Новые тренды применения ИИ: от искусства до недвижимости

О новых трендах в применении искусственного интеллекта и собственном опыте его внедрения рассказывает Руслан Ахтямов, директор по стратегии и сооснователь Napoleon IT.

Искусственный интеллект сегодня — это реальная технология, которая полноценно вошла в нашу повседневную жизнь и меняет её к лучшему. Если раньше при упоминании этого термина все представляли себе человекоподобных роботов, которые захватывают мир, то в 21 веке ИИ окружает повсюду и активно внедряется во все сферы жизни. Самое главное — он перестает быть советчиком. Он становится руководителем, самостоятельно принимающим решения, которые начинают находить применение все в большем количестве областей.

Мы ежедневно пользуемся навигаторами в машинах, где ИИ самостоятельно подбирает наиболее удобный маршрут. Слушаем плейлисты, которые сформированы алгоритмами Яндекс.Музыка на основе наших вкусов. Лента новостей теперь формируется, исходя из ваших рекомендаций, а необходимость идти в банк уже в прошлом, ведь все можно решить одним кликом — в том числе взять кредит, пообщавшись с Олегом. Теперь знакомая даже детям Алиса поможет исполнить давнюю мечту всех любителей научной фантастики - пропылесосить за вас, подогреть чай и включить все ту же идеально подобранную музыку.

Но ИИ может решать амбициозные и важные задачи для бизнеса, использоваться в тех сферах, о которых казалось бы никто ещё не догадывается. Создавать музыку и картины, формировать цены на товары и даже помогать в лечении болезней - это лишь малая часть, где возможно применить современные технологии, основанные на искусственном интеллекте.

Делимся подборкой неочевидных кейсов применения ИИ.

Искусство

Новый тренд - ИИ создает искусство!

Так, в 2018 году «Портрет Эдмонда Белами» стал первым произведением искусства, созданным с помощью искусственного интеллекта, который аукционный дом Christie's продал за свою 252-летнюю историю. А в 2017 году вышла первая в мире поп-песня «Daddy's Car», написанная ИИ на основе 45 песен The Beatles от исследовательской лаборатории Sony CSL.

Однако этому есть и более профессиональное применение. В 2021 году Napoleon IT инициировали проект, в рамках которого с помощью ИИ был создан логотип Челябинска. Зачастую фокус людей смещается с эстетических и функциональных качеств конкретной работы на личность автора, имя студии или сумму контракта, из-за чего большинство логотипов городов, созданных дизайнерами, воспринимаются обществом в штыки. В Челябинске же искусственный интеллект позволил создать логотип в виде надписи с названием города руками самих горожан к 285-летию.

Этот эксперимент – первый в мировой практике брендинга и айдентики городов и территорий. В течение двух недель горожане писали слово «Челябинск» от руки, и присылали изображения на специальный сайт. Несколько тысяч присланных надписей были переданы специалистам по искусственному интеллекту и машинному обучению в рамках хакатона. С помощью нейронных сетей участники создали алгоритм, который объединил множество рукописных изображений слова «Челябинск» в одно, а дизайнеры доработали прототип и создали финальную версию.

Пока это единичный подобный кейс, который открывает большой потенциал для будущих культурных открытий. Схожую технологию сейчас используют в студии Артемия Лебедева - нейросеть Николай Иронов может предложить дизайн и айдентику на основе описаний от клиента. Несмотря на неоднозначность некоторых из произведений “Иронова”, сеть продолжает обучаться и выдает все более достойные результаты.

Поэтому ИИ может успешно использоваться представителями творческих профессий для монетизации произведений, а также их создания совершенно необычными и инновационными способами.

Ритейл

Однако особенно активно ИИ применяется в ритейле. Здесь искусственный интеллект - реальное конкурентное преимущество на рынке. Он позволяет выбрать место для расположения торговой точки, разработать товарную матрицу, управлять остатками и автозаказом, логистикой, ценами и спецпредложениями. Бизнесы все чаще начинают использовать решения, основанные на Machine Learning. А с внедрением систем Экспресс-Скан технологии машинного обучения изменят сам процесс покупок, позволяя покупателю совершать покупку прямо в торговом зале без контакта с кассиром.

