Андрей Себрант (Яндекс) — Бизнес в Эпоху Искусственного Интеллекта

Время на прочтение: 16 минут(ы)

Будущее наступило. И у этого будущего далеко не человеческое лицо.

Сейчас все говорят о новой революции, которую несет искусственный интеллект и машинное обучение. Умные алгоритмы проникают во все сферы жизни: от поисков бозона Хиггса, до выбора фильма на вечер. Самые передовые компании уже активно внедряют эти технологии в свои продукты и маркетинг. Персонализированные рекомендации, реклама, интерфейс сайта — все это не какая-то черная магия, а уже доступные технологии.

На отечественном рынке, без сомнения, самой передовой компанией, использующей мощь машин, является Яндекс. В своем докладе на #amoCONF директор по маркетингу сервисов Яндекс, Андрей Себрант, рассказал о наступившем будущем и возможностях, открывающихся каждой компании. Смотрите видео и оптимизируйте ваш бизнес под тенденции будущего!

► Смотри все серии amoLIVE о подготовке конференции в Олимпийском
———————————————————————————————————————————————————————————-

► Попробуйте amoCRM для учета клиентов и сделок

► Читайте наши независимые исследования отделов продаж

► Станьте нашими друзьями на Facebook

► Получайте всю самую актуальную информацию из мира продаж ВКонтакте

► Подписывайтесь на наш канал! Мы делаем только лучший контент для вас

#Андрей #Себрант #Яндекс #Бизнес #Эпоху #Искусственного #Интеллекта

Машина вот на протяжении всей истории человечества доказывала что она может больше больше потому что мы так его придумывает эта машинка учиться сама минимизировать некий параметр то сделать более точный прогноз почему думают понятие смешной парадокс вот 2016 года реклама оказывается технологический гораздо более продвинутый чем все остальное на сайте

Но представьте себе вот вам предстоит делегировать машинам а с машиной не пойдешь вечером дома не знает пивка или чего-нибудь попить так добрый день здравствуйте все собравшиеся в олимпийском спасибо за подводку я правда собираюсь рассказывать о будущем причем вот использую надо страшные слова вот я подозреваю что суд термин коммодитизации технологии здесь

Мало кому известен не стесняйтесь он вообще мало кому известен но очень полезен я он простой по сути а про него расскажу дальше еда была правильная фраза я собираюсь рассказывать про будущее которые наступила наступает на некоторых наступила так что пока соскребать остается беда в том что вот за 20 лет моей работы в интернете

Мне все время казалось что все офигенный быстро происходит как классно так я теперь понимаю что все что происходило эти самые 20 лет было чудовищно тормозным процессом невероятным медленным а быстро начинается сейчас поэтому я начну да и вообще весь доклад на самом деле рассказ он построен по принципу странные мозаики мозаики

Которые даже нет лучше так скажу по принципу рассыпанного пазла если в результате вот разглядывание этих кусочков у вас потом в голове начнет складываться картинка из этих кусочков пазла цель достигнута если нет ну не знаю посмотрите запись попробуйте может в итоге сложатся потому что это не поваренная книга я не буду рассказывать

Как правильно что-то сделать я буду рассказывать в каком будущем через буквально несколько лет три четыре пять не больше вам предстоит организовывать свои продажи привлекать клиентов вообще коммуницировать как-то с теми людьми которые к вам имеют отношения но расскажу я немножко странные кейсы вот история мужика из калифорнии я не

Случайно привел его возраст на слайде мужику 65 лет он даже меня старше у него проблема у него жена которая очень любит свою чистенькую лужайку но это калифорния там нет двухметровых заборов вокруг лужаек на лужайку ходят соседней коты и гадят как решается эта задача в 2016 году в 2016

Году этот человек как его там роберт бонд роберт бонд докупает немножечко железо к своему домашнему компьютеру подключает к нему уже стоящую камеру наружного наблюдения которые смотрят злу зайкой и дальше проделывать несколько необычную вещь он загружает доступный бесплатный софт aopen собственной который является нейронной сеточкой и начинает обучать эту нейронную сеточку распознавать котов

