Опытное руководство для малого бизнеса по машинному обучению и искусственному интеллекту

25 августа 2021 в 12:17

«Мы встретили врага, и он - это мы» - Пого Поссум

Есть две вещи, которые вам нужно знать о машинном обучении и искусственном интеллекте, об этой великой и о которой часто пишут о ключевой битве:

Технически это не битва. Машинное обучение (ML) - это разновидность искусственного интеллекта (AI); он умещается под большим зонтом ИИ.
Несмотря на то, что «машинное обучение против искусственного интеллекта» - это не битва, в этом сценарии есть победитель: вы и ваш малый бизнес.

Не поймите меня неправильно, есть различия между более широкой идеей искусственного интеллекта и конкретным приложением ИИ, называемым машинным обучением.

Тем не менее, ML и AI не являются противоположными подходами. Машинное обучение - это популярное подразделение искусственного интеллекта, которое за последние несколько лет стало огромным.

Другими словами, машинное обучение, как и у Гензеля, сейчас очень популярно.

Почему эти, казалось бы, академические различия имеют значение для вас как владельца малого бизнеса? Потому что вложения в машинное обучение - будь то программное обеспечение или компании, которые его делают - - отличный способ уберечь ваш неискусственный бизнес-интеллект от бессмысленной загруженной работы. Кроме того, программное обеспечение и службы, использующие машинное обучение, могут помочь вам изучить то, на что у вас иначе не было бы времени или возможностей.

И это тот элемент экономии времени, который помогает вам как владельцу малого бизнеса. У более крупных корпоративных игроков есть ресурсы, которых у вас нет. У них есть исследовательские отделы, которые могут потратить недели на изучение того, как конкуренты позиционируют их продукты или как клиенты реагируют на их новейшее внедрение. Вероятно, у вас нет такой роскоши. Однако машинное обучение может дать вам понимание, которое вы получите в результате многочасового исследования, за несколько минут.

Вкратце: машинное обучение - это постоянная гибкость. Продолжайте читать, чтобы получить более полное представление о взаимосвязи машинного обучения и искусственного интеллекта, а также конкретных примеров того, как машинное обучение может помочь малому бизнесу добиться успеха.

Машинное обучение против искусственного интеллекта: общий обзор

Вообще говоря, искусственный интеллект - это машина, которая думает как человек . Если это кажется широким определением, то это так. Лучше, и общий, способ определить , когда что - то искусственное является умной является известным тестом Тьюринга: Если вы не знаете , что вы общались с компьютером, вы бы быть в состоянии сказать?

Первоначальный тест Тьюринга включал в себя разговор через стену с двумя сторонами - компьютером и человеком. Если вы не могли сказать, какая из двух сторон была компьютером, машина казалась достаточно «человеческой», и, вуаля, эта машина прошла тест Тьюринга.

Изображение теста Тьюринга

Итак, где же машинное обучение?

Если искусственный интеллект - это любая машина, которая думает как человек, то машинное обучение «думает как человек» именно посредством обучения.

Это кажется очевидным, но это потому, что вы человек. Ваш мозг создан для того, чтобы учиться - воспринимать новые факты (есть много красных фруктов), превращать эти факты в концепции (красный фрукт - это яблоко) и использовать эти концепции, чтобы думать быстрее (я хочу яблоко, поэтому я '' буду искать красный фрукт).

Компьютеры традиционно не предназначены для обучения. Вы скармливали им информацию, а они вам что-то вернули. Но все, что он мог сделать, это тот конкретный тип ввода, который вы ему сказали.

Компьютеры, использующие машинное обучение, не просто принимают информацию и выплевывают ее обратно. Они могут смотреть на разные факты, как это делает человек, превращать эти факты в концепции и использовать эти концепции для более точных и быстрых вычислений.

Машинное обучение для малого бизнеса

Что это значит для малого бизнеса?

Программное обеспечение и инструменты с машинным обучением позволяют анализировать множество фактов (демографические данные клиентов, обзоры продуктов, показатели продаж), обобщать эти факты в виде концепций и идей и передавать их вам, чтобы вы могли вести бизнес лучше.

Машинное обучение уже используется в некоторых громких проектах. Вот несколько примеров, которые вы, вероятно, узнаете:

Автономные транспортные средства (вероятно, наиболее часто упоминаемый пример ML)
Функция "Возможно, вы имели в виду", когда вы неправильно написали что-то в Google
Рейтинг «лучших дел» в поиске Google по заданной теме.
Возможности распознавания речи (например, Siri)

Результаты " Лучшие достопримечательности" в Google

Малые предприятия, скорее всего, будут взаимодействовать с машинным обучением в готовых решениях: либо в программах бизнес-аналитики, использующих алгоритмы машинного обучения, либо в услугах, предоставляемых поставщиками, о которых я расскажу ниже.

