Рекрутинговое ИИ-приложение
Рекрутинговые приложения на основе ИИ становятся все более популярными, поскольку они помогают работодателям быстрее и эффективнее находить и нанимать лучших специалистов. Одним из примеров такого приложения является Humanly, которое использует обработку естественного языка и машинное обучение для автоматизации отбора кандидатов, планирования и вовлечения.
Разработчики ИИ-приложения утверждают, что сокращают время найма на 90% и улучшают опыт кандидатов на 80%. Чтобы запустить рекрутинговое приложение на основе ИИ, вам необходимо иметь четкое ценностное предложение, целевой рынок, масштабируемую технологическую платформу и маркетинговую стратегию. Вы также должны соблюдать соответствующие законы и правила, касающиеся конфиденциальности данных и борьбы с дискриминацией.
Медицинское оборудование на базе ИИ
Медицинское оборудование на основе искусственного интеллекта — перспективная идея, способная повысить качество и эффективность здравоохранения. Вы можете запустить собственную компанию по производству медицинского оборудования на базе искусственного интеллекта, выполнив следующие действия:
- Определите конкретную проблему или потребность в области медицины, которую можно решить или удовлетворить с помощью технологии ИИ;
- Изучите существующие решения и конкурентов на рынке и найдите свое уникальное ценностное предложение;
- Разработайте прототип или минимально жизнеспособный продукт (MVP), который демонстрирует ваше решение ИИ и подтверждает ваши предположения;
- Протестируйте свой продукт с потенциальными клиентами и получите отзывы и данные для его улучшения.
- Найдите подходящую бизнес-модель и поток доходов для своего продукта и при необходимости обеспечьте финансирование;
- Масштабируйте свое производство и маркетинг и расширьте клиентскую базу.
Виды нейронных сетей
Сразу оговоримся: существует несколько десятков архитектур нейросетей — но в этом разделе мы обсудим только те, что обрели особую популярность и как-то повлияли на культуру. Если вам нужен полный список, можете заглянуть в нейросетевой зоопарк Института Азимова.
Перцептроны. Первая модель, которую удалось запустить на вычислительной машине — нейрокомпьютере «Марк I». Её разработал ещё в 1958 году учёный Фрэнк Розенблатт — он заложил некоторые принципы, которые потом переняли более сложные модели. Так, несмотря на однослойную структуру, перцептрон уже умел настраивать веса и примитивно корректировать ошибку.
Благодаря нейронке «Марк I» мог даже узнавать отдельные буквы алфавита. С помощью специальной камеры машина сканировала картинки, превращала их в сигналы, которые потом суммировала и выдавала результат: 1 или 0.
Фрэнк Розенблатт работает с ЭВМ Mark I PerceptronФото: Cornell University
Многослойные. Сразу после выхода у перцептрона обнаружилась проблема — ему было сложно распознавать объекты в нестандартных условиях. Чтобы это обойти, придумали многослойную модель — она умеет выделять абстрактные сложные признаки из объектов и решать задачи более гибко. Например, она может распознать объект вне зависимости от освещения и угла наклона.
Рекуррентные. Нейросети, заточенные на работу с последовательностями — текстом, речью, аудио или видео. Идея в том, что они помнят всю цепочку данных, могут понимать её смысл и предсказывать, что будет дальше. Например, эту модель используют Google Translate и «Алиса», чтобы генерировать связный текст.
Свёрточные. Берут на себя всю работу с картинками: распознавание, генерацию, обработку, удаление фона — всё что угодно. За это в них отвечают два алгоритма: свёртка и пулинг. Первый делает послойную нарезку картинки, а второй — находит и кодирует на этих слоях самые важные признаки.
Генеративные. Любые нейросети, которые что-то создают. Когда получается хорошо, люди их боятся, когда плохо — чувствуют своё превосходство. Из актуальных примеров: генераторы картинок Midjourney и DALL-E, автор похожих на написанные человеком текстов ChatGPT и обработчик селфи Lensa.
Классификация
Первая проверка модели:
Выглядит не очень хорошо. Налицо явное переобучение нейросети. В тренировочной выборке точность резко возрастает, а величина ошибки падает.
