Appier là gì

Công nghệ nhận diện khuôn mặt đã bắt đầu cách đây 5 năm và được sử dụng rất phổ biến trong thế giới ngày nay. Đơn cử, tại các sân bay quốc tế, khi đi qua màn hình an ninh, nhân viên soi chiếu và đã chụp khuôn mặt của bạn rồi, sau đó bạn trình hộ chiếu (passport) và nó tự động khớp gương mặt lại với nhau. Hoặc khi chúng ta chụp một bức ảnh, bất kể là hình ảnh của bản thân hay bạn bè và đăng lên Facebook, lập tức Facebook sẽ hiện lên các khung nhỏ và chúng biết được đâu là gương mặt của bạn. Không những thế, ngoài việc nhận ra khuôn mặt của bạn và tên ở dưới, nó còn nhận ra mặt bạn bè của bạn nữa.

Tuy nhiên, vào năm 2011, mức độ sai sót trong việc nhận biết những sự vật, hiện tượng của máy móc rất cao, chiếm tỷ lệ 25%. Năm 2012 là năm đầu tiên thế giới đưa ra mô hình học sâu thứ nhất thế hệ đầu. Ngay lập tức, từ 25% nhận biết sai sót, tỷ lệ này tụt xuống chỉ còn nhỉnh hơn 15% một chút. Qua các năm, tỷ lệ nhận sai càng ngày càng giảm đi rất nhiều. Đến ngày hôm nay, tỷ lệ nhận sai của máy và của người là bằng nhau, tỷ lệ nhận sai của con người là khoảng 5%.

Theo ông Charles Ng – Phó chủ tịch mảng Trí tuệ nhân tạo doanh nghiệp Appier: “Để máy có thể nhận biết sự việc thì máy cũng cần phải học. Muốn vậy, đầu tiên, chúng ta phải cung cấp cho nó thật nhiều dữ liệu đầu vào, là các hình ảnh, dữ liệu thông tin. Đây là một đặc điểm rất quan trọng của công nghệ máy học. Vấn đề đặt ra là chúng ta sẽ lấy logic công nghệ này ứng dụng cho marketing như thế nào cho hiệu quả. Đó cũng là công việc chính của Appier. Chúng tôi sẽ xem xét các phát hiện mới, sáng kiến mới về AI như thế nào, nghĩ ra cách áp dụng dành cho các doanh nghiệp ra sao”.

Ông Charles Ng cũng cho biết, Appier đã lấy logic này để đưa ra mô hình tối ưu hóa mô hình phễu cho marketing và sử dụng cùng nguyên lý máy học để rà soát hết các tập khách hàng của mình, xem xét khách hàng nào thực sự quan tâm đến sản phẩm, dịch vụ. Từ đó, có thể đoán được, ai là người có xu hướng nhất, họ sẽ click vào đường link để xem sản phẩm, ai có khả năng lớn nhất mua sản phẩm và ai sẽ trở thành khách hàng trung thành… “Đây là những câu hỏi quan trọng mà người làm marketing cho sản phẩm đều muốn có câu trả lời và cũng là cách để chúng ta có thể ứng dụng được logic của việc nhận diện hình ảnh thông qua công nghệ máy học và học sâu vào marketing để nhận diện được đâu là khách hàng”, ông Charles Ng khẳng định.

Tuy nhiên, đối với ngành marketing, miệng phễu là phần thông tin thì rất nhiều nhưng càng xuống đáy phễu, những người sẽ trở thành khách hàng trung thành của ta, ta lại càng ít thông tin đi. Điều tuyệt vời của công nghệ này là cho phép chúng ta xem xét thông tin về những người có quan tâm đến sản phẩm, click vào sản phẩm của mình, từ đó dựa trên những trải nghiệm và đưa ra phán đoán những người có thể mua sản phẩm. Vì sao chúng ta có khả năng làm điều này? Công nghệ máy học cho phép máy đó tự bóc tách ra thành các lớp nhỏ để quan sát hành vi. Như vậy, chúng ta có thể huấn luyện cho máy làm như vậy với tập khách hàng của mình, nó sẽ nhìn một tập khách hàng rất lớn những người có quan tâm đến sản phẩm và những người click vào có điểm chung như thế nào. Từ đó, có thể dự đoán được những tập khách hàng ở bên dưới, tập khách hàng mua, tập khách hàng trung thành.

