Применение искусственного интеллекта в науке и бизнесе

[Eugeen1948]

Есть задачки, которые можно решать и на паршивом смартфоне
Есть проблемы, трудно решаемые даже на симбиозе многоядерных процов и нескольких GPU.

(Оффтоп)

"Каждому-своё" - (цитата из св. писания или глумливая надпись на воротах Освенцима)

[mserg]

Тема же не о том, какие задачи существуют, а об "индустрии". Так ведь?

Классификация изображений - задача коммерчески вполне востребованная. Внедренное решение по facing check произвело на меня несгладимое впечатление: работает лучше чем человек. На снимке поганого качества программа правильно находит искомые товары.

Google предлагает добротное решение для довольно массового класса задач классификации изображений. Нужен современный десктоп или ноутбук (GPU не нужен), т.к. нейросеть уже частично обучена на огромной базе изображений. Более того, может оказаться, что полностью обученная на мощном железе нейросеть будет работать хуже, чем частично обученная из-за большей базы ImageNet.

В худшем случае, перед тем как делать инвестиции в железо, без каких-либо дополнительный инвестиций можно проверить работоспособность подхода для определенного массового класса задач.

[Eugeen1948]

Давайте разделим мух и котлеты.
Есть процесс обучения НС, процедура нетривиальная, при больших обучающих множествах и большом количестве входов и/или выходов требующая хорошего "железа" и качественных алгоритмов обучения.
И есть процесс применения обученной НС - процедура довольно тривиальная, реализуемая на "простом железе".
Промежуточный вариант - дообучение НС в процессе применения (есть и такие алгоритмы) - тут уж надо решать, как говорится, по-месту.

[mserg]

Eugeen1948 в сообщении #1333515 писал(а):

Давайте разделим мух и котлеты.
Есть процесс обучения НС, процедура нетривиальная, при больших обучающих множествах и большом количестве входов и/или выходов требующая хорошего "железа" и качественных алгоритмов обучения.
И есть процесс применения обученной НС - процедура довольно тривиальная, реализуемая на "простом железе".
Промежуточный вариант - дообучение НС в процессе применения (есть и такие алгоритмы) - тут уж надо решать, как говорится, по-месту.

Вы понимаете в чем отличие индустрии (котлеты) от "знать, смотреть и решать" (мухи)?

Грубо говоря, это тема в первую очередь про деньги, а потом уже про методы.

Рассуждения тут примерно такие.
Допустим, оценка рынок классификации изображений, 10 млрд.$
Оценочно, из них с помощью tensorflow, без значительных инвестиций, можно решить 10% задач, т.е. можно заработать 1 млрд. $

Можно что-то заработать (не решить чего-то там) или нет? Вот в чем вопрос. Рассуждения о методах без привязки к деньгам здесь в силу специфики темы малоинтересны.

Понимаю, что участник форума как источник не надежен. Но, тем не менее - видел, нейросети реально применяются.

Собственно, что интересует ТС? Это рынок или какие-то отдельные поделки?
Ответ: это рынок. И можно найти (никто не говорит что это просто) сегменты этого рынка, где возможно обойтись без серьезных инвестиций в железо. Если активы ТЗ состоят из ноутбука, то при знании бизнес-задач, везении и таланте можно в каком-то виде войти на рынок (это очень непросто).

[Eugeen1948]

Хочется "срубить" бабло поймав фортуну за хвост?
Еще древние римляне говаривали:"Fortuna non penis .......".
Повезло ли Биллу Гейтсу или Марку Цукербергу ? Может всё же они поработали головой, а не "схватили" халяву, которая просто так валялась на улице?
И первый ПК сделали в сарае, но ведю тоже были головастые ребята.
Сейчас на рынке программных средств не протолкнуться. Все ниши забиты, особенно ниши с баблом. И НС здесь не исключение. Если кто-то сделал классный продукт, его сразу покупают с потрохами акулы IT-бизнеса. А с вашим ноутбуком Вам точно ничего не светит на НС заработать. Если только студентам лабораторки по ИИ делать.

[Mihaylo]

Вы как-то неправильно рынок и бабло считаете. Можно устроиться на работу с ЗП от 100 тысяч рублей, а в провинции - от 50 тысяч рублей. И это с ноутбуком.

[Rasool]

Вот очень оптимистичная статья про применение машинного обучения в ритейле: Миллиарды для ретейлера: машинное обучение в X5 Retail Group.

[Rasool]

Подниму старую тему.
Какие области применения искусственных нейронных сетей сейчас являются наиболее перспективными (кроме распознавания образов, чатботов)? Наверное, приложения ИИ в Big Data, Data Science, разного рода прогнозировании (например, временных рядов)? Я считаю эти области важными, потому что после неизбежного морального устаревания современных искусственных нейронных сетей, эти приложения все равно будут оставаться актуальными, только уже работать в них будут новые технологии. Большие данные в мире никуда не исчезнут и всегда нужно будет их обрабатывать - при любых имеющихся технологиях.
На Forbes.ru есть следующая статья: Applications of Artificial Intelligence Across Various Industries.
Вот мнение одного знакомого кандидата наук, занимающегося статистикой:

Цитата:

В эконометрических исследованиях важным является объяснимость моделей, нейронные сети этого не дают. Для временных рядов можно использовать нейронные сети, но только с особой архитектурой, например, LSTM. Для задач макроэкономического прогнозирования, как правило, нейронные сети не используют. Используют ARIMA/SARIMA, VAR, ECM.