Возможно, следует добавить еще слой в модель, сделав ее более глубокой:
Новые результаты также не впечатляют:
Ничего не изменилось, даже стало хуже, чем раньше.
Пришло время регуляризировать сеть, чтобы справиться с переобучением. На веса нейросети при этом накладываются некоторые ограничения и часть из них обращается в ноль.
Чаще всего это достигается путем добавления к функции ошибки L2 нормы по сумме весов. В Keras для этого используется функция keras.regularizers.activity_regularizer.
Уже лучше, но все-таки недостаточно хорошо. Ошибка уменьшилась, но с точностью проблемы. Такой эффект при работе со случайными данными — не редкость, и здесь это очень хорошо объясняется.
В общих чертах можно сказать, что это вызвано высоким уровнем шума. Ошибка рассчитывается на основе cross-entropy, а точность — это индекс нейрона с правильным ответом. Ошибка может уменьшаться, а индекс при этом все равно остается неправильным.
В уже упорядоченную сеть можно ввести еще больше регуляризации с помощью техники «прореживания» (Dropout). При обучении некоторые веса будут случайным образом игнорироваться. Метод используется для борьбы с коадаптацией нейронов и эффектом переобучения.
Не рекомендуется проводить прореживание сразу после входного слоя, а также прямо перед выходом. В данной модели оно будет происходить между двумя скрытыми слоями.
Вот теперь графики стали вполне правдоподобными. Если немного раньше приостановить обучение, можно получить 58% точности прогноза. Это уже намного полезнее случайного угадывания.
Ради интереса вы можете попробовать предсказать движение цены акций через некоторый промежуток времени, например, через 5 дней. Как справляется нейросеть с этой задачей: лучше или хуже, чем с однодневным прогнозом? Почему так происходит?
Инструмент прогнозной аналитики на базе ИИ
Инструменты предиктивной аналитики на базе ИИ — это приложения, которые используют машинное обучение, статистику и естественный язык для анализа данных и предоставления информации, прогнозов и рекомендаций. Эти инструменты могут помочь компаниям улучшить процесс принятия решений, оптимизировать процессы и повысить эффективность.
Одним из примеров такого инструмента является Tableau AI, который интегрирует прозрачный ИИ в свою платформу и позволяет пользователям исследовать визуализацию данных , планирование сценариев и построение моделей с помощью кликов, а не кода. Если вы хотите запустить собственный инструмент прогнозной аналитики на основе ИИ, вам необходимо определить конкретную проблему или вариант использования, который может решить ваш инструмент, собрать и подготовить соответствующие данные, выбрать подходящий алгоритм или структуру, протестировать и проверить свою модель и разверните его как услугу или продукт.
Онлайн-соревнования вырвались в B2B
Проект AliveBe занял пятое место по итогам Архипелага 2035. Это сервис для проведения онлайн-соревнований с использованием носимой электроники среди любителей в циклических видах спорта (бег, велоспорт, лыжи и др). Участники соревнований тренируются где удобно и когда удобно, достаточно установить на смартфон мобильное приложение. А победители определяются по итогам определенного периода (месяц или более).
2020. Сразу после интенсива AliveBe получил грантовое финансирование из фонда Бортника на R&D. Авторы нацелились на корпоративный сегмент – начали пилотный онлайн-турнир в Россельхозбанке.
2021. «В ходе Архипелага была очень полезна экспертная помощь по проработке технологии B2B-продаж, — рассказал Анатолий Костров, основатель AliveBe. — Проект вышел на рынок с уникальным форматом командных мультиспортивных соревнований, позволяющих вовлечь сотрудников самого разного спортивного уровня. Сразу после финала Архипелага 2035 был проведен зимний трехмесячный онлайн-турнир в Россельхозбанке, затем была проведены онлайн-спартакиады среди финансовых российских компаний с участием Банка России, ВТБ, РСХБ, Ингосстраха, Газпромбанка ».
Отлично себя показали и турниры для международных ИТ-компаний с российскими корнями – Playrix, Wrike, Group- IB, в которых принимали участие сотрудники, разбросанные по всему миру. AliveBe заставил бегать за собой даже венчурных инвесторов, проведя турнир для компании SDVentures. В будущем у команды планы с выводом сервисов на международный рынок в сегменте B2B и B2C».
