«В соцсетях боты могут выполнять огромное количество сценариев, поэтому их не так просто отличить от людей — вручную ты можешь только реагировать на атаки, но не можешь их предвосхищать. Однако главная сложность возникает с тем, чтобы опрелелять ботов в реальном времени — ведь в соцсети постоянно появляется огромное количество контента. Грубо говоря, тебе надо логировать все действия пользователей на всем портале и скармливать это нейронке, чтобы она, определяя на лету мидллиард параметров, в этом потоке выискивала какие-то артефакты или аномалии».
«Допустим, ты создал какого-то чат-бота, который делает что-то для пользователей-новичков — например, онбординг в каком-то сервисе. И ты к нему обращаешься, а сервис прилег. Посетитель приходит, чат-бот с ним не смог прокоммуницировать, пользователь ушел. А у тебя потери в бизнесе».
iTunes | YouTube | Castbox | Яндекс.Музыка | Google Подкасты | mave
Гость: Алексей Сенников
Директор проектов в контент-направлении, Одноклассники
Ведущий подкаста: Юра Агеев
Подписывайтесь на канал анонсов подкаста.
Подкаст выходит при поддержке конференции ProductSense. Конференция пройдет 4—5 сентября 2023 в Москве.
О чем говорим:
1:47 История отношений нейросетей и бизнеса
4:26 Зачем социальным сетям нейронные сети
7:26 Как нейронные сети помгают бороться с мошенниками
9:59 Как нейросети учатся различать видео
14:08 Деградация нейросетей
17:38 Распознавание поведения пользователей и ботов
20:55 Что означает слово «модель» применительно к нейросетям
23:59 Как происходит обучение модели для обучения
27:50 Как нейросети помогают вычислять кликбейтный контент
33:18 Какие модели дают более высокую точность
35:08 Как повышать точность распознавания модели
36:40 Почему натренированная нейросеть не сработает на другом типе задач
42:07 Насколько быстро должны принимать решения нейросети
44:55 Скорость обучения моделей
48:20 Сколько моделей крутится в продакшене Одноклассников. Оптимизация работы с моделями
50:55 На какие показатели бизнеса влияют нейронные сети
53:25 Как нейросети угадывают предпочтения конкретного пользователя
1:00:17 Как сбор данных от пользователей помогает обучать модели
1:03:00 Дипфейки, войсфейки и развлекательные механики, основанные на них
1:05:58 Как будут использоваться в процессе создания контента генеративные сети
1:07:27 Насколько широкий спектр задач могут решать генеративные сети и насколько хорошо они решают узкоспециализированные задачи
1:12:29 Стоит ли отдавать бизнес-данные сторонним нейросетям
1:14:00 Бизнес vs сторонние нейросети
1:18:42 Может ли произойти демократизация продвинутых моделей
В подкасте упоминаются
Китайская комната, эксперимент
Google Vision API
