с помощью этой системы могут видеть на каком уровне находится продуктивность отдельных сотрудников и команды в целом. С одной стороны, быстрый сигнал о снижении эффективности поможет оперативнее разобраться в причинах. С другой, при наличии более-менее объективных данных проще распространять эффективные практики работы или замечать узкие места, которые требуют оптимизации.

При чём тут я? Из-за длительного периода удалённой работы многие работодатели ищут новые способы повышения личной и командной эффективности сотрудников. Также уже давно существует тренд на прозрачность выполняемой работы, который пока выражается в использовании разных трекеров задач и другом ПО.

Системы, подобные Enaible кажутся следующим шагом в этом тренде, так как позволяют видеть весь в процесс в целом, а не только отдельные элементы. Хотя, как верно подмечают критики, в рамках подобных систем открытым остаётся как минимум вопрос доверия между сотрудниками и работодателями. Да и чистота данных может быть подвергнута сомнению. Но мы верим, что решение будет найдено.

Парни из OpenAI рассказали о новой языковой модели GPT-3. Речь об алгоритме, который может выполнять задания по работе с естественным языком: писать тексты на основе всего нескольких примеров, отвечать на вопросы по прочитанному тексту, разгадывать анаграммы, решать простые арифметические примеры и даже переводить. VentureBeat сообщает, что у GPT-3 огромное количество параметров для настройки — 175 миллиардов. Для сравнения, самая крупная версия GPT-2 включала 1,5 миллиардов параметров, а предыдущая крупнейшая в мире, представленная недавно Microsoft, — 17 миллиардов параметров.

Зачем это мне? В одной из первых Робохроник мы писали о начинающейся борьбе на рынке NLP-технологий. Вкратце, речь о многослойных нейросетях, которые находят в текстах на естественном языке семантические связи, улавливают логику и смысл. Дальше на основе этой технологии компании могут создавать много всего: продвинутые спам-фильтры, классификацию сообщений, чат-ботов, Siri, «Алису», «умные» холодильники и даже SkyNet (если человечество будет себя плохо вести). В общем, кто лидирует в NLP-технологиях, тот будет создавать будущее в области взаимодействия людей и машин.

Яндекс представила новое, четвертое поколение своих беспилотных автомобилей, которое создали совместно с компанией Hyundai Mobis. Это первая подобная совместная разработка компании вместе с автопроизводителем. Первые новые беспилотники четвертого поколения уже колесят по Москве. Всего до конца 2020 года компания планирует вывести на дороги 100 автомобилей данного типа.

Также недавно команда Uber опубликовала исследование с описанием системы MultiNet для автономных машин. Алгоритмы MultiNet обнаруживают и прогнозируют движение людей и транспорта на дороге.

В Петербурге X5 Retail Group запускает пилотный проект, в котором ИИ поборется с магазинными кражами. В торговых и кассовых зонах появятся дополнительные камеры, следящие за возможным недобросовестным поведением покупателей. Например, система может увидеть, что покупатель положил товар в карман, и отследить траекторию его перемещения. В целом, решение на основе искусственного интеллекта различает 15 вид краж.

При этом, с похожей системой у Walmart, кажется, не всё так хорошо. В частности, по словам анонимных сотрудников, они сталкиваются с большим числом ложноположительных срабатываний системы и краевыми сценариями, когда алгоритмы просто не видят кражу и не предупреждают о ней персонал. В результате решение, призванное предотвращать воровство, работает со сбоями и усложняет, а не упрощает рабочий процесс.

Многие наверняка уже видели, но это всё равно прекрасный deepfake.

Если понравилось — пишите. Ведь без обратной связи робота не переобучить. Самые свежие новости про ИИ и не только — в нашем Telegram-канале. Всем ИИ!

#ии #робохроники #redmadrobot #walmart #nlp #openai