Как крупные транснациональные корпорации используют машинное обучение для различных целей.

Привет, ребята, надеюсь, у вас все хорошо !! :)

Сегодня я собираюсь обсудить с вами, как крупные транснациональные корпорации, такие как Amazon и т. д., используют машинное обучение для различных целей… Итак, прежде чем разбираться в используемых случаях, давайте сначала разберемся, что такое машинное обучение.

Что такое машинное обучение?

Машинное обучение — это процесс, в котором мы предоставляем набор данных (исторические данные) Машине, чтобы Машина могла анализировать данные, видеть тенденции в данных и находить закономерности в наборе данных (как мы, люди) и становиться способными достаточно или достаточно умны (с поддержкой ИИ), чтобы предсказывать информацию на основе шаблона/опыта, полученного из набора данных…

Зачем нам нужно машинное обучение?

Особенность человеческого разума заключается в том, чтобы анализировать хранящиеся внутри данные и генерировать шаблон (получать опыт), чтобы в будущем, если нам нужно будет предсказывать информацию, относящуюся к этим данным, тогда разум использует шаблон (опыт). ) и, таким образом, прогнозировать информацию.. Но единственная проблема в том, что мы, люди, довольно медленные.. И в этом мире мы даже не хотим терять ни секунды времени.. Теперь, поскольку машины достаточно быстры, чтобы выполнять вещи, поэтому мы хотим предоставить машине человеческий интеллект (ИИ), чтобы они могли предсказывать информацию намного быстрее, чем человек.. Это единственная потребность…

Теперь, после понимания того, что такое машинное обучение и зачем оно нам нужно, давайте вернемся к тому, как большие организации, такие как Amazon и т. д., используют машинное обучение для различных видов функционирования….

С первых дней своего существования Amazon использовала искусственный интеллект для предоставления рекомендаций по продуктам на основе того, что пользователи уже сказали, что им понравилось. Алгоритмы, лежащие в основе этих систем, изменялись снова и снова на протяжении многих лет. В наши дни, благодаря машинному обучению, рекомендации стали более динамичными, говорит Джефф Уилке, генеральный директор всемирного потребительского подразделения Amazon. «Скажем, в осеннем сезоне появится новая модная вещь, — объясняет он. — Раньше алгоритмам, которые мы используем, требовалось больше времени, чтобы понять, что люди, купившие эти туфли, купили и этот топ. И с помощью некоторых новых методов мы можем обнаружить эти вещи раньше, эти корреляции. А затем в начале сезона открой новую вершину».

Другие усилия Amazon в области искусственного интеллекта и машинного обучения обеспечивают работу голосового помощника Alexa, предоставляют пользователям Amazon Web Services доступ к облачным инструментам, позволяют покупателям брать товары и сразу же выходить из магазинов Amazon Go, направляют роботов, несущих полки, заполненные продуктами, прямо к работники фулфилмент-центра и многое другое. И хотя эта технология жизненно важна для Amazon в большинстве ее предприятий, диапазон ее приложений по-прежнему ошеломляет. Это также ключевая причина, по которой компания (на короткое время) достигла рыночной капитализации в 1 триллион долларов и имеет все шансы вернуться к ней в долгосрочной перспективе.

Общекорпоративной мантрой Amazon является то, что каждый день — это «день первый», скромное утверждение, что, несмотря на все достижения Джеффа Безоса, все только начинается. Когда дело доходит до искусственного интеллекта и машинного обучения, Сивасубраманиан не просто приводит стандартную ссылку «День первый». Он шутит, что «это первый день, но еще так рано, что мы только проснулись и еще даже не выпили чашку кофе».

ТАНЕЦ РОБОТОВ

В глубине фулфилмент-центра Amazon площадью 855 000 квадратных футов в Кенте, штат Вашингтон, в 18 милях к югу от Сиэтла, группа оранжевых роботов Amazon танцует. Над каждой из оранжевых машин уравновешена желтая капсула с девятью рядами полок с товарами на каждой из четырех сторон. Приведенный в действие ИИ, каждый из роботов автоматически вступает в действие, когда кто-то где-то на северо-западе Тихого океана покупает что-то на Amazon.com, и теперь каждый из них автономно маневрирует вокруг других, пытаясь добраться до станции на краю огороженное роботизированное поле, где рабочий берет рассматриваемый предмет и кладет его на конвейерную ленту к другому рабочему, который упаковывает его.

В масштабах, в которых Amazon обрабатывает заказы, важна максимальная эффективность. Если рассматривать миллионы и миллионы заказов в год, то даже секунда или две, сэкономленные на каждом заказе, имеют огромное значение для итоговой прибыли.