ИИ-приложение для прогнозирования уязвимостей
Еще одна популярная бизнес-идея искусственного интеллекта — создать приложение для прогнозирования уязвимостей, которое может помочь организациям выявлять и расставлять приоритеты для наиболее важных угроз безопасности в своих системах. ИИ-приложение прогнозирования уязвимостей будет использовать алгоритмы машинного обучения для анализа исторических данных, информации об угрозах, информации об активах и бизнес-контексте, чтобы предоставить действенные рекомендации по управлению уязвимостями и их устранению.
Такое приложение может использовать существующие решения, такие как Microsoft Defender Vulnerability Management, Secureworks Vulnerability Detection или ServiceNow Vulnerability Response, или разработать собственный уникальный подход к прогнозированию уязвимостей.
Запуск стартапа Интернета вещей на основе ИИ
Разработать ИИ-стартап Интернета вещей, который использует интеллектуальные датчики и облачные вычисления для предоставления решений для различных отраслей. Например, стартап IoT, который предлагает профилактическое обслуживание промышленного оборудования, управление энергопотреблением зданий или мониторинг окружающей среды для сельского хозяйства.
Чтобы запустить стартап Интернета вещей на основе ИИ, вы должны определить конкретную проблему, с которой сталкиваются ваши целевые клиенты, спроектировать и разработать прототип вашего устройства и программного обеспечения IoT, протестировать и проверить свое решение с помощью реальных данных и представить свой продукт потенциальным инвесторам и клиентам.
Подготовка финансовых данных
Для исследования отлично подойдут исторические данные о стоимости акций компании Apple в период с 2005 по 2017 год. Скачать файл в формате csv можно из Yahoo Finance. Прежде всего, нужно подключить к проекту некоторые библиотеки:
Цены 2017 года находятся в самом начале файла. Для обучения нужно выстроить данные в хронологическом порядке (с помощью команды ). Сразу же создадим график изменений:
Прогнозировать временные ряды финансовых данных можно двумя способами. Речь идет о базовом прогнозе без учета аномалий, волатильности и прочих интересных параметров.
- Бинарная классификация. Простое определение направления движения цены: вверх () или вниз ().
- Регрессия. Попытка предугадать цену на завтрашний день, то есть числовое значение. При этом потребуется нормализация значений.
В качестве входной информации используется окно временного ряда размером в 30 дней. На его основе нейросеть постарается предсказать изменение цены на 31-й день.
90% имеющихся исторических данных будет использовано для обучения нейросети. Оставшиеся 10% послужат тестом для проверки модели.
Главная сложность работы с финансовыми данными заключается в их нестационарности. Статистические характеристики подобных временных рядов, такие как математическое ожидание, средние значения и дисперсия, изменяются с течением времени. Это подтверждает тест Дики — Фуллера. Подобная особенность не позволяет применять для нормализации классические методы, например, minmax или Z-score.
Однако для классификации точные цифры не требуются, поэтому дисперсия и математическое ожидание не имеют особого значения. Здесь можно рискнуть и использовать z-score, не затрагивая информацию из будущего.
С регрессией так не получится, но для нормализации можно использовать изменение цены в процентах.
Вот так без особых фокусов со статистическими параметрами удалось получить нормализованные данные в пределах от -0.5 до 0.5.
Архитектура нейронных сетей
В качестве базовой модели для обучения будет использоваться многослойный перцептрон. Ознакомиться с базовыми понятиями работы нейросетей можно здесь.
MLP позволит продемонстрировать, как просто переобучить сеть на случайных финансовых значениях, а также как с этим бороться.
При необходимости эти идеи легко расширить на сверточные или рекуррентные модели, важно лишь понять основную концепцию. Для прототипирования используется Keras — простой и удобный фреймворк, который позволяет гибко настраивать процесс обучения
Первый вариант простой нейросети:
Во входном слое 30 нейронов, что соответствует длине окна. Еще 64 — в первом скрытом слое.
