С наступлением конца периода отпусков на нас снова хлынул поток пресейла на внедрение AI.

Что нового:
- радует, что стало меньше запросов вида ”нужен AI агент для обработки заявок на сайте?”
- увеличилась доля кейсов, где требуется Computer Vision (x2 от того, что было весной-летом, ~40% от всех запросов)
- запросы на LLM трансформировались в новый тренд: AI агент-аналитик (вся цепочка такая: LLM → AI Агенты → RAG и Базы Знаний → Ad-Hoc Аналитик для менеджмента / Text2SQL → ??? )

Рубрика “интересное” (Окт’2024):

1. Редизайн старых домов (см. фото) - приложение для компаний, продающих стройматериалы, и фирм, занимающихся ремонтом. Кейс: загрузи фото старого дома, выбери “шкурки” и цвет — получишь фото с результатом. Бизнес-эффект: снижение опер. затрат на шаге пресейла + увеличение конверсии в сделку (клиент видит результат, и охотнее соглашается).
2. “Новый” мэтчинг - тут целая группа кейсов из разных доменов. Идея в том, что нужно сделать мэтчинг двух наборов разных сущностей, без возможности прямого сопоставления. Примеры:
   - рекомендации ресторанов, без информации о прямых предпочтениях пользователей;
   - X-сейл продуктов пользователям банка на основе информации об их текущем статусе в CJM;
   - назначение ответственных исполнителей из штатного расписания на текущие задачи и KPI.
   Кстати в этой задаче LLM очень кстати приходят на помощь.
3. Генерация новых рецептов … пива 🍻 - ну наконец-то кейс, в доменную область которого приятного погрузиться с головой) кажется, конкурс на позицию тестировщика будет бешеный, принимаю заявки 😁

——
Предыдущий пост с кейсами тут :)

Йоу, ребят!

Выложил запись на ютуб разговора со Славой — если ищете способы себя замотивировать на новые вызовы, обязательно посмотрите: https://youtu.be/5uddndZp4rk

P.S. качество не оч, но постараемся в след разы исправить)

Задача со звездочкой

Недавно попалась супер сложная задача — помочь клиенту (сервис графического дизайна, аналог Canva) разработать алгоритм для улучшения дизайна документа (это может быть слайд, инфографика, изображение карточки товара и т.д.). Над подобной задачей трудятся несколько отделов в Сбере, Adobe, Microsoft, пару десятков старт-апов и теперь … мы

Чего хочется: чтобы алгоритм на входе получал текущий пользовательский док и по кнопке AI Magic💫 превращал его в “красивый” дизайн. Причем не только эстетично расставлял text box-ы по холсту, но добавлял иконки, картинки, справлял и дописывал текст, применял модный шрифт и т.д.

Из огромных плюсов: есть довольно большая база (неск. десятков тысяч) документов, созданных дизайнерами.

Сложности:
- нечеткая постановка бизнес-задачи (а точно нужно работать с контентом? можно ли не заниматься добавлением картинок?)
- непонятно, какими метриками определять “красивый” дизайн
- как вообще построить дизайн ML эксперимента (что это?! классификация / генерация / оптимизация?)
- несколько месяцев клиент экспериментировал, но без особого успеха и результатов — сети не учатся, лосс не сходится 😟

Спустя месяц работ, где мы сейчас:
- сформулировали гипотезу
- придумали пару дизайнов ML решения (пишите идеи в комменты, знатоки👇)
- смогли таки почистить данные (хитрая кластеризация тех самых профессиональных дизайнов)
- научились рендерить выходы от моделей
- получили первые baseline модели, которые уже сходятся (!) и даже генерируют осмысленные выходы (!!) (пример на фото)
- модель довольно умело расставляет основные изображения и заголовки, но все еще “слепляет” остальные элементы

Далее в планах очередной цикл переосмысления бизнес-задачи (вводные от бизнеса / продукта), генерация новых идей и куча новых экспериментов, как иначе

____

Кстати сегодня в 20:00 мск стрим со Славой, 19-летним MLE.
Подключайтесь 🤗

Интервью

Ребзи, помните, я писал про второкурсника, который в 19 лет успевает учиться на ПМИ ВШЭ и работать фуллтайм? Мы в итоге договорились, и теперь этот супергерой помогает мне с проектами в Data Science консалтинге, а еще успевает лидить RnD в международном AI старт-апе.