В течение некоторого времени Amazon использовала машинное обучение в своих центрах выполнения заказов, «чтобы улучшить нашу способность предсказывать, что клиенты заказывают, и размещать их в нужном месте, — говорит Уилке, — а также повысить эффективность и скорость, с которой мы получаем вещи». потребителям».

Это может показаться не таким уж привлекательным, но недавняя инновация на основе искусственного интеллекта, которая позволяет работникам этих центров выполнения заказов пропускать один шаг ручного сканирования товара в каждом заказе, является большой победой для компании. Новый метод применяется к давнему процессу складирования Amazon, который позволяет работникам хранить товары, поступившие от дистрибьюторов и производителей, в любом месте на складских полках — при условии, что их местонахождение записано в компьютере, чтобы их можно было снова найти на полках склада. первая попытка. Используемый метод заключался в том, что рабочие выхватывали товар из коробки, использовали сканер штрих-кода для его сканирования, помещали его на полку, а затем сканировали полку. Двойное сканирование связывает элемент с его местоположением.

Теперь, благодаря сочетанию передового компьютерного зрения и технологии машинного обучения, работники смогут просто брать предмет обеими руками, просовывать его под установленный рядом сканер и класть в мусорное ведро. Система достаточно умна, чтобы определить, где был помещен предмет, и записать его для дальнейшего использования, при этом работнику не нужно сканировать корзину.

Брэд Портер, вице-президент по инженерным разработкам Amazon Robotics в Amazon Robotics, говорит, что высвобождение руки, которая использовалась бы для работы со сканером штрих-кода, является большим благом для повышения эффективности. «Примерно через пять минут, когда я делал это сам, я понял, что могу взять пять или шесть маленьких предметов… держать их в левой руке, брать один, сканировать, вставлять, брать один, сканировать, вставлять, " он говорит. «Это супер естественно, супер просто».

Новая система, на разработку которой ушло около 18 месяцев, использует компьютерное зрение и алгоритмы машинного обучения для оценки того, как работник касается предметов, и определения того, когда эти предметы были помещены в корзину. Портер охарактеризовал алгоритмы как одни из «более сложных» новостей, которые использует Amazon, учитывая необходимость определить, держит ли рабочий предмет рядом с мусорным ведром или действительно кладет его в него. Система должна работать в различных условиях освещения и независимо от того, насколько заполнены контейнеры, что может сильно различаться в зависимости от времени года.

В последние недели Amazon запустила новую систему в своем центре выполнения заказов в Милуоки и готовится сделать то же самое примерно в 10 других центрах. Учитывая, что любые измененные методы не должны приводить к неэффективности центров выполнения заказов Amazon без серьезных негативных последствий, команда Портера должна была убедиться, что новое новшество готово. Они спросили: «Собираемся ли мы включить [систему] в разгар [праздничного сезона] в этом году, — говорит он, — и мы практически приняли решение, что готовы к работе».

Неясно, когда — и даже если — Amazon развернет новую систему во всех своих центрах выполнения заказов. Тем не менее, Портер уже думает о том, как его улучшить. Это сводится к использованию достижений в области технологий камер и скорости обработки машинного зрения. Он представляет себе модернизацию системы с включением большего количества камер, позволяющую распознавать штрих-коды на упаковке без того, чтобы работнику даже приходилось ориентировать ее на сканер. Это может сэкономить всего полсекунды на единицу товара, но в масштабах Amazon это действительно очень привлекательно.

Хватай и вперед

Учитывая, что в основе новой системы фулфилмент-центра лежит использование камер и программного обеспечения ИИ для обнаружения того, кто держит товар и кладет его на полку, можно подумать, что та же технология используется в Amazon Go, автоматизированных продуктовых магазинах Amazon, которые позволить клиентам войти, взять то, что они хотят, и просто выйти за дверь, при этом все автоматически списывается с их счета.

Это не так, говорит Портер. Хотя, вероятно, между учеными ИИ в компании ведутся некоторые консультации, аппаратное обеспечение Go, которое включает в себя цветные камеры и камеры глубины, а также датчики веса и алгоритмы, было разработано независимо. Он отражает пятилетнюю работу по разработке систем, способных отслеживать обращение людей с предметами самых разных размеров, форм и цветов в сложных условиях, таких как переполненные продуктовые магазины.

На данный момент существует только четыре торговых точки Amazon Go — три в Сиэтле и еще одна в Чикаго, и в ближайшее время их станет больше. Но они в состоянии справиться с постоянным потоком клиентов, которые могут сканировать свой телефон при входе, покупать столько или меньше, сколько хотят, брать вещи с полок и ставить их обратно, а также точно отслеживать, с чем они в конечном итоге уходят, независимо от того, множество потенциальных ловушек на этом пути.