Для регрессии будет установлен другой параметр активации — linear.
Рекомендуется после каждого аффинного или сверточного слоя использовать batch нормализацию, а в качестве основной функции активации выбирать Leaky ReLU (выпрямитель с утечкой). Это позволяет значительно ускорить обучение и уже стало стандартом.
Для классификации параметру loss устанавливается значение кросс-энтропии (categorical_crossentropy), а для регрессии — среднеквадратической ошибки (mse).
Хорошей практикой является снижение скорости обучения, если нет улучшения. Это осуществляет функция ReduceLROnPlateau:
Обучение начинается:
А это код для визуализации результатов, который будет создавать графики изменения точности и ошибки.
Обратите внимание, что для получения адекватного результата обучение должно длиться хотя бы 50−100 эпох. В ином случае сеть просто изучит распределение, используемое для тренировки, но не сможет находить паттерны в тестовой выборке
Инструменты маркетинговой стратегии на базе ИИ
Инструменты маркетинговой стратегии на базе ИИ — это программное обеспечение или платформы, которые используют искусственный интеллект, чтобы помочь маркетологам планировать, проводить и оптимизировать свои кампании. Они могут анализировать данные, генерировать контент, персонализируйте сообщения и прогнозируйте результаты. Одной из возможных идей инструмента маркетинговой стратегии на основе ИИ является создание платформы, которая может автоматически генерировать и тестировать различные заголовки, изображения и копии для целевых страниц, рекламы и электронных писем.
Таким образом, маркетологи могут сэкономить время и деньги, найдя наиболее эффективные комбинации для своей целевой аудитории. Чтобы запустить эту идею, вы можете начать с изучения рыночного спроса, определения своего идеального сегмента клиентов и разработки минимально жизнеспособного продукта (MVP), который демонстрирует ваши основные функции. Затем вы можете протестировать свой MVP на бета-пользователях, собрать отзывы и дорабатывать свой продукт до тех пор, пока не добьетесь соответствия продукта рынку.
Почему уникальность важна
Создавать уникальные тексты может понадобиться:
- если вы владелец сайта или контент-менеджер. Поисковые системы (Яндекс, Google) показывают сайты с уникальным контентом выше в выдаче, чем те, где контент просто скопирован. Оригинальным источником считается тот ресурс, который первым разместил у себя текст. Для SEO-продвижения подойдут или хорошие авторские статьи, или качественно сделанный рерайт.
- если вы хотите сдать материал, который пройдёт проверку на антиплагиат. У официальных систем проверки уникальности в доступе большая база работ, с которыми они сравнивают сданную на проверку. По объёму совпадающих фрагментов рассчитывается уникальность работы, и если она не достигла нужного порога, работа не будет принята.
- в любой ситуации, когда есть риск нарушить авторские права. Копирование и использование текста без разрешения правообладателя наказывается по закону, поэтому, если хочется использовать контент, нужно его обработать, чтобы это не было копированием оригинала.
Остановимся подробнее на уникальности контента на веб-ресурсах. От текстового содержания сайта зависит его ранжирование в поиске, а значит, и то, сколько органического, или поискового трафика получает ресурс.
Это, в свою очередь, влияет на стоимость привлечения одного клиента: увеличиваются затраты на рекламу, так как бесплатных переходов становится меньше. Так уникальность соотносится с рентабельностью на сайтах e-commerce.
#2 Rytr
Сервис Rytr. Это универсальный помощник, который может взять на себя большинство рутинных задач, связанных с текстами. Его можно внедрить практически во все этапы создания контента для привлечения новых трейдеров: от придумывания идеи для видео до создания посадочных страниц. Rytr может бесплатно написать до 10 000 символов в месяц.
Rytr также умеет общаться в чате и генерировать картинки. У сервиса неплохой функционал:
- более 30 языков, среди которых есть русский;
- более 20 стилей речи: информационный, разговорный, юмористический, формальный, вдохновляющий и т.д.;
- 34 формата текста: электронное письмо, статья, рекламное объявление для Google Ads, отзывы, пост, текст по продающей формуле AIDA и PAS, текст для посадочной страницы и т.д.;
- возможность выбора уровня креативности;
- простой текстовый редактор.