На вот изображение с камеры и задача сначала кажется тривиальный потому что уже если чему-то учить легко и так а там потому что к тане за войну завален интернетом десятки миллионов котов в интернете если бы все было так просто то есть вот распознавать такого дневного кота можно обучить вот надо то сети

Который его загружается просто со скоростью пропускного канала но дела обстоят хуже в реальной жизни коты ходят гадить в основном ночью картинок ночных котов писающих на лужайке в интернете практически нет человеку пришлось ну как делаем мы как делает любая компания занята нормальная да и касается и обучением нейронных сеточек окей мы накопим дополнительно картинки

Сделает их сами сеточка научилась распознавать ночных котов тоже очень надежная и после этого последний шаг на выход этого компьютера подключается электроуправления вентилем вентиль стоит на трубе который ведет к опрыскивать у любой как только код заходит на лужайку и хочет приспособиться его начинают поливать код сваливает задачу таким образом решено

Жена довольна коты не ходят а все вот это вот странное чудо нейронная сеть обучающийся распознавать котов выяснив she что в интернете черт не хватает исходных изображений для тренировки окей мы тебя научим он отлучился на единственной в мире нейронная сетка который умеет распознавать ночных котов все это делается человеком который

Является гипер программистом там не работал в google или яндекс а всю свою жизнь и с помощью вот такого вот желез в общем достаточно дешевого компактного и простого другая история через океан от калифорнии на маленькой домашний ферме японцы выращивают огурцы огурцы на этой ферме принято сортировать на 9 разных категорий это сортировкой вручную

Занимается старенькая мама ей тяжело она 8 часов в день стоит около конвейера и вот она всю жизнь мне всю но последние несколько лет жизни я посвятила тому что она понимает глядя на огурец на его пупырышки цвет размер и форму в какую из 9 категорий его надо отнести

У них питания не могут даже нанять временного рабочего потому что рабочие вы надо несколько месяцев учить этому славному процессу распознавать огурцы но дальше вы наверное уже догадались дальше вы наверное догадались что это был снова компьютер на этот раз просто сеточка было в облаке потому что компьютер разбери по и довольно маломощной сеточку обучили

Что делает мама в качестве тренировочной выборки использовались действия самой мамой вот фотография огурца вот куда его мама отнесла после того как мама так проделала 10000 раз сеточка вот себе новый огурец ты понимаешь какая у него категория понимаю говорит сеточка и все это воплотилась вот в такую вот конструкцию конвейер по нему едут огурцы

Перед тем как упасть на конвейер их разглядывает камера вдоль конвейера стоят толкатели и в ящик соответствующей категории сталкивают огурец опять же это решение 2016 года она иллюстрирует один очень важный момент который вот сейчас плохо осознают он написан на экране это что мы привыкли называть информационными технологиями в сущности перестала быть информационными

Это операционной технологии обученная машина сама совершает действие а не сообщает нам то есть не раздается звонок кот пришел чё делать будешь побежишь его полотенцем или как не высвечивает номер категории над проплывающим огурцом ну вот а теперь ты можешь своей царской рукой столкнуть да нет человека вообще нет в этом процессе

После того как закончилось обучение это очень универсальная картинка который характеризует как работает будущее в котором интеллектуальные задачи опознать кота понять какой категории относится огурец оппа решают машины и собственно говоря это не там наша какая-то блажь и вообще это не свойства только интернета или только там виртуальных каких-то вещей происходящих

В компьютер вот специально привел слайд general electric довольно не маленькой компании работающий с колоссальными оффлайновые бизнесами которые считают что именно 2015 год стал тем годом когда произошла вот эта конверсия информационные технологии стали операционными и они определяют наше будущее и по сути дела нам чтобы успеть за всем этим надо

Думать как в наших бизнес-процессах настроить тот же переход потому что трансформация всегда болезненно и не мгновенная вещь но если не готовится к этой трансформации сейчас можно оказаться среди тех на кого не уступили но вот там хорошие примеры к кончику до кодек наступили он тоже думал что он хорошо защищен такая технология на