Для ритейлеров сегодня будут актуальны следующие интеграции ИИ в их деятельность :

Динамическое ценообразование и мониторинг цен конкурентов — важный инструмент для любого бизнеса. Многие розничные компании завоевывают потребителей, устанавливая низкие цены на популярные товары. Такая стратегия предполагает постоянный анализ предложений конкурентов и обработку больших объемов данных. До недавнего времени проделать эту работу можно было только вручную: собирать данные с ценников в конкурирующих магазинах, заносить информацию в Excel-таблицу и на основе этих данных формировать ценовые предложения. Но ручной сбор данных — не эффективное решение из-за своей дороговизны и скорости. А также недостаточно точное, что неизбежно приводит к потерям прибыли. Сервисы на основе ИИ и компьютерного зрения позволяет в режиме реального времени собирать точные данные о конкурентном рынке для последующего оптимального формирования цен. Такое решение сейчас использует сеть «Бристоль». Система позволяет провести мониторинг позиций за 15-20 минут и представить потребителям самую выгодную цену на товары среди конкурентов.

С помощью умных весов, как у X5 group, покупатели смогут взвешивать и определять товар с помощью компьютерного зрения и встроенной программой лояльности. Такие инновации позволяют торговым сетям увеличивать продажи весовых товаров, улучшать пользовательский опыт и сокращать время потраченное на взвешивание, благодаря автоматическому распознаванию продуктов. При этом, печать купонов на скидку и повышенные баллы прямо на весах мотивируют клиентов купить дополнительные товары.

Для реализации идеи магазина без кассиров лаборатория X5 разработала собственную технологию «Экспресс-скан», которая позволяет сканировать товары и оплачивать покупки бесконтактным способом в магазинах «Пятёрочка» и «Перекрёсток». Так эта технология используется в мобильном приложении «Пятёрочка #Налету» в 2 магазинах без кассиров в Москве.

Также возможно использовать ИИ для матчинг названий для товаров. Зачастую товары имеют различные наименования в торговых сетях. ИИ в данном случае, позволяет собирать большое количество данных со всех сетей и обрабатывает их. Таким образом, нейросеть сопоставляет товары по тексту описания, выдавая специалистам одинаковые единицы.

ИИ помогает спрогнозировать спрос на товары или продукты. Такое решение, например, использует DeliveryClub. В нашей практике был кейс по созданию модели, основанной на алгоритме градиентного бустинга, предсказывающий поток заказов, как онлайн, так и оффлайн. Это позволило с точностью до 84 процентов определить для сети быстрого питания сколько будет заказано пицц каждый час в каждой торговой точке. В результате не только снизилось время ожидания заказа, но также и уровень стресса персонала во время высокой нагруженности. Кроме того, это позволило на 7% сэкономить расходы на заработную плату сотрудникам благодаря минимизации простоя в периоды пониженного спроса на услуги.
Схожее решение также использовали для определения спроса на украшения сети салонов ювелирных изделий. С помощью машинного обучения бфла разработана модель на данных о 12 тысячах ювелирных украшениях с фото и другими характеристиками: цена, вес, количество продаж. Точность прогноза потребительской привлекательности новых изделий достигает точности до 90%.

Прогнозировать можно не только пики спроса, но и эффективность продаж. Предиктивные модели ИИ позволяют эффективно прогнозировать как будут идти продажи товара на основе характеристик и предыдущих продаж. Таким образом, компании смогут грамотно рассчитывать объемы поставок и рационально использовать ресурсы.

Ранее в статье уже было упомянуто, что такие системы несовершенны. Прогнозы ИИ могут быть не до конца точными - 10 процентов из них могут оказаться действительно недостоверными. В то же время, напомним, что системы основаны на машинном обучении и с увеличением баз данных только прогрессируют и становятся лучше.