Чтобы нейросеть сгенерировала текст, нужно установить параметры и четко сформулировать запрос. Имей в виду, что нейросеть хоть и умная, но эмоциональный интеллект у нее, как у калькулятора. Нейросеть воспринимает запрос буквально, поэтому избегай двусмысленности и сарказма. После отправки четкого запроса, Rytr сформулирует текст прямо в удобном редакторе, в котором можно «отшлифовать» результат.
Как Rytr справляется с задачами на практике? Мы попросили сервис придумать несколько идей для видеоролика о торговле бинарными опционами.
В окне для ввода данных мы задали параметры, и уже через пару секунд получили варианты идей. Результат, как видишь, не идеальный, но с ним уже можно работать. Осталось лишь подредактировать формулировки, и можно вносить идеи в контент-план!
Нарисовать логотип, иконки и картинки для рекламы
На данный момент нейросети вряд ли смогут полностью заменить профессионального дизайнера, но если у вас ограничен бюджет и время, то искусственный интеллект придет на помощь.
Конечно же, первое, что приходит в голову – мощная нейросеть Midjourney. По умолчанию она генерирует художественные иллюстрации, поэтому в промте (запросе) обязательно укажите, что вам нужен именно логотип, красивая надпись, картинка в 3D-стиле или т.п.
Если же вы хотите сразу получить логотип или иконку для сайта (“фавикон”) без сложных описаний, то можно обратиться к специальным сервисам. Например, в базе Turbologo есть более 3 000 000 иконок и шрифтов, что позволяет реализовать оригинальный проект.
Для начала работы следует зарегистрироваться с помощью Google-аккаунта. Далее нужно ввести в соответствующие поля название компании, слоган (если есть) и род деятельности. Затем вам будет предложено выбрать цветовую схему и иконки, которые вам нравятся. В итоге запустится генерация.
Просмотреть варианты можно бесплатно, но за скачивание логотипа попросят заплатить. Есть три тарифа: зашрузка одного логотипа обойдется в 790 рублей; пакет “Стандарт”, позволяющий скачать несколько логотипов в разном формате, стоит 1190 рублей; пакет “Бизнес”, включающий бренд-кит, – 2 390 рублей. Приобретая пакеты “Стандарт” и “Бизнес”, пользователь получает полные коммерческие и авторские права на логотип. Кроме того, эти тарифы дают права на редактирование лого в течение 3 месяцев.
Как создаётся уникальный контент
Создавать уникальные тексты можно несколькими способами.
Другой метод — рерайт. Это когда меняются слова, фразы, формы слов и порядок предложений, чтобы без потери смысла получить другой текст. Рерайт, в отличие от авторского текста, стоит дешевле и делается быстрее.
Инновационный способ создавать текстовый контент — делать это автоматически с помощью нейросети. Нейросеть может выполнять ту же работу, что и рерайтер, и предоставлять на выходе переделанный исходник с высокой уникальностью.
Далее рассмотрим, какие решения на основе нейросетей предлагает Сбер.
Создавайте онлайн-встречи без регистрации
Нужен дополнительный контроль над конференцией? Попробуйте корпоративную версию сервиса с двумя тарифами
Подробнее
Написать продающий текст
Нейросеть может выступать в роли копирайтера: поможет написать текст для соцсети или блога, напомнить веб-сайт статьями и даже сделать рекламный пост. Но отметим, что любой текст, сгенерированный нейросетью, стоит перепроверять и при необходимости редактировать.
Сервис можно попробовать совершенно бесплатно, авторизовавшись при помощи Google-аккаунта. Достаточно выбрать формат текста, тему, ввести ключевые слова, CopyMonkey сделает все остальное. Бесплатно доступно три генерации в неделю. Если вас устроит качество текста, то вы можете снять ограничения и выбрать один из четырех платных пакетов — от 1590 рублей за 100 генераций.