Blackberry наступили они искренне думали что людям цен надавить на кнопочки и никто не будет возить пальцами по экрану пачкой его где blackberry ну и наконец еще одна отсылка к авторитетом в начале этого года в давосе я на всемирном экономическом форуме собственные были официально многократно произнеси ну вот

Эти же самые слова что мы находимся сейчас в самом центре четвертой промышленной революции что это промышленная революция в основном происходит за счет бешеной скорости с которой внедряется искусственный интеллект и машинное обучение я ненавижу слово искусственный интеллект и сейчас объясню почему потому что на самом деле мы пытаемся в этом месте

Сравнить машину с собой и причем как-то 100 испугать и испугать машину она не боится ты же никогда с нами не сравнится мы же вот мыслители понимаете машина вот на протяжении всей истории человечества доказывала что она может больше больше потому что мы так и и придумай вот хороший пример который я люблю приводить

На кучу лекции эта история про искусственную птицу мы вот это воспроизвести не можем вот мы правда понятия не имеем как устроена каждое перышко в ее крылья какую функцию она несет в полете а еще разнообразие этих крыльев пернатым мире чудовищно а еще есть летучие мыши но мы правда это не

Только воспроизвести не можем и не сможем судя по развитию технологий ближайшие несколько лет мы и понять до конца не можем физику полета вот точностью как каждый волосок в крыле работает но мы поскольку мы все-таки люди человечества были вдохновлены птицей как идеей полета и в этом смысле 1 искусственной птицы и

Был воздушный шар за много веков до вот нас сегодняшних созданной потому что он позволил людям подняться в воздух а потом через некоторое время вернулись к идее крыла совершенно другого с тем профилем который птицы не известен в статике вот не будучи без массовых движений может держать машину в воздухе

Зато у нее весь реактивный двигатель и эта машина стала возить нас через океан чё птицы не могут более того в какой то момент мы улетели мы человечество улетели к звездам ну окей к марсу пока не к звездам но по марсу пор ползает этот curiosity и сэлфи оттуда передает это же и скучной птицы

Вы туда принесла понимаете вот то что мы подумали про идею полета и что должно быть искусственной петицией сушки когда мне говорят теперь происходит на интеллект ну мы ж не знаем как устроена да точно так же как мы не знаем ничего про птичек крыло это не помешало нам на

Той стадии когда вы появились воздушные шары придумать а баку и упростить некую операцию на которой не способны животные а вот мы 1 устным счетом владеем но блин так проще а потом технологии помогли нам сделать еще проще а потом технологии дошли до тех самых нейронных сеток которые обучаются сами это важно

Они обучаются сами вот если вспомнить пример с котом никто не объяснял этой сетки формальные параметры отличия кота от младенца или от собаки сетка училась сама разглядывая миллионы картинок котов и в итоге научился мы не знаем как у как мы сами обучаемся и собственно говоря

Вот то о чем еще говорю о том то что искусственный интеллект машинный интеллект наверно говорить все таки правильный будет иметь такое же отношение к нашему мозгу как ракета к воробью и делает жизнь такое интересное уже ракета не умеет чирикать и какать нам на голову воробей умеет при этом ракета как вы догадываетесь может

Там это ядерный заряд на соседний континент curiosity на марс и спутник на орбиту чтобы спутниковый интернет работал много чего но это абсолютно не имеет отношение к воробьям точно то же самое произойдет с машинным интеллектом будет делать вещи которые мы вообразить себе не можем что можно сделать мозгом она сможет при этом

В параллель произошла еще одна интереснейший история который касается не столько сервисов я говорю сейчас про конкретные сервиса распознавания изображений по сути дела вот то функция вокруг которой устроила все оба примера вокруг которой строится там не знаю поиск картинок кучи еще каких то других вещей но эти штуки конкретный сервис можем сказать

Там не знать персонализации у меня будет про это отдельные примеры это тоже отдельный сервис понять что-то про пришедшую к вам покупателя но это сервис обучаю самообучающейся системы нейронные сеточки в первую очередь позволили решить другую интересную задачу который абсолютно вот так вот поперёк всех сервисов это задача интерфейс на я еще некоторое время назад

