
добрый день
позволю себе на пару минут перенести
внимание со сцены в зал
вот несколько фактов о том кто сегодня
пришел к вы сегодня собрала под своей
крышей конференции ted экс-акима нг
прямо сейчас в зале находится 194
человека
из них 3 процента озабочены выбором и
покупкой новый новый нового автомобиля
33 процента из вас дома ждут домашнее
животное примерно тридцать девять
процентов здесь присутствующих а в
различных жизненных ситуациях на
преимущественно опираются на
материальную информацию принимая решение
рационально замешивает альтернативы и в
целом руководствуется логикой и скорее
всего отдают свое предпочтение различным
естественным математическим наукам в то
время как 42 процента здесь
присутствующих в большей степени
выражены интуита лучше воспринимает
яркие художественные художественные
образы и принимают решения опираясь на
эмоции и с большей вероятностью работают
их деятельность связана с какими-то
подавляющее большинство здесь
присутствующих
являются сторонниками камфорных норм
поведения в социуме хорошо воспринимают
людей которые одеты в теле smart casual
имеют низкий тембр речи низкий низкий
тембр голоса и а и не в соку скорой
встречи
именно поэтому я сегодня 2 раза жизни
надел пиджак откуда я это знаю и зачем я
об этом рассказал на самом деле
достоверно это мне неизвестно
эти факты были с прогнозируют
специальной продуктивной системой для
чего я выполнил эту работу
наверно для того чтобы вам понравится
или может быть для того чтобы подобрать
в своем рассказе
именно тот стиль именно те слова именно
на те образы и актуальные примеры из
жизни для того чтобы пройти фильтр свой
чужой для того чтобы наилучшим образом
донести смысл свое
сказам для того чтобы быть вам понятно
ведь только в этом случае наилучшим
образом цель конференции будет
достигнута вы обретете какие-то инсайты
какие-то идеи мне удастся вас заразить
какими-то эмоциями и возможно это
но оставим лирику в стороне как на самом
деле это сделал как работает эта
предикативной аналитика как уже сказали
я занимаюсь развитием продуктов при
длительной
предикативной аналитики и применение их
примитивная аналитика для 42 процентов
аудитории это слово скорее всего не
очень понятно потому что всякий раз
когда речь заходит
машинного обучения нейронных сетях
больших данных
выглядит это примерно так для решения
задачи классификации мы применяем
распределенный алгоритм градиентного
бустинга на системы решающих деревьев
которые используют регуляризации
значение в листах он оптимизирует
среднеквадратичную ошибку на обучающей
выборке или логарифмическую функцию
правдоподобия ответа при этом решая
задачи методом градиентного спуска или
методом ньютона для решения задач
классификации
о чем это я говорю ведь для 42 процентов
аудитории
известно что лучше использовать какие-то
яркие художественные образы и не
использовать всю выдать всю эту
математическую терминологию
поэтому я опираюсь на этот факт построй
свой рассказ немного иначе как гензель и
гретель идущие по тёмному лесу
оставляющих за собой след из хлебных
крошек
каждый из нас ежедневно а оставляет за
собой цифровой след который складывается
из лайков и репостов социальной сети из
того что мы пишем и комментируем из
покупок на интернет-сайтах
и визитов на какие-то интернет сайты из
излюбленных маршрут маршрутов из точки а
в точку б фотографиях в инстаграме
заходов в различных быть внутри внутри
торгового центра и так далее продолжать
можно очень долго но я думали думаю что
смысл вы поняли информация а вернее
данных о нашем поведении действительно
очень много эти данные бессистемно
разобщены противоречивы дискретно могут
быть не полны и иногда даже не до
верно но тем не менее при правильном
подходе к их анализу
их мы из них можно извлекать как у
какие-то знания крупицы знания для того
чтобы для того чтобы предсказывать
склонности по каждому из нас
предсказывать наше желание а возможно
даже наше будущее звучит несколько
пугающим но давайте не будем заострять
на это внимание ведь это уже
свершившийся факт мы с вами родились в
эпоху расцвета в эпоху развитие
информационных технологий и нам повезло