Теория
Биологи до сих пор не знают, как именно работает мозг, но принцип действия отдельных элементов нервной системы неплохо изучен. Она состоит из нейронов — специализированных клеток, которые обмениваются между собой электрохимическими сигналами. У каждого нейрона имеется множество дендритов и один аксон. Дендриты можно сравнить со входами, через которые в нейрон поступают данные, аксон же служит его выходом. Соединения между дендритами и аксонами называют синапсами. Они не только передают сигналы, но и могут менять их амплитуду и частоту.
Преобразования, которые происходят на уровне отдельных нейронов, очень просты, однако даже совсем небольшие нейронные сети способны на многое. Все многообразие поведения червя Caenorhabditis elegans — движение, поиск пищи, различные реакции на внешние раздражители и многое другое — закодировано всего в трех сотнях нейронов. И ладно черви! Даже муравьям хватает 250 тысяч нейронов, а то, что они делают, машинам определенно не под силу.
Почти шестьдесят лет назад американский исследователь Фрэнк Розенблатт попытался создать компьютерную систему, устроенную по образу и подобию мозга, однако возможности его творения были крайне ограниченными. Интерес к нейросетям с тех пор вспыхивал неоднократно, однако раз за разом выяснялось, что вычислительной мощности не хватает на сколько-нибудь продвинутые нейросети. За последнее десятилетие в этом плане многое изменилось.
Электромеханический мозг с моторчиком
Машина Розенблатта называлась Mark I Perceptron. Она предназначалась для распознавания изображений — задачи, с которой компьютеры до сих пор справляются так себе. Mark I был снабжен подобием сетчатки глаза: квадратной матрицей из 400 фотоэлементов, двадцать по вертикали и двадцать по горизонтали. Фотоэлементы в случайном порядке подключались к электронным моделям нейронов, а они, в свою очередь, к восьми выходам. В качестве синапсов, соединяющих электронные нейроны, фотоэлементы и выходы, Розенблатт использовал потенциометры. При обучении перцептрона 512 шаговых двигателей автоматически вращали ручки потенциометров, регулируя напряжение на нейронах в зависимости от точности результата на выходе.
Вот в двух словах, как работает нейросеть. Искусственный нейрон, как и настоящий, имеет несколько входов и один выход. У каждого входа есть весовой коэффициент. Меняя эти коэффициенты, мы можем обучать нейронную сеть. Зависимость сигнала на выходе от сигналов на входе определяет так называемая функция активации.
В перцептроне Розенблатта функция активации складывала вес всех входов, на которые поступила логическая единица, а затем сравнивала результат с пороговым значением. Ее минус заключался в том, что незначительное изменение одного из весовых коэффициентов при таком подходе способно оказать несоразмерно большое влияние на результат. Это затрудняет обучение.
В современных нейронных сетях обычно используют нелинейные функции активации, например сигмоиду. К тому же у старых нейросетей было слишком мало слоев. Сейчас между входом и выходом обычно располагают один или несколько скрытых слоев нейронов. Именно там происходит все самое интересное.
Чтобы было проще понять, о чем идет речь, посмотри на эту схему. Это нейронная сеть прямого распространения с одним скрытым слоем. Каждый кружок соответствует нейрону. Слева находятся нейроны входного слоя. Справа — нейрон выходного слоя. В середине располагается скрытый слой с четырьмя нейронами. Выходы всех нейронов входного слоя подключены к каждому нейрону первого скрытого слоя. В свою очередь, входы нейрона выходного слоя связаны со всеми выходами нейронов скрытого слоя.
Не все нейронные сети устроены именно так. Например, существуют (хотя и менее распространены) сети, у которых сигнал с нейронов подается не только на следующий слой, как у сети прямого распространения с нашей схемы, но и в обратном направлении. Такие сети называются рекуррентными. Полностью соединенные слои — это тоже лишь один из вариантов, и одной из альтернатив мы даже коснемся.
ИИ-сервис поддержки клиентов
Поддержка клиентов на основе ИИ использует искусственный интеллект для обеспечения быстрого и эффективного обслуживания клиентов. Бизнес может использовать чат-ботов, голосовых помощников или другие автоматизированные инструменты для ответов на распространенные вопросы, решения проблем или предоставления отзывов.