Существовала такая проблема он правда существовало надо привести информацию машину читаемый вид чтобы машина могла сне начать работать больше этой проблемы что такую машину читаемый вид она текст прочитать может хоть с рукописи хоть с экрана хоть наскального рисунка если там текст есть она может более того понять что на этой картинке изображена

Если эта картинка она может услышать что было произнесено вслух и превратить это в печатный текст если вам это зачем то необходимо хуже того смысл всего этого понять и вот самая интересная история который сейчас происходит это вот то что происходит ровно сейчас и офигенно сильно изменит жизнь через

Там не знаю каким нить пару лет для того чтобы машина научилась не тупо слушайте вот просто там в буквы переводить звуки необходимо было научить ее какому-то смыслу и вы здесь началась интересная задача практическая совершенно задача которая снаружи это не видно а это огромный прорыв который был решен например поисковыми системами которым

Приходилось решать задачу вы знаете при некоторых психических заболеваниях если в зале есть психологи они знают такой тест дают 4 объекта или там больше ответ какой здесь лишний найди ну вот в во многих случаях там при некоторых заболеваниях удивительно странные ответы которые нам кажутся бредовыми так вот такая же задачка для машины

Вот четыре объекта найди какой лишнее и оказывается что вот в старой традиционной модели лингвистического анализа это большая засада потому что если мы приблизим вот на объект номер 2 и объект номер четыре то выяснится что пока это написанный текст и ударение не слышно замок и замок не отличаются более того даже углубленный анализ прилагательного

Показывает что это что-то описывающая материал из которого видимо изготовлена это существительное и казалось бы вот эти два объекта являются очень близкими а это вообще никуда потому что ничего похожего нет но мы с вами понимаем насколько что вообще-то история совсем другая что вообще говоря вот этот объект лишние а вот это три одинаковых aig

Машине как это объяснить особенно когда речь заходит о том что здесь вообще изображение и будем для простоты точней для реалистичности предполагать что это изображение не содержит при картине снова текста например на странице где она найти просто изображение у меня в фотоальбоме как его классифицировать выводить ли его по запросу старая

Крепость и оказалось что существует такая вещь которая казалось бы некоторое время еще такой ненаучной фантастикой как очень многомерное пространство смысла в котором можно научить машину строить некоторые вектора и он и куски этих векторов приведены под картинками и даже беглый взгляд показывать что вот эти они в общем похоже а вот этот ну

Ребят здесь вот там чего-то 87 133 а бывает явно чуть совсем не то то есть вот эти три торчат куда-то примерно в одно место но в одну область примерно в одну область это в чудовищную многомерного пространства смыслов а вот 4 куда-то вот туда и это решает задачу понимания

Смысла хотя бы с точки зрения того какие объекты sms по смыслу близки друг другу прикольно что это задачка в итоге уже вот сейчас например примерно похожее задача позволят там тому же microsoft у обеспечить великолепный синхронный перевод в скайпе потому что именно в тот момент когда вместо классических и лингвистических

Моделей которые спотыкаются на эту проблему замок замок подключили нейронные сетки переводиться стал смысл а дальше ребята дальше сейчас подключает язык за языком потушишь тот момент когда у тебя пространство этих самых ликторов смысла заполнена его проекции на любой язык чисто техническая операция в этот момент языковые барьеры на нашей планете

Исчезают как класс этот очень нетривиальная история я не про то что там гениальный индекс гениальный microsoft гениальный google это вот сейчас сделаю я про то что это меняет жизнь так как вообще представить себе не могли как-то вот так с полпинка мы не увидим даже то вдруг в интерфейсе все

Сама за переводилось она же вот так будет выглядеть и как никак какой-то отдельный супер сервис хочу показать что происходит с традиционными областями специально на примере науки а не какого-то коммерческого продукта вот смотрите наука которая касается всех нас метеорология все хотим понимать зонтик то брать надо дождь и кто сегодня будет

Вообще на самом деле не зонтик надо просто одеться потеплее дождя не будет но колотун страшный и вот тут я же расскажу про индекса вы и решение по что она опять же я не хочу здесь продавать индекс честное слово достаточно велик без моих продаж эти вещи с метеорологии сейчас проделывают все крупные компании заняты