Doanh nghiệp cần lưu ý gì?

Để ứng dụng AI vào trong các hoạt động kinh doanh và cung cấp dịch vụ của công ty, ông Charles Ng khuyến cáo: “Các doanh nghiệp phải có sự đồng thuận của lãnh đạo công ty. Thực tế cho thấy, một số doanh nghiệp triển khai AI ở cấp độ cơ sở. Tuy nhiên, phải có sự đồng thuận từ trên xuống, phải có sự chấp thuận của ban lãnh đạo công ty thì mới có thể tiến xa hơn trong những sáng kiến này vì AI là một sự đầu tư về chi phí và thời gian của doanh nghiệp”.

Bên cạnh đó, trước khi ứng dụng AI, doanh nghiệp cần xác định được nhu cầu của mình là gì, những vấn đề doanh nghiệp đang gặp phải mà AI có thể giải quyết là gì, từ đó xác định được liệu ứng dụng AI ở mức độ nào thì sẽ có hiệu quả. Nhiều người có suy nghĩ đơn giản rằng, AI sẽ giải quyết được tất cả vấn đề mà doanh nghiệp đang gặp phải nhưng chỉ khi xác định được vấn đề nào của doanh nghiệp mà AI có thể giải quyết được thì mới hiệu quả.

Tiếp theo, doanh nghiệp nên làm công tác truyền thông nội bộ, trao đổi và nói chuyện với các nhân viên trong công ty. Nếu triển khai AI vào tất cả hoạt động của công ty, đó là một thay đổi rất lớn và đòi hỏi có những phương án để quản lý những thay đổi này. Chúng ta sẽ mường tượng là nếu ứng dụng công nghệ AI này, nó sẽ thay đổi cách thức mà mọi người làm việc như thế nào. Song những thông tin đầu vào phải sạch sẽ và tinh gọn, được quản lý tốt, đáng tin cậy và phải nghiên cứu xem những lĩnh vực nào AI có thể áp dụng tốt.

Trong trường hợp các doanh nghiệp quyết định thuê bên ngoài thì phải xem xét giải pháp đề xuất có thể giải quyết được vấn đề gì và vấn đề gì giải pháp đó không làm được. Thêm vào đó, doanh nghiệp phải đưa ra được các chỉ số đo lường cần thiết cho sự thành công của dự án AI, phải giữ lại yếu tố con người vì con người vẫn là đầu mối liên lạc giữa hai bên, giữa nhà cung cấp dịch vụ và công ty. Chúng ta cần duy trì các kênh giao tiếp giữa hai bên để thảo luận cách mà AI có thể giúp giải quyết vấn đề của doanh nghiệp. “Dù áp dụng phương án nào đi nữa, cũng phải nhận thức rằng, AI không phải là chuyện xảy ra trong chớp mắt, mà là một hành trình cần rất nhiều thời gian thử nghiệm. Hãy cố gắng tiếp tục trên hành trình này, sử dụng các phiên bản cập nhật hoặc chỉnh sửa khác nhau để cuối cùng ra được hệ thống AI mà chúng ta thật sự cần và đáp ứng tốt nhu cầu của mình”, ông Charles Ng nhấn mạnh.

Nguồn: Doanh nhân Sài Gòn 

ictnews Theo TS. Min Sun, Trưởng nhóm các nhà khoa học về trí tuệ nhân tạo (AI) của Appier, một số đột phá AI thời gian gần đây đã sẵn sàng cho các doanh nghiệp áp dụng, trong đó có 3 tiến bộ mới của AI trong các lĩnh vực học sâu, học tăng cường.

