5 przykładów użycia machine learning

Rozwój technologii przekracza najśmielsze oczekiwania zarówno pasjonatów tego tematu jak również osoby obserwujące proces z boku. Machine learning to tylko namiastka tego, co czeka nas w przyszłości. Latające samochody, obsługujące nas w sklepie roboty i wiele innych przykładów z książek fantasy i science fiction już wkrótce mogą stać się rzeczywistością. Zanim to nastąpi, przyjrzyjmy się temu, co może zaoferować nam machine learning.

Machnine learning występuje w kilku produktach na rynku, a jednym z wiodących jest Google Cloud Platform. Jakie zastosowanie ma to rozwiązanie? Poznajcie 7 przykładów jego praktycznego zastosowania.

1. Medycyna
Bez wątpienia każdy jest tego zdania iż zdrowie jest najważniejsze. Dlatego w tym przypadku Machine Learning może odegrać kluczową rolę. Zastosowanie tej technologii w praktyce, ułatwi lekarzom i specjalistom lepszą diagnostykę choroby. Dodatkowo otrzymamy również wskazówki jakie działania podjąć w przyszłości oraz jakich efektów możemy się spodziewać. Planowanie, wdrażanie i monitorowanie procesu leczenia może okazać się zbawienne dla wielu pacjentów ale i również samych lekarzy.

2. Rozpoznawanie obrazów
Śmiało możemy powiedzieć, że namiastkę tego wykorzystują już obecnie takie firmy jak Google, Apple czy Samsung. Rozpoznawanie twarzy bazuje na niczym innym jak na machine learning. O ile w przypadku naszej twarzy proces wydaje się bardzo prosty, o tyle rozpoznawanie przedmiotów, budynków i postaci wymaga już baardziej zaawansowanej technologii. Niebawem rozpoznawanie budynków w Google Maps będzie już standardem tej aplikacji.

3. Rozpoznawanie mowy
W ślad za rozpoznawaniem obrazów, wykorzystanie machine learning w rozpoznawaniu mowy może być przykładem bardzo praktycznego zastosowania sztucznej inteligencji. Już teraz aplikacje wykorzystują zamianę mowy na tekst. Nie wszystkie działają perfekcyjnie, ale to kwestia czasu zanim “maszyna” nauczy się setek, tysięcy lub milionów różnych wypowiedzi, które pozwolą jej bazować podczas zamiany mowy na tekst. Pozwoli to na jeszcze szybszą transkrypcję Twojego podcastu. Rewelacja!

4. Nowoczesny arbitraż
W przypadku ekonomii zastosowanie machine learning może przyczynić się do zwiększenia zysków niejednej firmy inwestującej w oparciu o arbitraż. W praktyce makler giełdowy lub inwestor może skoncentrować się na implementacji algorytmu handlowego w oparciu o dane uzyskane za pomocą machine learning. Sztuczna inteligencja w tym przypadku bazuje na dużej ilości danych z przeszłości oraz wielu innych czynnikach ekonomicznych w czasie rzeczywistym.

5. Crosseling 2.0
Klient kupił produkt ale czujesz, że powinien zaopatrzyć się w dodatkowy? Crosseling nie jest łatwą sztuką, ale prawidłowe zastosowanie tej techniki sprzedaży pozwoliło już nie jednej firmie przetrwać na rynku i oczywiście zwiększyć przychody. Z machine learning może to być o wiele łatwiejsze ponieważ sztuczna inteligencja będzie analizować wszystkie zachowania użytkownika: począwszy od odwiedzin konkretnych podstron w naszym sklepie po dokonane zakupy w przeszłości.

Budowanie korelacji pomiędzy jednym a drugim produktem zwiększy efektywność crosselingu. Wprowadzasz na rynek nowy produkt? Brawo Ty, dzięki machine learning dowiesz się którzy dotychczasowi klienci będą skłonni zapłacić za niego, a którym lepiej jeszcze go nie oferować.

Możliwości machine learning zależą jedynie od naszej kreatywności. Tworzenie aplikacji w oparciu o tą technologię staje się powoli standardem. Jeśli temat wydaje Ci się na tyle ciekawy, że chciałbyś przetestować tą technologię w praktyce warto skontaktować się z oficjalnym partnerem Google Cloud, gdzie w ramach usługi Google Cloud Platform możemy przetestować machine learning. Jeśli chcesz przetestować usługę GCP oraz otrzymać voucher o wartości 500$ na wykorzystanie chmury i machine learning zajrzyj tutaj.