Прогнозированием месте в явлений в мире и в этот channel и другие там альбом включился с точки зрения вот как раз машинного обучения у нас к счастью и прогноз есть внутри один из сервисов яндекса и чего чего а машинного обучения у нас хватает и так появляется медиум наши технологии которые краткой

Экскурсии про то что такое метеопрогноз это офигенный совершенно массив разнородных данных льющийся в реальном времени в суперкомпьютеры данные берутся из того что сейчас на экране это десятки метеорологических спутников из которых льется информация о том же участке земли которые под ними расположен самых разных частях спектра это вот порядка 10000 метеостанции

Которые дают но к сожалению только на поверхности земли подробную информацию состояние атмосферы и температура направление ветра скорость ветра влажность там химический состав если надо степень освещенности солнцем дофига всего ну и поскольку вообще-то говоря атмосфера трехмерная и для того чтобы нормально смоделировать всякие вот такие процессы в ней которые

Требуют еще изменения чего-то по высоте на облака жена определенной высоте не просто так столбом стоять есть еще несколько к сожалению достаточно мала для размеров нашей земли станции откуда регулярно низко несколько раз в сутки запускаются метеозонды такой здоровенный воздушный шар который наполненный гелием поэтому он взлетает который несет набор датчиков

Который умеет мире все то же самое температуру скорость все влажность и так далее и вот весь набор этих данных льется в несколько гипер суперкомпьютеры центров которые стали расположены по миру и эти данные обрабатывают несколько построенных физиками теоретиками специалистами по динамике сжимаемой жидкости ибо именно так нормальном физическом языке называется окружающей

Нас атмосферы этих моделях четное количество реально немного и тяжелейшие они создавались десятилетиями трудом куча гениальных мозгов и очень сильных физиков а потом превращались в исполняемый код не менее гениальными программистами математиками если модели в общем дают какой-то ну примерно осмысленный прогноз то есть вот тут специальный пример что ни одна из этих

Моделей конечно в такой ситуации не предскажет плюс 30 солнышко но видно что вот они врут примерно такая погода как сейчас у нас во дворе то ли чуть больше нуля той чуть меньше 0 талию посыпать снежок то ли дождичек . ok давайте мы подключим сюда системку машинного обучения ту которая у нас вот

Например называется matrix на этом ну там со всякими обрезками еще и скажем я система машинного обучения задачки стоит вот есть куча куча прогнозов скажем на завтра на 9 утра в районе олимпийского ты сейчас эти прогнозы записываешь завтра ты их сравнить с результатами фактических наблюдений потому что завтра

Мы будем знать в 9 утра штольц здесь произошло и так непрерывно и так для всей земли ну дата-центры у нас большие твоя задача обучаться все время вот сравнивая как разошлась каждая из этих моделей с фактическим наблюдением в данной точке научиться минимизировать эту дельту научиться генерить свой собственный прогноз который бы имел дельту

Расхождению с действительностью скажем по температуре или по количеству осадков или еще по какой-то метрики меньшую чем расхождения любой из этих моделей по отдельности при этом заметьте важная вещь мы не учим эту машину физики у нас нет штата профессоров как вы в институте физики атмосферы академии наук эта машинка учатся сама минимизировать некий

Параметр то сделать более точный прогноз почему дом их понятия не имеем мы еще в нее дополнительные данные загружаем которые не удается загрузить в модель например из общих соображений мы понимаем что вообще говоря по разному устроенную жизнь в атмосфере над разного типа над разными типами подстилающей поверхности так как называется то есть

Над озером над еловым лесом или лиственным лесом или городской застройкой атмосфера себя ведется сильно по разному но мы на яндекс-картах довольно актуальную информацию в отличие от этих моделей в которую тут формацию когда-то сто лет назад заложили а подумать лес вырубили там город построили но у нас в более-менее свежей