TS. Min Sun, Trưởng nhóm các nhà khoa học về trí tuệ nhân tạo (AI) của Appier – một công ty chuyên cung cấp các giải pháp tiếp thị dựa trên nền tảng trí tuệ nhân tạo,trong chia sẻ mới nhất, đã giới thiệu về 3 đột phá mới của công nghệ AI mà theo ông, đã có những giải pháp sẵn sàng cho doanh nghiệp và ban lãnh đạo khi quyết định ứng dụng AI.

TS. Min Sun nhấn mạnh: “Trong tương lai, chắc chắn chúng ta sẽ có nhiều tiến bộ hơn trong AI, nhưng các lãnh đạo doanh nghiệp không thể chờ đợi đưa ra quyết định để đảm bảo họ có điều mới nhất. Thay vào đó, họ phải làm việc với công nghệ và các nhân tài có khả năng linh hoạt để thích nghi và nâng cấp khi AI tiến bộ.

“Bản thân quản lý cấp cao nên tìm cách - thông qua việc đọc và nghe và làm việc với các nhân sự được đào tạo về AI cùng các chuyên gia bên ngoài - để theo kịp những gì đang xảy ra trong phòng thí nghiệm để khi công nghệ đó đến phòng họp, ban giám đốc có thể đưa ra quyết định hiệu quả nhất về việc ứng dụng AI nhằm thúc đẩy doanh nghiệp tiến lên phía trước”, TS. Min Sun khuyến nghị.

Học sâu về Nhận dạng hình ảnh

Chuyên gia Appier cho biết, trước năm 2012, AI đã hoạt động hiệu quả trong một số tình huống cụ thể như nhận diện khuôn mặt và nhận diện góc nhìn của xe ô tô. Tuy nhiên, tại thời điểm đó, lượng dữ liệu hình ảnh điển hình có sẵn rất nhỏ - chỉ vài nghìn hình ảnh được dán nhãn và phân loại.

Năm 2012 là năm đột phá trong nhận dạng hình ảnh khi ImageNet công bố một bộ dữ liệu lớn gồm 14 triệu hình ảnh trong hơn 21.000 danh mục, được phát triển từ 2007-2010 bởi một nhóm các nhà khoa học trong đó có ông.

Sự phát triển này cho thấy máy tính có thể tận dụng lượng dữ liệu đào tạo khổng lồ để cải thiện hiệu suất nhận dạng hình ảnh đối với con người. Vào năm 2015, máy tính đã có thể vượt qua hiệu suất của con người trong việc nhận ra 1.000 loại đối tượng trong ImageNet.

Có một số hình thức thú vị mà các ngành công nghiệp như vận chuyển và chăm sóc sức khỏe đang sử dụng công nghệ AI - để nhận thức rõ hơn về môi trường xung quanh một chiếc xe tự lái, hay để xác định tốt hơn những bất thường như khối u để lên phác đồ điều trị tiếp theo.

Đối với các doanh nghiệp truyền thống, đặc biệt là những doanh nghiệp có lượng giấy tờ lưu trữ nhiều như ngân hàng, bảo hiểm và luật, thì công nghệ nhận dạng hình ảnh được hỗ trợ bằng học sâu có thể xác định số lượng lớn tài liệu với tốc độ nhanh, số hóa dữ liệu và phân loại chúng.

“Khi con người phải nhập thông tin theo cách thủ công, máy tính có thể xem lại và sắp xếp vài nghìn (thậm chí nhiều hơn) tài liệu mỗi giờ và có thể đánh dấu người đánh giá để xác minh thông tin. Điều này giải phóng thời gian cho con người tập trung vào các công việc quan trọng và sáng tạo hơn”, TS. Min Sun chia sẻ.

Cũng theo TS. Min Sun, vào năm 2016, nhà vô địch cờ vây thế giới Lee Sedol đã bị đánh bại bởi chương trình máy tính AlphaGo của Google DeepMind. Go là một trò chơi chiến lược yêu cầu người chơi đặt các quân cờ vào đúng khu vực của bảng để ngăn người chơi khác tiến lên.

