Connect with us

Разработка

Эффект Саманты: взгляд в будущее ботов

Мы сможем смотреть на отношения и корреляции и искать что-то новое, что поможет нам сделать мир лучше, а машины смогут подсказать нам, как наши предположения соотносятся с данными. Таким образом, самый многообещающий аспект искусственного интеллекта — это не создание ассистента вроде Саманты, а усиление человеческих способностей. Менеджер GrowthBot Джастин Ли рассказал о настоящем и будущем ботов.

Анна Гуляева

Опубликовано

/

     
     

В 2013 году Спайк Джонс выпустил фантастическую инди-драму “Она”. Фильм рассказывает про эволюционное развитие первой в мире системы с искусственным интеллектом с именем “Саманта”. Саманта — это мечта любого разработчика, идеальный пример настоящего искусственного интеллекта. Она понимает контекст, естественный язык, эмоции, и, кажется, может вполне здраво мыслить.

Очевидно, что современные боты пока не могут достичь уровня Саманты. В лучшем случае они способны предлагать конкретные результаты через диалоговый интерфейс. В худшем — раздражают так, что захочется бросить телефон в стену.

Так как технология развивается со скоростью молнии, можем ли мы представить эпоху, в которой будет существовать бот, похожий на Саманту?

Эмоциональные интеллектуальные данные

Современный искусственный интеллект сочетает обработку символьной информации (явные правила и логику) с машинным обучением, усиливая их достоинства и устраняя недостатки. Например, обработка символов позволяет нам конкретизировать знания и поведение, которые нельзя узнать из данных. Машинное обучение помогает системе адаптироваться к неожиданным ситуациям и новым концепциям.

Эта комбинация ускоряет процесс обучения. В будущем она даст нам возможность взаимодействовать с ботами более человечно. Сейчас машинное обучение — это статистический процесс, который отражает качество данных, от которых он зависит. Это благословение и проклятие. Чувствительность машинного обучения к характеристикам входных данных означает, что оно может легко обучиться неправильным вещам, как произошло в случае с Tay, роботом-расистом от Microsoft. Более того, выбранные для обучения данные часто отражают подсознательные предрассудки разработчиков и исследователей.

Чтобы подойти к способности Саманты к самоанализу и рассуждениям, нам нужно создать искусственный эмоциональный интеллект для наших ботов, который позволит им ответить на вопрос: “Почему ты принял такое решение?”. Даже существующие простые системы уже делают шаги навстречу синтезу индивидуальных ответов на вопросы. Пока же мы можем только убедиться, что применяем алгоритмы обучения на качественных данных в тщательно отслеживаемой среде.

Семантический веб

Создатель World Wide Web Тим Бернерс-Ли смотрел в будущее, когда в 2001 предложил идею семантического веба:

системы, которая позволит компьютерам делать выводы из взаимоотношений между ресурсами в вебе.

В итоге машины научатся связывать вместе идеи, концепции и факты, а не документы и страницы. Это позволит подобным Саманте ассистентам считываться информацию о нас и действовать от нашего имени: автономно назначать встречи, организовывать путешествия и бронировать столы в ресторанах.

Видение Бернерса-Ли уже в какой-то степени реализовано в Knowledge Graph от Google, который потребовал от компании нанять тысячи людей, чтобы ввести подробные правила репрезентации общих знаний. Зато он позволяет Google отвечать на вопросы с помощью структурированных данных, а не списком веб-страниц.

Технологии распознавания изображений могут быть предшественниками семантического веба, этот искусственный интеллект может распознавать ключевые слова, демографические данные, цвета и лица на изображениях.

Распознавание естественной речи

Способность распознавать естественный язык является главной для успешного бота – как текстового, так и голосового. В идеале бот должен достигать цели, заполняя пробелы в разговоре автономно.

Siri, Cortana и Alexa пока не достигли стандартов Саманты. Но её способности в распознавании не кажутся отдаленным будущим. Ошибки в распознавании речи уменьшаются на 20% каждый год, а в Google недавно достигли показателя ошибок в 4.1%, который почти соответствует способностям человека.