Дилип Кумар, вице-президент Amazon Go, говорит, что само действие, когда покупатели берут товар, представляет собой проблему для системы, поскольку оно блокирует обзор товара камерами. Системы Go должны быть способны отслеживать, что взял каждый покупатель в магазине — возможно, включая несколько одинаковых предметов — независимо от того, насколько переполнен магазин, и даже если два человека, одетые одинаково, стоят рядом и тянутся друг к другу за покупками. «Вы могли бы подобрать предмет здесь, [или] я мог бы выбрать предмет там. Нам все еще нужно иметь возможность связать мой выбор со мной, а ваш выбор с вами», — говорит Кумар. «Проблема со всем этим заключается не только в возможности построить датчик, но и в работе с различными условиями освещения. Вы можете посмотреть на цветовую температуру. Вещи разные. То, что розовое, не всегда остается розовым в течение дня».

Чтобы справиться со всем этим, команда Кумара разработала алгоритмы, которые анализируют то, что видят камеры, и отслеживают взаимодействие людей с продуктами. Чтобы работать, они должны уметь определять, кто что взял в «момент истины», когда предмет снимается с полки.

Кумар не говорит, насколько точны системы Go, но ясно, что компания не сделала бы их общедоступными, если бы они были подвержены высокому уровню ошибок. Более года оригинальный магазин в Сиэтле, который находится на первом этаже здания штаб-квартиры, в котором работает генеральный директор Amazon Джефф Безос, был доступен только для сотрудников, поскольку компания доводила систему до совершенства.

Следующим шагом технологии Amazon Go, по словам Кумара, является усовершенствование ее алгоритмов, чтобы они стали более мощными «на единицу вычислений» и использовали преимущества более дешевых датчиков. Объедините эти два фактора, и системы Go вполне смогут быстрее идентифицировать новые товары в магазинах без необходимости обучать алгоритмы их распознаванию. Это важно, отмечает он, когда от 20% до 30% товаров являются новыми в любой момент времени.

На вопрос, планирует ли Amazon портировать платформу Go в свою империю Whole Foods, Уилке ответил, что это маловероятно. Скорее, он рассматривает Go лишь как один из многих способов — включая Amazon Pantry, Amazon Fresh, Whole Foods и другие — доставки продуктов и других товаров покупателям. В конечном счете, говорит Уилке, машинное обучение — это продвинутая технология, которая позволяет нам улучшить некоторые из этих процессов. Он добавляет, что недвижимость — это сложно и что Amazon не имеет в этом многолетнего опыта. Но если недавняя история Спенсера Сопера из Bloomberg верна — он сообщил, что Amazon рассматривает возможность открытия 3000 магазинов Amazon Go в течение следующих нескольких лет, — компанию не смущает перспектива обучения, поскольку это идет.

НАВЫКИ АЛЕКСЫ ДЛЯ ВСЕХ

Скорее всего, когда большинство людей думают об Amazon и искусственном интеллекте, они думают о цифровом помощнике компании Alexa. На сегодняшний день люди купили миллионы устройств Echo на базе Alexa, а сторонние разработчики создали более 45 000 навыков — в основном голосовых приложений, — которые могут делать все: от помощи с рецептами до семейных игр и чтения новостей.

Наряду с выпуском собственных штуковин Alexa с бешеной скоростью Amazon помогает сторонним производителям оборудования интегрировать Alexa непосредственно в их продукты. Инициатива, известная как Alexa Voice Service, породила около 100 продуктов от таких компаний, как Sonos, Ecobee, Sony, Lenovo и других. Рабучин объясняет, что Alexa Voice Service — это, по сути, набор API-интерфейсов в облаке, которые позволяют производителям оборудования использовать Alexa. Amazon предоставляет свои интерфейсные аудиоалгоритмы третьим сторонам, а также рекомендации по созданию устройств на базе Alexa.

Amazon также работает с учреждениями, чтобы позволить им создавать настраиваемые навыки для устройств Echo, размещенных в общежитиях колледжей или гостиничных номерах. Например, Стив Рабучин, вице-президент по голосовым сервисам Alexa и комплекту навыков Alexa, вспоминает, как жил в отеле Marriott и мог заставить Alexa включать и выключать свет, включать телевизор, переключать каналы и спрашивать, где находится телефон. находился тренажерный зал.