Хотя «спектр бизнес-проблем, которые можно решить с помощью машинного обучения, огромен», по мнению аналитиков Gartner , машинное обучение не совсем самостоятельное занятие.

На создание специального инструмента машинного обучения обученным специалистам по данным может потребоваться от «трех до 15 месяцев» . Однако программное обеспечение «можно развернуть в течение нескольких недель (скажем, четырех-шести с момента покупки». (Полный отчет доступен клиентам Gartner).)

Однако есть еще один вариант: вы можете использовать сторонний сервис, такой как Crayon или MonkeyLearn.

Пример использования машинного обучения: Crayon экономит бюджетную корзину на $ 25 000

Crayon - это платформа для анализа рынка, которая использует машинное обучение для сканирования миллионов источников данных (от веб-страниц до отзывов клиентов и твитов) и сообщает вам все важное, что находит.

Например, изменил ли конкурент способ рекламы продукта? Или есть отзывы, которые восторженно отзываются о вашей новой инициативе? Crayon находит эту информацию и доставляет ее вам за гораздо меньшее время, чем вы могли бы найти, выполняя поиск самостоятельно.

Budget Dumpster , небольшая служба по аренде мусорных контейнеров, использовала Crayon, чтобы сэкономить более 25000 долларов на аналитике рынка и перехитрить своих более крупных конкурентов. У компании по аренде есть конкуренты во многих секторах, как в аренде мусорных контейнеров, так и в более широкой вертикали управления отходами. Это много конкурентов и данных, которые нужно отслеживать.

Crayon сделал Budget Dumpster более гибким, предоставив данные о конкурентах. С помощью программного обеспечения для анализа конкуренции Crayon Budget Dumpster мог видеть, как его конкуренты позиционируют продукты, какой контент они создают и на что направляют свои усилия. Затем, вместо того, чтобы реагировать на решение конкурента через несколько недель после этого, Budget Dumpster мог сканировать информацию, полученную от Crayon, и немедленно менять направление.

В чем Crayon действительно сияет, так это в том, чтобы делать тонкие различия. Я поговорил с Элли Мирман из Crayon, которая описала, как машинное обучение Crayon «помогает определить, какие изменения значимы».

Например, конкурент может внести много изменений в веб-сайт, но многие из них тривиальны. Алгоритмы машинного обучения Crayon вносят существенные изменения.

Мирман приводит в качестве ключевого примера метаданные: «Чтобы выявить изменения в метаданных веб-сайта компании, потребуется много копаться, но это может показать вам, на какие ключевые слова они нацелены и как себя позиционируют». Эти изменения метаданных представляют собой серьезное исследование для корпоративных игроков: «Они, вероятно, проводили тестирование контента самостоятельно, а затем внедряли его на своем веб-сайте».

Таким образом, эти изменения на их сайте отражают информацию о рынке, которой вы можете воспользоваться. Благодаря такому инструменту, как Crayon, результаты этой работы - скажем, изменение нескольких ключевых слов - передаются вам в виде разведданных. «Это похоже на то, как если бы вы использовали ресурсы конкурента для собственной выгоды», - добавляет Мирман.

Пример использования машинного обучения: MonkeyLearn привносит машинное обучение в стартапы

Платформа MonkeyLearn дает малому и среднему бизнесу возможность заниматься машинным обучением без необходимости нанимать специалистов по данным.

«Мы хотим дать возможность тем компаниям, [у которых] нет ресурсов, нанимать команды машинного обучения», - говорит главный операционный директор MonkeyLearn Федерико Паскуаль. «Для компаний, [которым] не хватает ресурсов для использования машинного обучения, мы создали платформу, которая позволяет им использовать эту технологию прямо сейчас».

Один из способов, которым помогают технологии, - это превращение обзоров продуктов в ценные сведения.

Современные стартапы продают свою продукцию через огромное количество веб-сайтов. Этот ошеломляющий диапазон веб-сайтов порождает еще более ошеломляющее количество обзоров продуктов, многие из которых предлагают полезную информацию. «Наем людей для просмотра этих обзоров будет дорогостоящим, но если вы можете использовать для этого машины, вы сократите расходы», - говорит Паскуаль.

MonkeyLearn анализирует отзывы, экономя малому бизнесу время или деньги на их просмотр. Если есть жалобы на цену или комментарии о функции, которую необходимо улучшить, алгоритмы машинного обучения MonkeyLearn сведут эти разрозненные обзоры в один надежный отчет. «В конце концов, малые предприятия используют нашу платформу для автоматизации ручного рабочего процесса вместо того, чтобы анализировать данные вручную», - добавляет Паскуаль.