Сервис поддержки клиентов на основе ИИ может помочь компаниям сократить расходы, повысить удовлетворенность клиентов и повысить их удержание. Чтобы запустить его, вам нужно будет определить свой целевой рынок, выбрать подходящую платформу и технологию, спроектировать и обучить свои модели ИИ и продавать свои услуги потенциальным клиентам.
Правовые инициативы российского государства
Правда сегодня в том, что развивать ИИ без поддержки государства невозможно. Это легко проверить на примере других стран. Американский эксперт в области ИИ Бернард Марр пишет о том, что только благодаря поддержке государства Китаю удалось так быстро догнать США.
Можно выделить два важных способа поддержки со стороны государства. Первый — это принятие регулирующих законов: без чётких правовых норм развитие отрасли невозможно. Второй — защита внутреннего рынка. Известно, что Китай ограничивает работу Google и Facebook* на своей территории. В их случае это приносит свои плоды — китайский поисковик Baidu, например, показывает хорошие результаты: им пользуется более 70% пользователей Китая. С учётом объёма рынка это, во-первых, очень большие цифры, во-вторых, серьёзный доход, который остаётся внутри страны.
Фото: Michael Vi / Shutterstock
Тренд на соперничество идёт повсеместно — можно сказать, вопреки трендам глобализации. Чего стоят истории о попытках заблокировать TikTok на территории США и внесении Xiaomi в чёрный список для инвестиций. Оба решения были отменены, первое — верховным судьёй ещё во время президентства Трампа, второе — новой администрацией уже после его ухода с поста президента. Так или иначе, такие меры сегодня действительно используются на глобальном рынке.
Начинать поиск проблем, конечно, стоит у себя — а не сваливать на зарубежных конкурентов. В России налицо отсутствие законодательной базы по ИИ. Проблемой озадачились в 2019 году: Минэкономразвития и Центр стратегических разработок представили законопроект «Об экспериментальных правовых режимах в сфере цифровых инноваций».
В 2020 году вышел ФЗ: он призван способствовать разработке и внедрению технологий искусственного интеллекта. ФЗ устанавливает экспериментальный правовой режим: в нём представители бизнеса и власти будут создавать правовую систему с нуля — методом проб и ошибок. Закон касается только Москвы, и его текст пока предельно абстрактен — с этим соглашаются и юристы. Тем не менее давайте попробуем разобраться, чем он будет полезен.
Правительство Москвы будет «определять условия и порядок разработки, внедрения и реализации технологий искусственного интеллекта». Как это будет происходить на практике — не уточняется. Депутат Государственной думы Ирина Белых, которая внесла законодательную инициативу, от комментариев отказалась.
Некоторые подсказки о реальных полномочиях мэрии можно найти чуть дальше, читая статью 4 ФЗ.
Мэрия поможет с физическими данными пользователей. Будет определять порядок передачи материалов собственниками городских фото и видеокамер. При этом данные обезличат и не будут передавать организациям, которые не участвуют в экспериментальном правовом режиме. Как это будет происходить на практике, не уточняется.
Экспериментальный ФЗ должен помочь выработать законодательную базу — по результатам эксперимента выйдет полноценный закон. Вошёл ли кто-то из бизнеса в рабочую группу и в каком вообще состоянии сейчас проект — доподлинно неизвестно.
Известно только то, что у государства есть свои планы в области ИИ. Государство особенно заинтересовано в разработках в сфере медицины, городского освещения и регулирования дорожной обстановки.
«Мы не подавали заявку на участие в экспериментальном ФЗ, но знаем компании, которые это сделали. К сожалению, пока трудно отследить выгоду, которую даёт участие. Лично нам эти данные от правительства не нужны. Может быть, они будут полезны медицинским стартапам, но, опять же, стоит всё-таки начать с налоговой и грантовой поддержки. Это гораздо важнее», — поделился основатель Агентства искусственного интеллекта Денис Онацик.
Похожего мнения придерживается Александр Смоленский, генеральный директор Цифровой индустриальной платформы:
Российский анализатор кожи попал в Корею
Второе место на Архипелаге 20.35 занял проект Scanderm – технология диагностики заболеваний по фотографиям кожи и ногтей. Система способна выявить не только кожные болезни, например, меланому, но и COVID-19 (по проявлениям на кожном покрове). Для диагностики пользователю нужно ответить на несколько вопросов, загрузить фото участка кожи, который нужно проверить. Затем сервис выгружает расшифровку результатов.