Информации есть со спутниковых карт наших мы можем разогнать и в итоге заставить ее сгенерить прогнозы которые уже сейчас среднем оказываются точнее чем любой из прогнозов вот эти гигантских моделей а поскольку мы запустили мячу им всего лишь меньше года назад у него сейчас лучше повысится точность потому что для того чтобы машинки

Обучиться хорошо предсказывать ну погода так устроена что эта штука с готичной цикличностью то есть пока ты хотя бы одну осенью не пережил как-то предсказывать осеннюю погоду надежно сложно и вот сейчас она доходит до того момента когда переживет кашле сезонов хотя бы по одному разу же мы запускали как раз поздней осенью и

Теперь для нее зима не будет новинка она уже зиму однажды за зиму однажды уже изучала и это повысит прогнозирования погоды без улучшения нашего понимания сути протекающих атмосфере процессов ну вы понимаете вот специальным акцентирую на этих словах потому что это то что будет происходить с вашей работы машина

Будет рядом с вами решать какие-то ван важные умные интеллектуальные задачи при этом абсолютно не понимая ей никто и не объяснял даже как бы это и не объясняли ничего про физику что на самом деле происходит и поэтому сейчас чуть-чуть расскажу про то что вот важно для конкретного бизнеса наука наукой но

Мы же про бизнес вот смотрите историю про персонализацию у нас здесь сегодня уже звучала вот михаил прекрасном совершенно докладе по поводу обновления о массе rm как раз говоришь ребят теперь вы можете персонально этому человеку догнать его объявлениями про то что он там еще у вас не докупил это правильно это идеально что это

Становится вот нормой в самых разных системах но не все на свете управляется только из о массе р.м. вот там и серым например позволяет догнать человека на других сайтах например у вас возможно есть свой собственный сайт здесь возникает смешна смешной парадокс вот 2016 года реклама оказывается технологически гораздо более продвинутый чем все

Остальное на сайте мы вы же понимаете у вас вот я сейчас для простоты даже бируни приложения просто сайт у вас на сайте может висеть статический контент который там висит последние три года вот просто тупо вообще без какой-либо интерактивности как вот там во времена зарождения веба 20 лет назад

А рекламный блок кусочек кода там у гугла или яндекса были еще какой хороший сетки он страшно умный черный ящик который в тот момент показать страница отрисовывается все понимает проект мне пришедшую пользователя обращается к базе данных там сотни объявлений и делают умные интуитивные предположение какой из них иметь наибольшую высоту вероятность

Клика потому что самом деле оптимизированный параметр когда вы показывают объявление это вероятность клика кучу умной математики машина мер нога всего на свете а странице как есть так и есть вы же понимаете так долго не будет вы же понимаете что достаточно скоро иметь сайт который не да столько же умен как

Реклама вокруг нуква ну против на таком сайте находиться противно заходить на сайт морда которого одинакова для всех на карточку товара который опять же одинаковой для всех и так далее так далее так далее то есть это история про то что вот это персонализации настигнет вас везде и чем дальше тем больше она

Будет работать лучше потому что еще с машиной вот это учиться у людей это очень важно что ее не мы обучаем что мы чего-то нового не поняли поэтому нам ничему обучить машину да она сама все время сама обучается потому что в селе my происходит эти самые миллионы и миллиарды кликов которые она берет себе

И да вот оказывается что такая пугающая немножко блок-схему специально взяла из более технической презентации что например технология который у нас называется crypt ai позволяет определить интересы человека потом много всего крутится и в итоге вот черный ящик решает например что ему нарисовать на морде какому из маркета в переводе на привычный маркетинговый термин это

Означает хватит усреднять хватит сегментировать можно работать на уровень персонализации вот этот привычный коктейль из нескольких компонентов которые вот способен удержать наш слабенький мозг машине не нужен ей не нужно разбить там на 10 категорий или там пойти в какую интересом сегментирование где опять же мало кто вы из продвинутых маркетологов мало кто из

Людей может больше там 20 сегментов удержать в голове да а машине по фигу я неужели сегменты она работает прямо с сотни миллионов как например в нашем случае различных пользователей при этом умные алгоритмы он же показывает не только похоже чеку будет уныло он может открывать что то он может показать