Эти улучшения могли произойти благодаря нескольким инновациям: мультимикрофонным массивам, направленным лучам, сложной обработке звука и применению биометрических данных для голоса. Анализ звуковой сцены — это ещё одна многообещающая техника, которая предназначена для разделения источников звука.

Распознавание голоса также улучшается при помощи огромного пула данных для обучения статистических моделей при помощи методов машинного обучения: один из них — это глубокие нейронные сети. Они состоят из множества слоев обработки и основаны на нейронной структуре человеческого мозга. Нейронные сети могут классифицировать разные данные: изображения, последовательности слов, локации и высказывания.

Настоящее и будущее машинного обучения на устройствах

Контекст и абстракция

Люди могут понимать контекст и делать выводы. Иногда они следуют из логики, но чаще всего основаны на нашем общем знании мира. В случае искусственного интеллекта виртуальный ассистент должен уметь предлагать альтернативы, рассматривать разные возможности и понимать их ценность:

Я: “Я бы хотел сегодня купить обувь в Melissa.”

Бот: “Извините, Melissa закрыт. Почему бы вам не попробовать Office, который похож на Melissa и находится неподалеку?”

Бот мог бы изучать эти ассоциации через попытки и ошибки, но это заняло бы годы, так как для каждого взаимодействия существует миллион разных вариаций. Некоторые исследователи считают, что компьютеры должны учиться на аналогиях. Именно эта способность позволяет людям делать выводы из разных ситуаций и обобщать на основе контекста, достигая высшего уровня понимания.

Звучащие по человечески боты

Эмоциональный диапазон и интонации голоса Саманты находятся за пределами наших возможностей, но новые модели генерирования речи, например, Google WaveNet, могут создавать убедительные искусственные голоса. Естественный голос улучшает наши впечатления от искусственного интеллекта. Недостатком этого подхода является то, что ожидания пользователя повышаются, что, вероятно, приведет к ошибкам в разговоре и раздражению. И все мы знаем, насколько меньше у нас терпения при общении с машиной, чем с человеком.

Независимо от того, может ли бот соответствовать нашим ожиданиям, мы склонны доверять ботам с человеческим поведением – игрой слов, шутками, цитатами и эмоциями. С этим связан и тест Тьюринга, где человек участвует в разговоре с другим человеком и с машиной. Если человек не может отличить машину от живого собеседника, машина проходит тест.

Инсайты

Может ли искусственный интеллект помочь нам находить инсайты? Это не только что-то новое и ценное, но и факты, которые помогут управлять будущими решениями и действиями, что довольно трудно понять программе. Мы узнаем инсайт, когда видим его, но сложные границы вокруг этого понятия сложно провести, а поиск инсайта требует узнавания шаблонов, отношений и корреляций.

Некоторые проекты машинного обучения уже погружаются в эту область. Например, Deep Mind от Google хорош в распознавании новых моделей на уровне сложности, который в случае игры Го превосходит возможности людей. Но эти методы работают, только если машина знает, в чем ее цель.

Только люди могут идентифицировать интересные модели, не зная первоначальной цели. С другой стороны, люди не могут справляться с большими объемами информации, и здесь преимущество есть у машин. Они могут сотрудничать с нами в областях, в которых мы сталкиваемся с трудностями. На текущий момент большая часть цифровой информации существует в форме текста, то есть, данные не имеют структуры, в отличие от организации традиционных баз данных.

Текстовые данные

Автоматические методы понимания текстов развиваются достаточно быстро, хотя они ещё далеки от идеала.

Вот пример. Пациент входит в офис доктора с редким заболеванием, о котором врач не слышал. Доктор консультируется с цифровым ассистентом, который сканирует все медицинские журналы и всю когда-либо написанную информацию о заболевании в течение нескольких секунд. Затем он обобщает эту информацию и представляет её врачу небольшими частями. Подобную “грамотную машину” пытается разработать стартап Maluuba, который недавно приобрела Microsoft. В итоге компьютеры смогут собирать, курировать и обобщать огромное количество текста такими способами, о которых мы не могли и мечтать.

И нам не придется использовать сложные технические языки программирования или запросы в базы данных, чтобы объяснить, что мы ищем: недавно созданные системы могут использовать естественный язык, чтобы получать вопросы насчет текста. Мы уже в какой-то степени знакомы с этой функцией благодаря запросам в Google. Боты будут естественными преемниками этой традиции.

