Ну, правда, я надеюсь, что нет, по крайней мере, до тех пор, пока я могу попробовать вкусные блюда, которые мы готовим всей семьей, с большим количеством жира, хрустящие и, прежде всего, приготовленные с любовью. Но…
Прошло несколько лет с тех пор, как Google разрешил выпуск Distbelief (первое поколение, выпущенное Google еще в 2015 году). Основанный в основном на нейронных сетях и с большим количеством кода Python и C++ (предоставляет API для Windows, Linux, Mac, Android, Java), он может работать практически на любом процессоре и видеокарте.
Это превосходная библиотека для разработки машинного обучения (мы поговорим о Caffe, Keras, Theano и даже CNTK от Microsoft).
Создание, шаг за шагом и симуляция нашей работы визуализируются в TensorBoard, превосходном визуализаторе для изучения и оценки потока данных нашего творения. Модель, которая «обучается», и некоторые API (программные соединители), которые позволяют вам консультироваться и получать ответы от этой модели.
Вы должны четко понимать, что Tensorflow — это машинное обучение, это искусственный интеллект, «думающий», и он говорит вам, как он думает о вещах. Но сколько бизнес-моделей может выйти отсюда?
Такие проекты, как обнаружение изображений (в режиме реального времени или нет): Представьте, что наша компания занимается отбором стеклянной тары для переработки из большой партии отходов, размещенных на конвейерной ленте. Камера делает разные изображения и отправляет их на сервер, на котором запущен TensorFlow, который представляет собой слои, чтобы указать вам (что-то вроде 85% вероятности, в зависимости от того, что также «скармливается» модели), и это через серию API дает информацию. другому программному обеспечению, которое вполне могло бы указывать на то, что рука робота отделяет этот кусок, в то время как другая часть программы рассчитывает затраты на переработку этого куска и сколько денег вы заработаете; но важно то, что наблюдение, принятие решения производится за доли секунды и без вмешательства человека.
И как он рождается, и как «усваивает» нашу модель?
Здесь я хотел бы объяснить еще одну бизнес-идею, которая также поможет нам понять важность нашей «модели»:
Представьте, что у нас есть ресторан. Семейное питание, завтраки, обеды, закуски, ужины, мороженое, десерты, небольшой парк развлечений для самых маленьких и красивый сад для тех, кто хочет поговорить. Мое любимое блюдо: десерты (и то, что приносит больше всего денег). Ну представьте, что мы хотим узнать, каково мнение наших клиентов, относительно «внешнего вида» нашей тарелки с едой (поэтому и говорят, что очень важна подача), и что для этого наша милая клиент, когда вы проходите мимо счетчика, перед вами будет две кнопки; один зеленый, который будет давить, если вам нравится подача блюда, и еще один красный, если это вам не по душе.
Затем, согласно вашему ответу, один из наших сотрудников сфотографирует табличку и отметит, какая кнопка была выбрана. По мере увеличения количества клиентов и количества блюд эти результаты будут расти.
Чем больше клиентов просят одно и то же блюдо (и оценивают его), тем больше отзывов о том же блюде… в конце нашего тяжелого рабочего дня мы могли бы проанализировать результаты, полученные из мнений наших «экспертов-клиентов», и на следующий день, перед открытием ресторана, просто взглянув на изображение блюда, которое они только что приготовили на нашей кухне, и сравнив ответы, ранее полученные от наших клиентов, мы могли бы «предсказать», будет ли это блюдо вкусным, будет порядок или, наоборот, останется одиноким и забытым на дне нашей кухни.
Конечно, если в этот день наш сотрудник снова будет записывать наблюдения наших клиентов, потому что будет больше данных, чтобы «предсказать» успех или нет нашего кулинарного творения, то есть наша модель будет продолжать учиться, становясь все более и более «интеллигентный», а в нашем случае, знаток изысканных вкусов наших гостей.
Да, и только одна деталь, вне этой статьи, если бы мы хотели «классифицировать» вкусы каждого нашего клиента в отдельности (представьте, каким бы мы хотели видеть каждого нашего клиента?) мы бы вошли в область науки о данных : и если бы это был не маленький ресторан, а многонациональная сеть с сотнями мелких заведений, и тысячами «голодных клиентов» в день, то мы бы вошли в мир больших данных, чтобы знать, что делать с нашим меню, но те, другие истории…
Хуан Мартинес, облачный евангелист Telefonica.