2020. Технология готова. Биотех-студия Scanderm работает с крупной фармкомпанией GlaxoSmithKline.
2021. “В декабре запускаем пилот по подбору косметики с крупным российским рителейром, — рассказал Евгений Соболев, СЕО Scanderm. — Продолжаем сотрудничать с GlaxoSmithKline (запущен портал для диагностики кожи). Идет обсуждение пилотов с Sanofi, Novartis и Bayer. Также мы создали две компании в Южной Корее, одну с Университетом для исследований и работе по рекомендации косметики и медицинского туризма, вторую совместно с проектной компанией Samsung для рекомендаций по уходу маникюрным салонам».
В конце ноября Scanderm стала одним из победителей челленджа K-Startup Grand Challenge 2021 в Сеуле, заняв третье место. Это конкурс для «прокачки» стартапов, который корейские власти проводят с 2016 года. По словам Соболева впервые компания из России вошла в тройку. Отбор производился из 2568 стартапов из 129 стран.
Проект оценил Андрей Ломоносов, эксперт рабочей группы «Хелснет» НТИ:
«Мы следим за Scanderm уже пять лет и видим, что они усиленно двигаются вперед, рассматривая различные ниши для применения своего продукта, начиная от косметологии и заканчивая проверкой симптомов заболеваний по коже (от онкологии до COVID-19). По сути они сделали супермикроскоп, который позволяет видеть, как работает ваша кожа. Команда движется в сторону создания высокопрофессиональной качественной оптической системы — при этом сами создают и технологии, и «железо».
Выход на азиатские рынки, на мой взгляд, стратегически верное направление, которое многие недооценивают, стремясь в США и Европу. А Южная Корея — очень инновационная страна с точки зрения косметики и косметологии. Стремление на экспорт — правильная позиция, соответствующая критериям НТИ и, в частности, «Хелснет». Мы рассчитываем, что Scanderm достигнут успеха, так как у них есть три важные составляющие: высокотехнологичный проект, сильная IT-команда и упорство основателя.
Платформа для совместной работы на базе искусственного интеллекта
Программное обеспечение для совместной работы на базе ИИ — отличная идея для бизнеса, который хочет улучшить общение, производительность и эффективность среди своих сотрудников. С помощью ИИ вы можете автоматизировать задачи, генерировать идеи и оптимизировать рабочие процессы на единой унифицированной платформе. Вот несколько шагов, которые вы можете предпринять, чтобы запустить собственное программное обеспечение для совместной работы на базе ИИ:
Определите свой целевой рынок и потребности клиентов. Какие болевые точки и проблемы может решить ваше программное обеспечение?
- Изучите существующие решения и конкурентов на рынке. Каковы их сильные и слабые стороны? Как вы можете отличить свое программное обеспечение от них?
- Разработайте минимально жизнеспособный продукт (MVP), который демонстрирует ваши основные функции и ценностное предложение. Вы можете использовать существующие инструменты, такие как Taskade, Wrike или Smartsheet, в качестве вдохновения или использовать их API для создания надстроек на их основе;
- Протестируйте свой MVP с потенциальными пользователями и соберите отзывы. Что им нравится и не нравится в вашем программном обеспечении? Как вы можете улучшить его на основе их предложений?
- Повторяйте и совершенствуйте свой продукт, пока не достигнете соответствия продукта рынку. Вы можете использовать такие показатели, как удержание пользователей, вовлеченность и удовлетворенность, чтобы измерить свой прогресс;
- Запустите свой продукт для широкой публики и продвигайте его по различным каналам. Вы можете использовать социальные сети, блоги, подкасты, вебинары или платную рекламу, чтобы охватить свою целевую аудиторию и привлечь потенциальных клиентов.
Масштабируйте свой бизнес, добавляя дополнительные функции, интеграции и партнерства. Вы также можете исследовать новые рынки и сегменты, которые могут извлечь выгоду из вашего программного обеспечения.