Следующий рубеж для Alexa — позволить потребителям создавать свои собственные навыки. Раньше для этого требовались базовые знания в области разработки программного обеспечения. Но Amazon хотела демократизировать процесс создания навыков Alexa, поэтому запустила так называемые Blueprints — инструмент для создания навыков Alexa на основе шаблонов, с которым может разобраться практически каждый.

Создать навык с помощью Blueprint так же просто, как заполнить несколько полей и нажать «Сохранить». И хотя навыки, как правило, не будут такими сложными, как те, которые созданы профессиональными разработчиками, и не могут быть общедоступными, они позволяют практически любому пользователю Alexa использовать ИИ для некоторых сугубо личных целей, таких как предоставление инструкций. к домработнице или переходя через режим тренировки.

АМАЗОН ИИ ВЕЗДЕ

Одним из основных факторов роста Amazon до уровня компании с оборотом почти в триллион долларов был Amazon Web Services, ее массивное облачное хранилище и серверный бизнес. AWS стал облачным стандартом для компаний и разработчиков, которым нужен доступ к тем же технологиям искусственного интеллекта и машинного обучения, которые лежат в основе предложений Amazon, таких как Alexa, Amazon Go, функция Amazon Prime Video X-Ray, оценки времени доставки продуктов на Amazon.com. , и больше. «Наша миссия в AWS, — говорит Сивасубраманиан, вице-президент Amazon по машинному обучению, — состоит в том, чтобы предоставить возможности машинного обучения каждому разработчику и специалисту по данным».

Сивасубраманян говорит, что волнение по поводу потенциала машинного обучения есть почти во всех секторах экономики. Но в то время как руководители бесчисленных компаний видят, как это может помочь их бизнесу, это все еще находится в зачаточном состоянии. [Эти руководители] смотрят на нас и говорят: «Как вы на самом деле можете помочь нам воспользоваться этими возможностями машинного обучения, чтобы изменить качество обслуживания наших клиентов?

На сегодняшний день, по словам Сивасубраманяна, сервисы машинного обучения на базе AWS используют десятки тысяч клиентов в различных секторах, включая розничную торговлю, недвижимость, моду, развлечения, здравоохранение и другие. Эти клиенты имеют различные уровни компетентности в области искусственного интеллекта. Одних Сивасубраманян называет экспертами — людьми с докторской степенью в области машинного обучения, а других — просто разработчиками приложений. Amazon адаптировала свои предложения искусственного интеллекта и машинного обучения, чтобы удовлетворить потребности клиентов обоих типов.

Некоторые из этих пользователей обладают большим опытом и способностью создавать собственные модели машинного обучения; другие просто хотят воспользоваться моделями, созданными для них. Вот почему Amazon создала SageMaker, комплексную службу машинного обучения, призванную помочь разработчикам создавать и обучать модели машинного обучения и запускать их либо в облаке, либо на таких устройствах, как смартфоны.

Сивасубраманян приводит множество примеров корпоративных клиентов, использующих ИИ и сервисы машинного обучения AWS. Среди них Intuit, использующий SageMaker для создания моделей обнаружения мошенничества; Грамматика, которая предсказывает, что пишет пользователь и какие исправления требуются; CSPAN, который анализирует тысячи часов видео, чтобы распознать знаменитостей и конкретных политиков, а также удвоить количество проиндексированных видео; DuoLingo, использующий сервис преобразования текста в речь Polly от Amazon для создания индивидуальных занятий по изучению языка; Liberty Mutual, которая использует диалоговый API Amazon в качестве сервиса Lex для создания чат-бота, который позволяет страховой компании обрабатывать множество вопросов пользователей; и НФЛ, которая анализирует игру, чтобы предсказать, какой будет следующая.

Он говорит, что за последний год использование инструментов машинного обучения AWS выросло на 250 %, а с ноября прошлого года AWS добавила более 100 новых функций или сервисов в свой портфель машинного обучения.

Одним из них является DeepLens. Разработанная таким образом, чтобы разработчики могли построить и полностью обучить модель машинного обучения в течение 10 минут после распаковки, система камер уже используется во многих случаях, о которых Amazon даже не подозревала.

Конечно, среди этих неортодоксальных приложений есть проект, который Сивасубраманиан построил, чтобы удовлетворить просьбу своей жены. И он узнал, что DeepLens умнее, чем он даже думал. «Изначально у меня было уведомление о любом животном, включая мою собаку», — говорит он. «Но в этом и прелесть машинного обучения: вы постоянно настраиваете его, чтобы убедиться, что вы исключаете ложные срабатывания, чтобы оно становилось все более и более точным. Это постоянный проект, чтобы у [моей семьи] был лучший в мире детектор медведей».

Спасибо за чтение….:)