Финальным фактором является то, что уже существуют приложения, которые учатся на взаимодействии. Например, Replika разрабатывает идиосинкратические модели языка на основе сканирования предыдущих разговоров в чате и узнает о предпочтениях и приоритетах пользователей.

Это делает нас ближе к созданию Саманты.

Усиление человеческого интеллекта

Во время первой индустриальной революции машины начали выполнять задачи, связанные с ручным трудом. Сейчас индустрия 4.0 начинает выполнять и умственные задачи. Почти любое рутинное задание можно автоматизировать. Мы бы могли отдать алгоритмам ручное заполнение данных, поиск тем и идей для статей, сортировку писем. Отдав эти задачи искусственному интеллекту, мы сможем сфокусироваться на областях, в которых мы сильны и которые отличают нас от машин.

Мы сможем смотреть на отношения и корреляции и искать что-то новое, что поможет нам сделать мир лучше, а машины смогут подсказать нам, как наши предположения соотносятся с данными. Таким образом, самый многообещающий аспект искусственного интеллекта — это не создание ассистента вроде Саманты, а усиление человеческих способностей.

 

Комментарии
Если вы нашли опечатку - выделите ее и нажмите Ctrl + Enter! Для связи с нами вы можете использовать info@apptractor.ru.
Advertisement
Click to comment

You must be logged in to post a comment Login

Leave a Reply

Медиа

Podlodka #89: Перфоманс

Забота о производительности своего продукта – отличительная черта хорошего инженера или менеджера. К этому вопросу мы решили подойти фундаментально и позвали сразу четырёх экспертов, каждый из которых помог раскрыть один из аспектов перфоманса.

AppTractor

Опубликовано

/

Автор:

Podlodka

Денис Мишунов объяснил, почему производительность важна, как ее воспринимает мозг человека и показал варианты решения проблем этого восприятия. Александр Тоболь провел краткий экскурс в то, как работают различные сетевые протоколы и их клиентские реализации и открыл целую область для оптимизаций. Артур Василов и Николай Лихогруд копнули в оптимизацию перфоманса клиентского кода Android и iOS приложений соответственно. Короче говоря, если вы не знаете, как и зачем сделать свой продукт быстрым – этот выпуск однозначно для вас!

Комментарии
Продолжить чтение

Новости

Интересные материалы: 13.12

У нас в конце недели история приложения учета времени, проводимого в соц.сетях, митапы Туту.ру и тренды дизайна на следующий год.

AppTractor

Опубликовано

/

Автор:

Весь день мы собираем лучшие материалы о разработке и маркетинге технологий, стартапов, мобильных приложений и игр для iOS и Android из самых разных источников:

Комментарии
Продолжить чтение

SDK

Epic выпустит SDK для кроссплатформенных игр

Epic Games в следующем году выпустит SDK для организации кроссплатформенных игр.

AppTractor

Опубликовано

/

Автор:

Новый Online Services SDK позволит регистрироваться в играх через разные социальные сети и платформы, заводить списки друзей, показывать свое присутствие, вести профиль и т.п. вещи, будет также облачное хранилище для сохранения игр, достижения и награды, голосовые коммуникации, подбор игроков для мультиплеера.

Потом уже планируют добавить расширенные социальные функции, борьбу с читерами и другие возможности, но это уже отдаленные планы.

Предполагается, что все это будет бесшовно работать на PC, Mac, iOS, Android, PlayStation, Xbox и Switch. Предполагается, что сначала SDK выйдет для Windows – примерно во втором или третьем квартале. Остальные платформы будут подключаться по мере готовности.

SDK будет открытым, первоначально поддерживать Unreal Engine и Unity, инфраструктура – Amazon Web Services. Epic обещает полную поддержку GDPR.

 

Комментарии
Продолжить чтение

Разработка

Главные тренды мобильной разработки в 2019

В 2019 мобильные приложения станут еще более персонализированными и ориентированными на пользователя, в них будет простой дизайн и много искусственного интеллекта. Об этих и других трендах мобильной разработки – в статье Epom.

