Чтобы предсказывать будущее, мы должны изучать информацию о прошлом
Автор: Айтекин Танк
В Сан-Франциско беспилотные автомобили, передвигающиеся по улицам, и люди, беседующие с Siri (голосовой помощник в устройствах Apple — прим.ред.) стали обыденным делом. Лишь вчера Alexa (голосовой ассистент Amazon — прим.ред.) рассказала мне, что смысл жизни — 42 (шутка, отсылающая к роману известного фантаста Дугласа Адамса «Путеводитель для путешествующих автостопом по галактике», в котором суперкомпьютер в результате семи с половиной миллионов лет вычислений дал ответ на «главный вопрос жизни, вселенной и всего такого», звучавший просто — 42 — прим.ред.). Так как машины всё больше входят в нашу повседневную жизнь, мы становимся свидетелями революции, происходящей по всему миру.
Революция искусственного интеллекта (AI) уже здесь, и она готова прочно занять своё место. Как и в ходе предыдущих революций, предприниматели, которые поставили на кон всё, завтра станут гигантами. Генри Форд в ходе индустриальной революции и Джефф Безос в ходе революции интернета вырастили свои компании потому, что предвидели будущее, которое было совсем иным, чем настоящее. Они жили в будущем.
Машинное обучение стало мейнстримом в 2016. Впервые в истории оно доступно не только большим компаниям вроде Google, Amazon или Apple. На основе машинного обучения сегодня создают свои сервисы даже стартапы.
Так что же такое машинное обучение? Это обучение, строящееся на основе информации. Чтобы предсказать будущее, мы изучаем информацию о прошлом. Статистика и предиктивный анализ рядом с нами уже долгое время. Что изменилось сегодня, так это то, что теперь мы имеем инструменты для их использования практически везде. К примеру, у нас теперь есть специализированные языки программирования для машинного обучения, которые позволяют начинающему программисту создавать удивительные вещи. Теперь мы можем легко использовать машинное обучение для вещей вроде речи и распознавания лиц, языкового перевода, классификации информации и обнаружения объектов. Множество задач, которые ранее выполнялись вручную сегодня с помощью машинного обучения могут быть автоматизированы.
Когда Брезос запустил Amazon в 1994 году, он не был специалистом по всему, что касалось интернета. Он бросил хорошо оплачиваемую работу на Уолл Стрит и поставил на интернет — он считал, что за ним будущее. Он был бизнесменом, а не техническим специалистом. Тем не менее он приложил большие усилия чтобы понять интернет и использовал свои бизнес-знания чтобы найти способы использовать эту новую сферу.
Таким же образом, вам не требуется быть экспертом в компьютерной науке чтобы создать стартап в машинном обучении. По факту лучше иметь опыт в другой сфере и затем решать проблемы вашей отрасли с его помощью. Скорее всего большие проблемы вашей сферы деятельности, которые могут получить максимальный профит от машинного обучения, вам хорошо известны.
Стартапы, построенные на машинном обучении
Компании используют машинное обучение чтобы получать более мощную отдачу. Их сотни, но давайте рассмотрим несколько конкретных примеров.
Forkable использует машинное обучение, чтобы выяснить, что вы желаете съесть на обед, прежде чем вы это поймёте — и автоматически доставляет это.
Dark Trace прослушивает сетевой трафик вашей компании и использует машинное обучение чтобы выявить возникающие угрозы безопасности.
Nova использует машинное обучение чтобы писать персонализированные рекламные электронные письма. Система знает какие письма показывают лучшие результаты и предлагает рекомендации для вашей рассылки.
Blue River Technology создаёт оборудование для фермеров, которое использует машинное обучение и компьютерное зрение чтобы диагностировать и лечить заболевания каждого растения.
Sift с помощью машинного обучения обнаруживает онлайн-мошенничество и автоматически блокирует платежи.
Машинное обучение как конкурентное преимущество
Машинное обучение может быть конкурентным преимуществом для вашей компании. Давайте я покажу вам это на примере моей собственной фирмы. Мы работаем в сфере онлайн-форм, и эта сфера испытывает серьёзные проблемы из-за фишеров (фишеры — мошенники, которые воруют пользовательские данные путём создания поддельных форм известных сайтов — прим.ред.). Эти преступники пытаются использовать наш продукт для создания фишинг-форм, с помощью которых будут обманывать людей и воровать их учётные данные. Инструменты на основе машинного обучения позволяют нашей компании обнаружить кого следует забанить а кому — предоставить доступ к нашему продукту. В результате мы можем и далее обслуживать наших законопослушных пользователей, в то время как конкурентам приходится блокировать свои сайты для целых стран. Использование машинного обучения для поиска возможной фишинговой активности позволяет нам предоставлять наш бесплатный сервис по всему миру, не допуская при этом до него плохих парней.
Другая сфера, где мы используем машинное обучение — маркетинг. Мы классифицируем наших пользователей путём изучения отдельных слов и фраз, которые они используют в формах. Используя этот процесс классификации наша команда маркетинга устраивает индивидуализированные рекламные кампании по электронной почте для различных типов пользователей, которые сами по себе не предоставляли нам никакой демографической информации.
Революция
Внимательно посмотрите на каждую вещь, которая в настоящее время в вашей отрасли делается вручную. Каждая из этих задач будет завтра выполняться с помощью машин. Предприниматели, которые в своей сфере сделают ставку на машинное обучение, завтра окажутся в большом выигрыше. Революция машинного обучения уже здесь и готова остаться с нами. Присоединяйтесь к ней!
Айтекин Танк — основатель и руководитель компании JotForm, самого простого онлайн-инструмента для создания форм. В 2016 JotForm попала в список 360 издания Entrepreneur, ежегодный список наиболее успешных частных компаний в США.
Оригинал: Enterpreneur
Понравился текст? Поддержите наш проект!
или напрямую на яндекс-кошелёк 410011404335475