Công nghệ có thể làm điều này bởi vì nó đã thực hành hàng triệu lần để cải thiện tỷ lệ thắng của mình thông qua học tập tăng cường, đánh giá bằng phần mềm để thực hiện hành động nào trong một môi trường hoặc tình huống nhất định nhằm mang lại kết quả xứng đáng hoặc tích cực (trong trường hợp AlphaGo, đó là chiến thắng trò chơi). Đối với các doanh nghiệp, bước đột phá này có thể hỗ trợ cải thiện các lĩnh vực liên quan đến phân bổ nguồn lực.

Ví dụ như các công ty công nghệ lớn có Trung tâm dữ liệu lớn, cần đảm bảo chất lượng ổn định đồng thời giảm mức tiêu thụ điện năng. Học tăng cường có thể tự động phân bổ máy nào sẽ thực hiện nhiệm vụ, đồng thời thay đổi cài đặt làm mát phù hợp cùng một lúc. Như trong trò chơi cờ vây, phần mềm sẽ tính toán “đâu là nơi đặt quân cờ” để cho kết quả tốt nhất.

Học tăng cường cũng có thể giá trị với bất kỳ công ty nào có hoạt động hậu cần trong kinh doanh. Trong trường hợp giao hàng hoặc vận chuyển hàng hóa hoặc con người (chẳng hạn như công ty vận chuyển, dịch vụ chia sẻ phương tiện hoặc nhà cung cấp thực phẩm), các tổ chức thường đưa ra quyết định phân bổ tài nguyên bằng cách xem xét các mô hình và kinh nghiệm trong quá khứ.

Tuy nhiên, bằng cách sử dụng thuật toán của học tăng cường, giờ đây các doanh nghiệp này có thể dự báo phân bổ nguồn lực trong tương lai, đảm bảo hành động tốt nhất cho mọi tình huống cụ thể, ví dụ như sử dụng nhiều tài xế hoặc người lái hơn trong thời điểm lưu lượng truy cập lớn, nhu cầu cao…

Mô hình học sâu trong nhận dạng ngôn ngữ

Nói về tiến bộ mới này, TS. Min Sun phân tích, giống như nhận dạng trực quan, chỉ trong vài năm gần đây, AI mới có thể hiểu văn bản thô bằng nhiều ngôn ngữ; ghép các từ tương tự với nhau; và xác định khi các từ giống nhau có nhiều nghĩa. Khả năng này mở ra một loạt tiềm năng cho các nhà lãnh đạo doanh nghiệp khi muốn hiểu rõ hơn về cách tương tác của khách hàng, nhân viên hoặc các bên liên quan với các thông tin bằng văn bản về tổ chức của mình.

Một lĩnh vực kinh doanh mà công nghệ này đặc biệt có giá trị là tiếp thị. Các nhà tiếp thị rất giỏi trong việc thu thập dữ liệu và hành vi của người tiêu dùng – họ đang tìm kiếm điều gì, họ truy cập và mua sắm ở đâu…

Theo cách truyền thống, một nhà tiếp thị thấy rằng một khách hàng truy cập vào trang web du lịch, trang web thời trang và tài chính, thiết lập các danh mục rộng cho sở thích của mình. Với sự cải tiến trong nhận dạng ngôn ngữ, các nhà tiếp thị có thể thu thập nhiều thông tin chi tiết hơn từ văn bản mà người tiêu dùng đang nhìn thấy khi cô ấy truy cập vào một trang web.

“Công nghệ này có thể “đọc” từ cụ thể, vẽ ra tương ứng các thuật ngữ như “buổi trình diễn thời trang”, “Paris”, “dặm bay thưởng”. Với cái nhìn sâu sắc này, các nhà tiếp thị có thể nhắm mục tiêu nội dung và thông điệp hiệu quả hơn”, TS. Min Sun cho hay.