быть активными участниками этого времени
только от нашего решения от нашего
выбора и
внимание то того как и внимание будет
зависеть то куда будет направлен вектор
развития и применения этих технологий
будет от нашего решения будет зависеть
то какая новая этика цифровой цифровых
технологий будет сформирована в
дальнейшем и какой технологич
технологический социальный ландшафт
формируется в ближайшем будущем для того
чтобы получше узнать что же на самом
деле скрывается за этими страшными
словами и как их действительности
попробуем ножка поменяться местами я
часто говорю я разделяю термины данные и
знания для того чтобы данные
превратились знания а знания в контексте
моего рассказа
это некоторый набор гипотез применено к
человеку например гипотеза о том какая
музыка мне больше всего по душе ведь
было бы очень здорово если бы я мог
запросто рассказать своим туристу что
мне в какую какую композицию не включать
в каждом find времени когда хочу и
послушать но это невозможно потому что
музыки очень много и каждый день
появляются новые группы появляются новые
альбомы и на самом деле я сам себя плохо
понимаю я плохо понимаю что конкретно
мне доставляет мне нравится выбирать ту
и ту или иную музыкальную композицию
гораздо лучше о моих склонностях
расскажет тот самый цифровой след и
извлеченные из него
признаки как говорят аналитики или фичи
которые являются например визитами на
определенные сайты
с плей-листом моих друзей с которыми
активнее всего общаюсь и уже расставлены
оценки прослушанным ранее композициям
наилучшим образом предскажет какой из
треков новых инди-групп я буду завтра
слушать на репите на самом деле для того
чтобы данные превратили знание
существует очень много инструментов я
расскажу о самом простом из них нет
логистической регрессии его применяют по
всему его применяют почти везде например
простейшая задача определение пола
человека с вами очень легко прилепил с
одного взгляда но когда представьте себе
сайтом интернет-магазина и вы видите что
кто-то вам за к вам зашел и хочет купить
джинсы
для того чтобы человек купил джинсы с
большей вероятностью
нужно помочь ему их выбрать и для начала
нужно принять cotton мужчина или женщина
для того чтобы это сделать мы не можем
знать о нем мы не можем об этом его
спросить напрямую но зато мы можем
собрать а какие то данные о его
поведении разложить их виде обучающей
выборке и если дат аналитик который
занимается этим вопросом был внимателен
и успешно подготовил те самые признаки
выделил вот отложенная пальца то он
увидит что поведение двух разных людей
мужчин и женщина сильно отличается бы в
пространстве этих признаков и сможет
легко описать
математическую формулу опираясь на метод
линейного дискриминанта фишера как в
будущем знает только эти признаки
определить к какому классу относится
данный посетитель задачка посложнее
в пространстве этих признаков кажется
практически невозможно увидеть какую-то
зависимость что что же делать на самом
деле в этом и кроется одно из
преимуществ машина подхода к анализу
данных над белковыми
для того чтобы найти зависимости как-то
математически описать в данном примере
нужно взглянуть на ситуацию под другим
углом нужно добавить еще какие-то
признаки
это позволит нам повернуть обозреваем
обозреваем множество обучающей выборке и
увидеть что в действительности между
ними есть закономерность по тому как они
в чем они отличаются друг от друга и
разделяющей день и между ними будет уже
в плоскость что потому что мы
рассматривать задачу в трехмерном
пространстве признаков даже самый лучший
эксперт в своей области может анализируй
задачу не более чем опираясь не более
чем на 10 факторов одновременно а машины
подход к бы машины подход подобные
аналитики позволяет взглянуть на
проблему под множеством углов
анализируя тысячи признаков одновременно
это порождает очень сложные
математические формулы разделения
закономерностей на практике это
применяется повсеместно например вы
могли слышать о системе которая
называется палантир она стоит стоит на
вооружении спецслужб и крупных
финансовых организаций сша
эта система позволяет анализируя