Еще цитата с форума (кажется, этого):

Цитата:

Типичная задача в области анализа временных рядов - предсказание по последовательности предыдущих значений временного ряда наиболее вероятного следующего/будущего значения. Большая языковая модель (LLM - Large Language Model), лежащая в основе того же ChatGPT, предсказывает, какое слово или словосочетание будет следующим в предложении или фразе, т.е. в последовательности слов на естественном языке.
Нынешний ChatGPT реализован с использованием так назывываемых трансформеров - нейросетей, которые после 2017 года начали активно заменять более старую, но тоже нейросетевую и тоже ориентированную на работу с последовательностями архитектуру LSTM (long short-term memory networks), причём не только в задачах обработки текстов, но и в других областях.

[MoonWatcher]

Rasool в сообщении #1595799 писал(а):

Вот мнение одного знакомого кандидата наук, занимающегося статистикой:
В эконометрических исследованиях важным является объяснимость моделей, нейронные сети этого не дают.

Не понял почему. Если модель предсказывает правильно, то какое имеет значение есть у нас объяснение или нет? Тем более в экономике - еще в "Финансисте" Драйзера один старый брокер говорит главному герою, что пытаться понять причину биржевых пертурбаций совершенно бесполезно.

Что до применения, то не совсем понятно о чем идет речь. Если о конкретных сферах деятельности, то непонятно при чем здесь "Big Data, Data Science, разного рода прогнозировании (например, временных рядов)". А из всех сфер самая перспективная сейчас, ИМХО - биология. В больших языковых моделях достигнуты огромные успехи, а геном - это как раз большой текст, написанный на языке из четырех символов. Аналогично белки, представляющие собой трехмерную структуру из пары десятков аминокислот.

[Rasool]

Еще одна сфера применения генеративных нейронных сетей: Использование ChatGPT в Q&A тестировании.

[Rasool]

Можно еще найти применение в документообороте и юриспруденции (например, при поиске прецедентов в архивах). Вот что сразу нагуглилось: Как искусственный интеллект меняет представление о системах электронного документооборота.

[Rasool]

Один мой одноклассник (сейчас пишет докторскую по маркетингу) в своей статье "Применение искусственного интеллекта в маркетинге" написал:

Цитата:

Сейчас можно выявить основные области маркетинга, где использование инструментов искусственного интеллекта могут оказать наибольшее влияние:
1) ориентация продаж и управления коммуникациями с клиентами на результаты анализа собранных данных;
2) использование способов самообслуживания клиентов, которые ранее не применялись, основанных на интеллектуальной поддержке клиентов;
3) применение решений, разработанных методами искусственного интеллекта, для консультаций и информационного обеспечения клиентов.

Цитата:

К решениям по управлению маркетинговой деятельностью, создаваемым методами машинного обучения, к настоящему моменту относят следующие:
1) выявление слабо дифференцированных особенностей поведения клиентов, учет которых может оказать решающее влияние на их поведение или на конкурентоспособность товарного предложения, представленного им;
2) улучшение отношений с покупателями на основе предложения им выявленных индивидуальных преимуществ;
3) точные прогнозы емкости и доли рынка, объемов продаж;
4) оптимизированные маркетинговые акции, основанные на данных;
5) индивидуальный маркетинг для квалифицированных потенциальных клиентов;
6) повышение квалификации специалистов по продажам для специализированных рынков;
7) разработка оптимальных стратегий для продвижения новых товаров и услуг;
8) повышение ценности маркетинговых акций для покупателей;
9) снижение вариабельности спроса и объемов продаж;
10) оптимальная территориальная и функциональная структура торговой сети;
11) полнообъемный анализ запросов клиентов;
12) поиск идей новых товаров и новых возможностей для бизнеса;
13) повышение качества сервиса для увеличения удовлетворенности потребителей;
14) оптимизация цен для повышения рентабельности инвестиций в маркетинг.

[ozheredov]

Rasool в сообщении #1613120 писал(а):

Сейчас можно выявить основные области маркетинга, где использование инструментов искусственного интеллекта могут оказать наибольшее влияние:
1) 2) 3) 4) ....................................... 100500)

Rasool, у Вас тема про НС глубокого обучения и Вы сами же развели лютейший оффтопик в своей собственной теме?

[Rasool]

ozheredov в сообщении #1613122 писал(а):

Rasool, у Вас тема про НС глубокого обучения и Вы сами же развели лютейший оффтопик в своей собственной теме?

Ну, видимо, тему следовало бы расширить и переименовать в "Применение искусственного интеллекта в науке и бизнесе".

[Rasool]

Вот еще интересная область для применения ИИ. Один знакомый аспирант (теперь он работает программистом в Силиконовой Долине) в середине 90-х пытался разработать что-то вроде автоматического генератора изобретений (на основе теории ТРИЗ Альтшуллера). Разумеется, у него ничего не получилось. Интересно, можно ли уже сейчас разработать что-то вроде этого на базе машинного обучения? Когда я учился на инженерной специальности, у нас было патентоведение, там один преподаватель рассказывал, что для подачи простейшей заявки на изобретение достаточно взять текст одного авторского свидетельства, наложить на него текст другого, посмотреть на просвет и написать заявку на третье.