Epom Apps

Опубликовано

/

Автор:

Количество пользователей смартфонов в 2019 году достигнет 2,5 миллиардов, а постоянно растущее число приложений в Google Play и Apple App Store делает мобильную разработку одним из самых динамичных и конкурентных секторов.

В мобильной разработке правила игры меняются чаще, чем обновляется ПО смартфонов. С учетом повышенных ожиданий пользователей к функционалу приложения, его безопасности и приватности, следующий год внесет коррективы в деятельность мобильных рекламодателей, паблишеров и разработчиков приложений.

Мобильным разработчикам как никогда важно пробиться сквозь белый шум и захватить внимание пользователя, сохраняя позитивный опыт пользования приложением. Умение меняться давно стало главной составляющей хорошей стратегии мобильного продвижения.

Мы оставили за скобками блокчейн, крипту и виртуальную реальность и выделили универсальные мобильные технологии, которые стоит  внедрять в приложение, чтобы получить прибыль в 2019 году.

Эволюция машинного обучения и искусственного интеллекта

Доход приложений от внедрения искусственного интеллекта (Artificial Intelligence, AI) на мировом рынке постоянно растет и превысит 100 млн. долларов к 2025 году. Согласно исследованиям Gartner, 200 самых крупных компаний в мире активно внедряют и полагаются на данные машинного обучения.

Мобильные приложения могут использовать искусственный интеллект, чтобы понять поведение пользователя, и предоставлять ему более персонализированные рекомендации. Машинное обучение на основе данных позволит автоматизировать задачи, чтобы исключить человеческий фактор и анализировать большой массив данных с минимальным участием человека.

Отличный пример мобильного приложения на основе AI – фитнес-приложение Lark. Это умное приложение с чат-ботом, которое трекает физическую активность и с помощью введенных пользователем данных о своем распорядке дня и пищевых привычках дает рекомендации на основе данных, полученных от ведущих мировых экспертов в области здравоохранения и питания.

Машинное обучение очень пригодится в здравоохранении, логистике, IT, образовании — везде, где есть много неупорядоченных данных. А разработка приложений на базе AI помогает освободить саппорткоманду приложения от рутины — ведь на все типичные запросы может отвечать чат-бот.

Еще один пример — игра AlphaGo, которая основана на общих принципах машинного обучения и смогла обыграть сильнейшего игрока мира в го. Во время разработки AlphaGo авторы использовали только самую элементарную теорию игры в го, программа достигла высокого уровня игры, самостоятельно обучаясь на партиях профессионалов. Команда разработчиков планирует применить опыт AlphaGo для разработки медицинской диагностики.

Мгновенные приложения для Android

Идея мгновенных приложений (Instant Apps), которые Android выкатил еще в 2016, наконец набирает обороты. Благодаря этой технологии пользователи могут получить доступ к функционалу приложения, не загружая его. Для пользователей выгода очевидна: концепция “попробуй, прежде чем купить” позволит им сэкономить время на чтение отзывов, и самим попробовать фичи приложения.

Google Play планирует таким образом сэкономить память в смартфонах. Но одна из проблем заключается в том, что мгновенные приложения работают корректно с приложениями без тяжелой графики.

Тяжеловесным играм с большим функционалом может быть сложно экспериментировать с мгновенными приложениями.

Еще один предмет горячих споров разработчиков – как внедрение мгновенных приложений повлияет на рекламную монетизацию. Они могут увеличивать уровень вовлеченности на определенных уровнях приложения, но негативно влияют на retention: если нет необходимости устанавливать приложение, пользователь реже возвращается.

Низкий порог доступа к приложению и подход “попробуй, прежде чем установить” в идеале уменьшает случайные скачивания и количество пользователей, которые забросили приложение. Поэтому если у вас приложение с простой логикой, которое весит немного, стоит потестировать Instant Apps.

Персонализация vs GDPR

Исследование IAB показало, что в разных приложениях разное время пикового вовлечения пользователей, а значит шаблонная реклама на них не сработает. Рекламодателю важно привлечь внимание пользователя во время его максимальной вовлеченности, предоставляя ему возможность контролировать уровень персонализации.

Персонализация в 2019 не менее важна, чем приватность. Исследование Salesforce показывает, что 65% пользователей считают, что персонализация повышает их лояльность к компании. В то же время пользователи ценят конфиденциальность данных.