какие-то аномалии в поведении людей
выделять с хорошей степени вероятности и
подсвечивать признаки организованной
преступности незаконных банковских
операций и даже терроризма это эта
система стоит на страже спокойный сон
граждан сша другой более мир любимый
пример из китая вы знаете messenger вич
от который является по сути цены к
системой различных функций и приложений
позволяет решать простую задачу выбора и
поиска нужных товаров из самых
оптимальных
услуг их приобретения например когда я
иду по какому-нибудь торговый центр у
китая у меня есть руках телефон проходя
мимо бутика не могу и встряхнуть это
будет сигналом о том для этого бутика о
том что я заинтересован в каком-то
персонализирован предложение будьте к
анализируя вот то самое пространства
признаков мой цифровой след сможет
определить что именно меня интересует и
не только что именно интересует
а то как мне лучше
это условно завернуть преподнести то
есть дать скидку или может быть какой-то
другой benefit опираясь на которой я
приму решение в пользу этого магазина
получается что моя поисковая задача
будет решена быстрее и я не буду долго
проводить много времени выбирая между
различными бутиками а магазин получит
возможность оптимизировать
оптимизировать свою прибыль чтобы вы не
думали что все пример где-то далеко и в
россии расскажу историю жизни эта
история о том как я приобрел яхту на
самом деле я давно с детства занимаюсь
серфингом и яхтинг это очень дорогой вид
спорта них смены говорят что яхта это
такое углубление в воде который надо
заполнить деньгами конечно приобрести
свой автобус к такой мечтой и казалось
не практически никогда у меня никогда
мне не удастся купить какое-то реально
там хорошие парусное судно однако я
обсуждал это с друзьями читал статьи
смотрел видео обзоры и втайне об этом
мечтал и вот однажды в контакте в ленте
рекомендации я увидел пост от человека
который был никак не связан со мной
социальными связями он не был моим
другом и он писал о том что он отдаст в
хорошие руки
олимпий яхту олимпийского класса летучий
голландец
взамен на то чтобы ее немножечко привели
в порядок и использовать по назначению
естественно но тут же с организацией с
друзьями эту яхту него забрали прямо
сейчас на ней идут ремонтные работы и
уже этим летом она будет спущенным на
акватории московского моря получается
ситуация неоднозначна с одной стороны
знания и предсказание это хорошо но
вторжение в мою зону приватности это
плохо возникает ощущение стоп и что
следите за мной для себя я отвечаю на
этот вопрос так нет никто знание следит
просто меняется социально
технологический ландшафт сообразно тому
какие задачи своей жизни мы хотим
оптимизировать какие рутинные процессы
мы сами делаем этот выбор и по сути сами
формируем вот как раз ту самую ту ту
самую этику она нового времени
получается что благодаря
развитию этих технологий чем точнее
анализируются мои данные данное мое
поведение чем точнее работают
предиктивные системы
тем больше возможностей по тем больше
возможности появляется лично у меня у
меня освобождать свободное время я могу
больше путешествовать получать новую
информацию который действительно меня
интересуют и и не беспокоиться о том что
где-то какое-то какие-то мои покупки
были бы не оптимальны или в общем пример
недавно я начал заниматься айкидо и
навеки дуэта японское боевое искусство у
меня появился отправился к аналогии
чтобы лучше донести свою мысль
главный принцип айкидо это равновесия
между душой
или намерениями слова-синонимы а и телом
и
то есть возможностями взаимосвязь и
баланс гармония с собой и окружающим
миром так и придите в технологии сейчас
ищут баланс между намерением
оптимизировать бизнес-процессы
избавить людей от ненужных in
коммуникаций и каким-то образом помочь
им быстрее принимать определенные
решения получается что принципе
технологии это такой
м.л. аки до нашего времени если мой
рассказ был для вас полезен понятен или
интересен им может быть зародил вас
какие-то новые мысли
тогда мне удалось использовать
insights об этой аудитории правильно и
это всем нам пошло на пользу
большое спасибо [аплодисменты]
Be First to Comment