Нейросеть написала 14 тысяч комментариев за наших пользователей

Рассказываем о самых ярких событиях той недели.

25 июня мы со Сколтехом запустили спецпроект «Нейротекст». Мы выгрузили комментарии со всех наших площадок — vc.ru, TJ, DTF, и обучили на них нейросеть GPT-2.

Затем каждый пользователь мог обратиться к ней за помощью, чтобы автоматически написать или дописать комментарий. Нейросеть это делала в стиле аудитории выбранного издания: робот, обученный на vc.ru, предпочитал говорить о бизнесе, а с DTF — разносил известных разработчиков игр.

Эксперимент подошёл к концу, и мы готовы подвести итоги.

Пользователи DTF создавали комментарии активнее других — из 14 тысяч комментариев на наше игровое издание пришлось 9,5 тысячи, на TJournal — 3,5 тысячи, на vc.ru — чуть больше тысячи. Отличить робокомментарий было просто — они подсвечивались фирменными цветами изданий.

Если пользователь ввёл начало комментария, то нейросеть могла считать контекст и дописать осмысленную (или не очень) концовку. Такой возможностью пользовались примерно в половине случаев, в остальных — читатели польностью доверяли ей весь текст комментария.

Иногда нейросеть выдавала негодный результат, да и покликать новые варианты было любопытно. Поэтому нейросеть сгенерировала больше 100 тысяч комментариев, но пользователи решили опубликовать только 14 тысяч.

И это хорошие новости — значит в целом роботы могут поддерживать осмысленную дискуссию. Или хотя бы смешную.

И это выглядит слабовато на фоне других изданий. Самый высокий рейтинг нейрокомментария на DTF — 165, на TJournal — 96.

С помощью нейронок можно делать и более сложные и масштабные проекты. Машинное обучение становится базовым инструментарием во многих сферах — всё не ограничивается Data Science.

Например, в магистратуре Сколтеха Advanced Manufacturing Technologies учат применять нейросети в реальном промышленном производстве. Научные сотрудники вместе со студентами этой программы недавно сделали для автопроизводителя Fiat Chrysler Automobiles проект, который сократил время проектирования деталей с двух с половиной месяцев до пары дней.

На направлении Energy Systems применяют машинное обучение для умной техники. Из простых примеров — нейросеть подбирает идеальные параметры работы кондиционера и обогревателя на ближайшие часы в зависимости от размера и расположения окон, планировки, материалов стен и так далее. А в сфере беспроводных связей — нейросети способны снизить энергопотребление мобильных устройств.

Эксперты Сколтеха рассказали о примерах применения нейросетей в своих проектах в отдельном материале — читайте по ссылке ниже.