ИИ в HR при найме кандидатов

Многие компании внедряют ИИ в работу с кандидатами и сотрудниками, начиная с первого этапа — hiring. Виртуальные рекрутеры могут самостоятельно провести оценку резюме, обработать отклики кандидатов и назначить собеседования. Так, ИИ помогает hr-отделу убрать из ежедневных задач рутинные процессы и сконцентрироваться на общении с кандидатами. Поэтому часто технологию используют для массового найма, когда на одну вакансию приходят сразу десятки откликов. Это экономит время на найм, повышает его качество, сокращает расходы.

Следующий этап в развитии применения ИИ в сфере Hiring — создание системы, позволяющей произвести матчинг кандидата и компании, определить их взаимные точки интереса и соприкосновения на основе оценки Soft Skills и Work Experience. Такая система поможет компаниям выйти на абсолютно качественно новый уровень закрытия вакансий.

Пример такого решения уже есть в виде сервиса TalentService - платформы тестирования работодателей и оценки их соответствия ожиданиям разработчиков. Проект позволяет соискателям проверить команду, задачи и культуру работодателя для принятия взвешенного решения о трудоустройстве. В отличие от большинства hiring-платформ, в данном сервисе алгоритмы ИИ оценивают не потенциального сотрудника, а компанию-работодателя.

HR: Расчет вероятности увольнения

В HR ИИ также может применяться для решения проблемы текучки кадров, если существует высокий процент инцидентов с отрицательными последствиями, вызванными определенным физическим или эмоциональным состоянием сотрудников. Для этого создаются модели экстремального градиентного бустинга с точностью предсказания инцидента с конкретным человеком до 80% на основе данных личных, профессиональных, о тренингах, обучении персонала, состоянии материальный базы, используемой сотрудниками. Точность предсказания, учитывая личные факторы, может достигать 80%.

Развлекательная индустрия: распознавание лиц по фото из архивов

ИИ может использоваться в сфере развлечений. Этой инновацией уже пользуется ВК и медиа GeoPro., чтобы легко найти вас в архивах фото с помощью компьютерное зрения. ИИ обрабатывает большие массивы изображений и находит человека на всех имеющихся фотографиях. Изначально некоторые порталы монетизировали эту историю - пользователь мог найти себя во всех архивах на фото. Однако сейчас, есть спрос и на обратную услугу - скрыть себя со всех памятных снимков.

Медицина

Как уже было упомянуто в начале, одной из самых востребованных сфер, где применяется ИИ является медицина. В 2020 году во время пандемии коронавируса стали актуальны системы для детекции температуры с помощью компьютерного зрения, а также все системы, способные облегчить и разгрузить врачей.

Например, система по распознаванию заболеваний легких от SberCloud и СберЗдоровья. С его помощью пациент сможет отправить свой снимок КТ в сеть, после чего получит его расшифровку в течении 15 минут. Это решает проблему большой нагрузки на врачей-рентгенологов.

Поэтому все медицинские компании безусловно могут использовать ИИ для поиска новейших методов лечения и создания прогрессивных технологий.

Недвижимость

ИИ может использоваться и для решения проблем девелоперов недвижимости. Уже сейчас модели машинного обучения позволяют тщательно определить эффективные цены на недвижимость.

ИИ рассчитывает рыночные цены объектов недвижимости, учитывая их характеристики (близость к школам, больницам, центру, паркам, метро и всей инфраструктуре), конкурентов, статистику продаж квартир и макроэкономические показатели. Точность расчетов достигает 98%, а застройщики получают стартовые цены в рамках плана продаж для новых ЖК. Таким образом, объекты девелоперов не задерживаются долго на рынке, а сами компании получают достаточную прибыль для реализации дальнейших проектов

Заключение

Мы перечислили целый ряд того, как решения на основе ИИ могут быть применены в бизнесе, индустрии развлечений, строительстве и медицине, а также то, как они могут улучшить не только покупательский опыт, но и упростить работу непосредственно самих заказчиков.