Jak tworzy się sztuczną inteligencję dla branży e-commerce?

sztuczna inteligencja

Sztuczna inteligencja (AI) coraz częściej jest wykorzystywana w branży e-commerce. Tylko do tej pory znalazła ona zastosowanie m.in. u takich gigantów, jak Amazon czy Bosch. W nowe technologie inwestuje również Spółka Futuriti, której projekt badawczy wspierany jest przez Narodowe Centrum Badań i Rozwoju. Jak zatem tworzy się sztuczną inteligencję dla e-commerce? 

Na początku warto powiedzieć, jak działa sztuczna inteligencja. Jak się okazuje, między innymi poprzez naśladowanie procesów zachodzących w mózgu człowieka. Bazuje ona m.in. na modelu sieci neuronowych, które przypominają układ nerwowy. Umysł ludzki wykorzystuje do przetwarzania informacji wiele komórek nerwowych. W podobny sposób w maszynie symulowanych jest – w tym celu – wiele różnych, powiązanych ze sobą jednostek.  

Algorytmy w sztucznej inteligencji 

Aby modele sieci neuronowych oraz maszyny wykorzystujące sztuczną inteligencję odpowiednio działały, potrzebne są algorytmy. W uczeniu maszynowym kreują one model z listą instrukcji do wykonania na podstawie przekazanych im danych. Ważne jest również określenie: celu algorytmu, zadań (które ma spełnić), korzyści (które mają się z nim wiązać) oraz skuteczności (jaką powinien osiągnąć). 

Opracowując konkretny algorytm dla danego zastosowania, należy opisać poszczególne etapy jego działania. Przykładowo, może on stanowić kombinację tradycyjnych algorytmów (które mają charakter linearny i w których opisuje się wszystko po kolei – sposoby przetwarzania danych, które prowadzą do wyniku) i algorytmu AI bądź też kilku współdziałających algorytmów AI. Algorytm AI to taki, w którym programista, tworząc go, nie programuje sposobu działania, a raczej uczy go “jak człowieka”, na podstawie przykładów danych wejściowych i oczekiwanych rezultatów. 

Przy tradycyjnych algorytmach dużo zależy od samego programisty, ponieważ to właśnie on musi szczegółowo określić, jakich cech komputer powinien szukać, aby rozpoznać konkretny przedmiot. Dzięki sztucznej inteligencji program może sam jednak tworzyć ów zestaw cech do rozpoznania. Ważne jest to, że robi to znacznie szybciej i dokładniej niż człowiek. 

Jak maszyna się uczy? 

Aby wyjaśnić proces uczenia maszynowego, najprościej to zrobić na przykładzie branży odzieżowej. Załóżmy, że chcesz nauczyć maszynę rozpoznawania koszul, aby nie przypisywać za każdym razem produktu do danej kategorii. W tym celu należy pokazać maszynie wiele zdjęć koszul, ale również swetrów czy T-shirtów – są to tzw. dane wejściowe. W międzyczasie, przy każdym produkcie trzeba maszynie wskazywać, że np.: 

  • na zdjęciu nr 1 jest koszula, 
  • na zdjęciu nr 2 nie ma koszuli, 
  • na zdjęciu nr znowu jest koszula. 

I tak dalej. Na podstawie tych informacji maszyna tworzy zbiór stałych elementów koszuli, takich jak np. kołnierz czy guziki. Dzięki temu z czasem uczy się rozpoznawać konkretny obiekt. 

Po przeprowadzonym wyżej treningu należy przetestować maszynę i pokazać jej zdjęcia, których dotychczas nie widziała. Dzięki temu można sprawdzić, czy jest ona w stanie – tak naprawdę –  rozpoznać koszulę. Jeżeli okaże się, że rozpoznaje ją na zdjęciach, oznacza to, że uczenie maszynowe się powiodło. Tak „wyedukowany” model można w następnej kolejności wykorzystywać w systemie produkcyjnym. Jeżeli jednak maszyna nie rozpoznaje odpowiednio danego obiektu, należy np. pokazać jej więcej przykładów lub zmienić pewne parametry, a następnie – kontynuować naukę.  

Jednym z największych wyzwań przedsiębiorstw, wdrażających mechanizmy sztucznej inteligencji, jest pozyskiwanie dobrej jakości i odpowiedniej ilości danych – dzięki obu tym czynnikom uczenie maszynowe powinno przynosić dobre efekty. Ważne jest również to, aby ujednolicić dane oraz zapewnić maszynie wystarczająco dużo czasu na przyswojenie potrzebnych informacji. Kolejnym wyzwaniem jest przechowywanie dużych ilości danych, potrzebnych do uczenia maszynowego. Istotne jest również to, aby z czasem dostarczać maszynie kolejne, potrzebne informacje oraz na bieżąco weryfikować jej skuteczność.  

Laboratorium Sztucznej Inteligencji w Futuriti 

Wszystkie, opisane wyżej wyzwania, stoją również przed Spółką Futuriti. Opracowujemy właśnie cztery nowe, rozbudowane algorytmy AI, które pomogą podejmować naszym klientom różne decyzje gospodarcze w e-commerce. Dzięki nim będzie można lepiej optymalizować procesy sprzedażowe. Przykładowo, usprawnią one poprzez narzędzie xSale doręczanie paczek do klientów, wyeliminują wiele ewentualnych błędów oraz ułatwią im osiągnięcie wyższej marży. Spółka Futuriti została doceniona w konkursie Program Operacyjny Inteligentny Rozwój i przeznaczy na cały projekt 3,3 mln złotych. Zostanie on wdrożony do lipca 2022 roku. 

Zobacz również

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *