
ВЕДы
Пока генеративные нейросети забирают на себя основную долю хайпа – от брейнрот-рилсов до реальных повседневных задач – технологии машинного обучения (ML) уже давно работают во множестве сервисов. Именно алгоритмы ML машинного обучения сегодня незаметно меняют самые неожиданные сферы: от изучения жизни китов до заказа такси к терминалу аэропорта.
Главный тренд сегодня в этой сфере — тихая, почти незаметная, но большая польза. Современные алгоритмы не только обрабатывают гигантские объемы данных, но и изучают их, самостоятельно делают выводы и находят взаимосвязи, чтобы люди принимали решения быстрее и меньше нервничали. Посмотрим, как это работает на практике.
Изучение китов: Face ID для океана
Представьте работу морского биолога прошлого: нужно вручную отсмотреть тысячи фотографий китов или попытаться физически прикрепить к огромному животному маячок. Это долго, дорого и небезопасно для всех участников процесса. Тем более, что любой человек устает, а это значит, что повышается риск ошибки. Сейчас всё изменилось: алгоритмы машинного обучения научились узнавать конкретных особей по форме и рисунку хвоста, работая по принципу Face ID в смартфоне.
По сути, для алгоритма нижняя часть хвоста горбатого кита — это аналог человеческого отпечатка пальца. Узор из пигментных пятен и шрамов уникален для каждой особи и не меняется всю жизнь. Нейросети анализируют эти контуры и сверяют их с глобальными архивами. Например, платформа Happywhale именно так и работает: она собирает снимки от профессиональных ученых и обычных туристов, чтобы отслеживать миграцию китов, вообще не вмешиваясь в их жизнь.

Сгенерировано нейросетью
Виноделие: ML-модели предсказывают вкус
Тихая технологическая революция добралась и до виноградников. Современные винодельни всё чаще полагаются на ML, чтобы не гадать, а точно знать, что происходит с урожаем. Алгоритмы без перерыва на отпуск и сон анализируют данные о погоде, составе почвы, здоровье лозы и сравнивают их с показателями прошлых лет.
Это позволяет точно рассчитать идеальный день для сбора урожая и даже спрогнозировать, каким получится напиток. Доходит до того, что ML-модели выступают в роли цифровых сомелье. Они анализируют химический состав ягод в конкретный сезон и помогают спрогнозировать будущий вкусовой профиль вина еще до того, как оно попадет в бутылки.

Сгенерировано нейросетью
Работает это и в обратную сторону — для обычных покупателей. Калифорнийская платформа Tastry разбирает химический состав тысяч вин на молекулы и сопоставляет его с цифровым профилем вкуса конкретного человека. В итоге система угадывает, понравится ли вам бутылка, с довольно высокой точностью, что помогает владельцам бизнесов лучше прогнозировать дальнейшие продажи.
Городская среда: как уехать из аэропорта без нервов
Помните, как еще несколько лет назад, вы прилетали в крупный город, выходили из терминала и видели толпу людей, которые никак не могли вызвать такси. Чтобы избавить пассажиров от необходимости после сложного перелета долго ждать машину, агрегаторы внедряют ML-модели.
Например, алгоритмы Яндекс Такси в реальном времени анализируют множество факторов: система учитывает историю поездок, время суток, общую загруженность аэропорта и даже вместимость конкретных самолетов, которые скоро приземлятся. Умная модель понимает, что через полчаса спрос резко взлетит, и заранее отправляет водителям в городе пуши с предложением приехать в аэропорт и выполнить заказ. Людям не нужно заранее рассчитывать время, чтобы с одной стороны, не ждать долго машину, а с другой — успеть пройти досмотр и забрать вещи.

Сгенерировано нейросетью
Что в итоге
Получается, одни из самых полезных технологий — это те, работу которых мы даже не замечаем. И хотя сферы применения кажутся абсолютно разными, суть остается одной: алгоритмы берут на себя тяжелую аналитическую работу. Они помогают бережнее относиться к природе, понимать наши вкусы и делать жизнь в большом городе чуточку комфортнее через снижение привычного бытового стресса.
Конец
#Технологии

Доступный гейминг: как играть в новинки без дорогого ПК и лишних трат
Хороший игровой ПК — покупка не из легких. По данным М.Видео, игровая сборка легко забирает до 500 тысяч рублей

Рената Бабанина
#Техлаб Москва

Наука на заказ: как ученые за три месяца делают продукты для крупного бизнеса
Как найти крупного бизнес-заказчика? Какие программы помогают наладить связь между наукой и бизнесом?

Варвара Котова
#Техлаб Москва

Как продать свою идею?
Листай карточки, чтобы превратить свою технологию в готовый бизнес-продукт.

Анастасия Букреева
#Тренды

Северный отпуск: как устроен туризм на берегу Белого моря?
Два студента с разным подходом к отпуску отправились в экспедицию в Северодвинск, чтобы разработать уникальный туристский код города.

Рената Бабанина
#ИИ

Как ИИ меняет работу дизайнера?
Как часто мы слышим, что ИИ заменит дизайнера? Эта проблема волнует каждого, кто хоть раз держал в руках графический планшет

Рената Бабанина
#Технологии

Как зарабатывают бесплатные игры
Как студии выбирают модель монетизации, за что готовы платить игроки и какие механики будут определять рынок free-to-play в ближайшие годы.

Илья Сальков