Во многих различных веб-сервисах машинное обучение используется для рекомендательных систем, которые помогают пользователям справляться с информационной перегрузкой: слишком много фильмов, песен и книг, которые пользователи могут просматривать. Без таких инструментов некоторые сервисы быстро отстают и теряют клиентов.
Путешествие немного отличается, поскольку в мире нет миллионов городов, но найти новые интересные места для путешествий по-прежнему непросто. Несколько лет назад Skyscanner запустил поиск везде, который позволяет пользователям находить самые дешевые места, куда они могли бы поехать, что привело к исследованиям, показывающим, что цена является одним из многих факторов, делающих место привлекательным и интересным.
Нил Латия, старший научный сотрудник Skyscanner, присоединится к нам на Саммите машинного интеллекта в Амстердаме, чтобы рассказать о том, как компания запустила систему рекомендаций по назначению, используя богатые неявные данные, генерируемые миллионами пользователей, а также простые алгоритмические подходы и эксперименты. которые измеряют, как локализованные и персонализированные рекомендации влияют на взаимодействие с пользователем. Я поговорил с Нилом перед мероприятием, чтобы узнать больше.
Расскажите подробнее о своей работе в Skyscanner.
Как старший специалист по данным, я сосредоточен на разработке и создании функций машинного обучения для мобильного приложения Skyscanner. С момента присоединения, чуть менее года назад, проекты, над которыми я работал, были связаны с рекомендациями и рейтингом результатов поиска. Однако приложение создает очень богатую экосистему данных, и мы уже определили ряд других возможностей в будущем.
Как вы считаете, что является ведущими факторами, способствовавшими последним достижениям в области машинного обучения для рекомендательных систем?
Многие из самых современных алгоритмов для рекомендательных систем имеют открытый исходный код, что всегда является приятной новостью! Сфера исследований всегда определялась проблемами открытых данных. Что наиболее важно, исследовательское сообщество всегда придерживалось междисциплинарного подхода - не все проблемы рекомендательной системы нужно решать с помощью машинного обучения.
На какие отрасли в наибольшей степени повлияет развитие рекомендательных систем?
Как человеку, имеющему опыт работы с рекомендательными системами, мне трудно представить себе какую-либо отрасль без линзы рекомендательного потенциала. Персонализированная информация может быть полезна во многих сферах жизни - от здравоохранения до путешествий и не только.
Что мы можем ожидать от машинного интеллекта в индустрии туризма в ближайшие 5 лет?
Многие из самых известных туристических сайтов в Интернете уделяют особое внимание цене - помогая пользователям найти самый дешевый рейс, отель или автомобиль (Skyscanner не является исключением!). По мере того, как эти сервисы становятся все более популярными на смартфонах, а данные (например, статусы рейсов и цены) становятся доступными в режиме реального времени, индустрия туризма станет подходящей областью для приложений машинного интеллекта.
Вне вашей области, в какой области машинного обучения вы добьетесь наибольшего прогресса в следующие 5 лет?
Нет сомнений в том, что недавние достижения в области нейронных сетей привели к прекрасным результатам в областях обучения с подкреплением и машинного зрения - я ожидаю, что этот прогресс будет продолжать ускоряться. Я с нетерпением жду интересных продуктов, которые могут появиться в результате этих исследований.
Нил Латия будет выступать на Саммите машинного интеллекта, который состоится одновременно с Саммитом« Машинный интеллект в автономных транспортных средствах в Амстердаме 28–29 июня. Познакомьтесь с ведущими экспертами и узнайте у них, как ИИ повлияет на транспорт, производство, здравоохранение, розничную торговлю и многое другое.
Количество билетов на это мероприятие ограничено. Зарегистрируйтесь, чтобы принять участие сейчас.
Мнения, выраженные в этом интервью, могут не отражать точку зрения RE • WORK. В результате некоторые мнения могут даже противоречить взглядам RE • WORK, но публикуются для поощрения дискуссий и всестороннего обмена знаниями, а также для того, чтобы мы могли представить альтернативные взгляды нашему сообществу.