Человеку вау как я мог об этом не знать а вот чёрту зашёл на страничку все и чек залипает и так работают например все современные стриминговый сервис и так работает youtube рекомендации начинают подстраиваться под каждого конкретного человека и вот просто в качестве иллюстрации график как увеличивается время пребывания на

Сервисе в тот момент когда ты включаешь черный ящик и человек начинает залипать к нашему рекомендует всем песенки который мы хочется послушать или как это происходит вот в нашем более продвинутым совсем недавно запущенным причем в куче разных стран убийцы времени под названием цен такой сервис он либо в ланч или на мобильном

Либо в браузер на мобильном существует такая оптимизированные под каждого персонально человека лента контента самого разного новости картинки котики рецепты точек хочет читать но оно персонализировано под него абсолютно автоматически там мы впервые увидели что нам все равно где буду запускать в бразилии индонезии или в россии all нам не надо заниматься долго познанием

Культурных особенностей особенности потребления контента в этой стране это все делает алгоритм мы проделали вот такой эксперимент на нашей маркетинговой конференции в яндексе в конце июня этого года там проделывали на конференции пришли есть некоторые юридические тонкости и технические тонкости как почему мы не могли этого вынести на улицу но на улице это будет

Там через год вот чек проходит мимо монитора камера не просто по качеству изображение а у него там главой памятника фигня крутится человек наводит с установленным приложением камеру своего смартфона на людей в других в холле а над ними картинки крутит картинки это интересы этих людей мы их об этом не спрашивали

И я не буду рассказывать какая магия затем что computer вдруг вот так я вот представляю чтобы если бы я щас вот в каком кармане у меня смартфон вот здесь это не сработает но вот так поставить вот это провел я просто знаю о чем с каждым из вас поговорить подводя итоги я говорил

Сейчас всех ребят у меня осталась одна минута я должен уложиться и два слайда спасибо большая смотрите вот когда этот слайд просто для иллюстрации когда говорю что и водка монетизация технологий это означает что все стал доступны из розетки вот что это стало комодики как электричество никто из нас

Не электрика никто из нас не знает как запустить дизель-генератор но большинство мы прекрасно знаем что вас есть розетка в квартире в неё можно воткнуть хошь стиральную машину хочешь утюг так вот точно так же сейчас можно работать с машинным обучением с машинным разумом потому что есть open source ный код есть api здесь

Просто список того мы просто чтоб не быть голословным все это доступно зачастую бесплатно и как главный результат собственно вот главный финальный итоговый слайд ребят вот никогда просили сделать от расколю там про 2020 через а скажи куда легко потому что сводится к трем основным тезисом он предстоит работать вместе с творческими умными машинами

Хотите не хотите предстоит это чертовски тяжело вот по собственному опыту мы в яндексе здесь сейчас и мне плохо видно вас и за слепящий прожил я прошу слух поэтому ответить на вопрос вот здесь есть люди у которых подчинение есть другие сотрудники окей вам легко было делегировать им но вы ожидаемую нам тоже но представьте

Себе вот вам предстоит делегировать машинам as машины не пойдешь вечером там не знают пивка или чего-нибудь попить спрей вася ну что ж ты давайте так больше не будешь эта машина которая реально не сможет вам объяснить почему она приняла это решение но если не научиться с ней работать данный иногда

Будет фака пить как любой из нас любой из наших сотрудников то тогда нам просто крышка и это самый последний слайд это один из законов кларка вот я выхожу седым хвостом и рассказываю какие-то странные вещи вот есть закон который гласит когда что если человек моего возраста выходит начинаю что-то нести про то

Этого никогда не будет вот там человек есть мера всех вещей поэтому машина не когда-нибудь это возрастной консерватизм ребят простите а когда человек слушайте вот несмотря на весь мой консерватизм это будет он скорее всего прав если бы в этом деле экспертов сетки в интернете последние 20 лет варюсь поэтому вот

Спасибо так или иначе но это случится Андрей Себрант (Яндекс) — Бизнес в Эпоху Искусственного Интеллекта

ТОП VPN https://t.me/Lokivpn_bot