Это вызвало противоречия в онлайн-экосистеме: большие компании типа Google или Facebook запрашивали личную информацию, чтобы «обеспечить более качественный пользовательский опыт». Но правила GDPR теперь обязывают объяснять пользователям, какие данные и зачем собирает компания и дать им выбор – отказаться от сбора cookie, или разрешить системе узнать себя лучше.

Разработчики уверены, что GDPR не повредит персонализации, и она останется актуальным трендом 2019 года.

Появление новых способов монетизации

Объем рынка мобильной рекламы оценивается в 250 миллиардов долларов, поэтому все больше разработчиков стремятся к тому, чтобы монетизировать приложения рекламой. Но даже применяя все известные стратегии монетизации, попасть в 5% самых высокодоходных приложений нереально. Поэтому разработчики используют нетрадиционные способы монетизации приложений.

Монетизация пользовательских данных начала развиваться пару лет назад и сегодня является одним из быстрорастущих трендов. Монетизация данных — это процесс сбора и передачи неперсональных данных пользователей посреднику. Для приложений с DAU от 60 000 пользователей этот вариант – идеальный пассивный заработок.
Монетизация данных полностью соответствует правилам GDPR и Google Play Policy, но требует явного согласия пользователей перед началом процесса сбора данных.

Пока в России только начинают думать о правовом режиме для монетизации пользовательских данных, можно успеть собрать все сливки до массового хайпа.

UX: От сложного к простому

Упрощенный UX помогает пользователям быстро ориентироваться в приложении и находить то, что они искали. Дизайн мобильных приложений должен предсказывать поведение пользователей, быть минималистичным, и учитывать Swiping-жесты, чтобы обеспечивать целостный опыт для пользователей приложений. А с развитием Google Pay и Apple Pay,  желательно добавить возможность оплаты виртуальной картой.

Вспомните нашумевший редизайн Snapchat: некоторое время назад они изменили свой узнаваемый интерфейс приложения и отвели больше места пользовательскому контенту и рекламе. Реакция пользователей на новые функции Snapchat была ужасной: они утверждали, что новый Snapchat более сложный в пользовании, а затем подписали петицию, чтобы вернуть старый-добрый дизайн. В конце концов, команде из Snapchat пришлось вернуть все, как было. Snapchat сделал шаг назад с точки зрения дизайна, но смог удержать лояльность пользователей.

Дизайн игр тоже стремится к максимальному упрощению. Если речь идет о небольшой игре, то хороший дизайн без отвлекающих элементов будет выглядеть так:

Усиленная защита мобильных приложений

В 2017 году около 75% мобильных приложений не смогли пройти даже базовые тесты безопасности. Это означает, что в процессе создания приложения разработчик обычно не тестирует приложение на потенциальные уязвимости. Ошибки, допущенные в процессе разработки приложений, могут напрямую влиять на репутацию и погубить приложение после запуска. Наиболее распространенными уязвимостями мобильной безопасности являются слабый контроль на стороне сервера и уязвимости в протоколах и аппаратуре.

В 2019 ожидается усиление безопасности Android и iOS-приложений, но увы, низкокачественных приложений в обоих магазинах приложений все еще много.

Не надейтесь, что пронесет —проверьте приложение на предмет пробелов в безопасности. Список удобных инструментов проверки приложений включает ZAP, Micro Focus, Kiuwan и многие другие.

В 2019 мобильные приложения станут еще более персонализированными и ориентированными на пользователя. Во многом это произойдет благодаря упрощению дизайна приложений, AI и машинному обучению. Необходимо помнить о безопасности приложения для пользователей: обязательно тестируйте его на предмет уязвимостей.  Не позволяйте невнимательности или желанию сэкономить перечеркнуть все усилия по разработке.

Новые способы монетизации при грамотном применении могут дать реальный прирост доходности приложения, который можно инвестировать в его дальнейший рост и разработку новых фишек.

Комментарии
Продолжить чтение

Реклама

Наша рассылка

Нажимая на кнопку "Подписаться" вы даете согласие на обработку персональных данных.

Вакансии

Популярное

X
X

Спасибо!

Теперь редакторы в курсе.