Его софты настолько крутые, что он кастдевит HR директоров корпораций так, что они потом спрашивают “ой, а что это сейчас такое было? 😊”.

В следующий вторник в 20:00 мы соберемся с ним в этом канале, где я попытаюсь узнать — в чем-таки состоит его феномен, а еще позадаю каверзные вопросы (так-так, а что там с личной жизнью? 🕵🏻).

Кстати, закидывайте свои вопросы в комменты 👇 и обязательно приходите на стрим 🙌****

Для тех, кто не успевает смотреть вебинары, выложили две статьи на VC, где сжато и упрощенно рассказали суть кейсов:

💎 Алмазы, ручная сортировка, косяки с оценкой проекта: https://vc.ru/1487942

🧠 Один из моих любимых кейсов про выявление окклюзий сосудов в мозге по специальным КТ снимкам: https://vc.ru/ai/1491619-kak-s-pomoshyu-ai-predotvratit-razvitie-insulta-keis-vyyavleniya-okklyuzii-sosudov-golovnogo-mozga

🖐🖐

Сходство между детьми и ML 😱

Вот уже более 4 лет наблюдаю за своим сыном и его развитием.
Из-за профдеформации нахожу много любопытного сходства с миром машинного обучения:

1. Overfitting (Переобучение). Его замечаю чаще всего.
Ребенок слишком быстро адаптируется (лучше даже сказать привыкает) к определенной конфигурации жизни: паттерны поведения, ритуалы, игры, последовательности действий, даже разные “фразочки”.
Пару примеров:
🟠стоит несколько раз после садика зайти на ближайшую детскую площадку, потом в Азбуку, поесть мороженное и поехать домой, как все следующие разы это становится дефолтным сценарием
🟠ритуал читать книгу перед сном. даже если уже 12 ночи
🟠за рулем один раз крикни “Козел, че сигналишь” (и че похуже 🐔). В след разы появления этого триггера посмотрите, что будет 😄

Из-за это как раз и появляются сбои программы, когда что-то отличается от привычного уклада. Сбои выражаются в виде плача / истерик / сопротивления и искреннего непонимания ПОЧЕМУ ТАК.

Я очень позитивно отношусь к ритуалам (особенно сейчас для себя 🙂 или в младенчестве), но регулярные ритуалы с ребенком, без постоянных добавлений новых факторов или вариаций, могут привести к "переобучению", что потом вызывает стресс при изменениях.

2. Вариативность данных.
Получается лучшее, что может дать Родитель Ребенку, чтобы избежать “переобучения” — это увеличивать вариативность всего: своей реакции, событий, мест, время провождений, прослушиваемой музыки, книг и друзей, данных.

В том числе поэтому полезно, когда ваше чадо воспитываете не только вы, а еще пара бабушек с дедушками. Получится увидеть разные модели поведения, диверсифицироваться и избавить себя от стандартных паттернов и предрассудков.

Чем больше различных данных (ситуаций и событий) ребёнок получает, тем лучше его способность находить новые решения, что похоже на улучшение "обобщающей способности" модели.
(А еще есть хороший мэтч с Cross Validation, но уже для совсем продвинутых читателей, не буду объяснять 🙂).

3. Transfer Learning (Перенос Знаний).
Дети учатся в одном контексте и начинают применять это в другом. Например, узнав, как собрать простую конструкцию из кубиков, ребенок может применить этот навык в других играх. Или начинает придумывать новые истории, имена на основе прочитанных книг. Ребенок перенимает знакомые ему образы героев и сценарии из книги, но добавляет в своих играх новые элементы: новых персонажей или неожиданные повороты.
__________________________________Если зайдет, напишу потом про Reinforcement Learning, Регуляризацию, Exploration vs. Exploitation.