AI-spetsialistid räägivad: kuidas krattide abil Netflix või Elisa teleteenused sinu jaoks paremini tööle pannakse?
Hiljuti astus Tallinnas üles Netflixi masinõppe taristu arhitekt Ville Toolos, kelle igapäevatööks on välja mõelda, kuidas tehisintellekti abil meie meediatarbimist mugavamaks ja paremaks muuta. Intervjuus selgitab ta oma tegevuse telgitaguseid.
Mis sa arvad sõna “tehisintellekt” kasutamisest väga laias kontekstis - näiteks robottolmuimejate puhul?
Praegu on käimas vist kolmas AI (Artificial Intelligence) haibilaine. Esimene algas siis, kui termin 1950. aastatel leiutati. Siis oli see väga populaarne 1980ndatel ja nüüd kolmas, kui mitte neljas kord. Ja iga kord on ootused väga kõrged ja mingil hetkel inimesed saavad aru, et asi on tegelikult üsna maalähedane. Muidugi tehakse kasulikke asju, aga see, et neid kutsutakse “intelligentseks”, eks see on rohkem turundusega seotud.
Mille jaoks Netflix masinõpet kasutab?
Tavaliselt, kui kasutan ühes lauses masinõpet ja Netflixi, siis inimesed mõtlevad esimese asjana Soovitusi (Recommendations). Kui lähed Netflix.com, siis näed kõiki neid pealkirju, mis on sulle personaalselt valitud. See on põhimõtteliselt meie masinõppe kroonijuveeliks.
Aga huvitav on ka see, et Netflixist on saamas üks suuremaid filmistuudioid maailmas. Me kasutame masinõpet ka selles vallas igasuguste probleemide lahendamiseks tootmistsüklis. Ma arvan, et seda pole eriti paljud ettevõtted enne teinud.
Ja peale selle kasutame masinõpet muidugi igasuguste sisemiste asjade jaoks nagu pettute tuvastamine, turunduse efektiivistamine jne.
Nii et te saate kasutada infot sellest, mida ja kuidas inimesed teie saidil vaatavad ja kasutada seda ära uute filmide tootmisel?
Jah, see on üks suuri eeliseid, et meil on terve ports andmeid tarbijakäitumise kohta. Aga lisaks saame tootmistsüklis lihtsalt optimeerida seda, kuidas filme ja sarju toodetakse.
Kuidas Recommendations koostatakse?
Seal on palju elemente. Esiteks muidugi klassikaline arvamuspõhine filtreerimine (Collaborative filtering). Aga me tahame ühest küljest näidata sulle uusi asju ja teisest küljest neid, mida sa kõige suurema tõenäosusega tahaksid vaadata. Nii et see on tasakaal nende kahe poole vahel.
Kas on oodata, et masinõpe tulevikus Netflixi kasutaja jaoks märgatavalt muudaks?
Netflix on tegelikult masinõpet kasutanud juba väga pikka aega. Juba 2006 pandi välja Netflix Prize, ammu enne seda, kui enamik firmasid üldse seda terminit olid teadvustanud. Me oleme seda kaua teinud, nii et ma ei ütleks, et asjad muutuvad. Pigem jätkame seda, mida me oleme alati teinud - püüame muuta oma tegevuse nii efektiivseks kui võimalik.
Kui suured ressursid Netflixis masinõppe jaoks kasutuses on?
Me kasutame Amazon S3 oma andmeaidana. Iga päev teeme sinna umbes triljon kirjet. Selline on skaala.
Iga asi, mida ma teen, on teie jaoks sündmus, mis läheb andmebaasi.
Kõik, mida sa teed Netflixi saidil. Me pole Facebook ega Google.
Millal saan Netflixist filme vaadata eestikeelsete subtiitritega?
Kas neid polegi? Väga huvitav, ma ei teadnudki. Pean kelleltki küsima ja järele uurima. Tundub asi, mille me peaks korda tegema.
Tehisintellekt ei ole aga vaid suurte USA firmade mängumaa ning seda kasutatakse väga aktiivselt ka Eestis, näiteks Elisa teenuste juures. Elisa telekomiteenuste valdkonna juht Mailiis Ploomann selgitas, mida täpsemalt tehakse.
Kuidas Eestis ja Elisas AId kasutatakse, kas ka kuidagi teles?
Elisa on tegelenud tehisintellekti projektidega tõsisemalt juba 2017 aastast, tänaseks on paralleelselt töös 7 erinevat nn kratti, millest esimesed kolm on juba kasutuses ning 4 nendele lisaks töölaual.
Kõige esimesena jõudis klientide teenistusse 2018 aasta kevadel meie vestlusrobot Annika, kelle ülesanne on kliente lihtsamate teenindusküsimustega aidata ning seeläbi inimteenindajate töökoormust rutiinsemate ülesannete lahendamisel vähendada. Mõned kuud hiljem võtsime oma võrgu kasutuskogemuse hindamisel kasutusele masinõppemudeli, mida kutsume õnneindeksiks. Seejärel lansseerisime koostöös Siseministeeriumiga näobiomeetria võrdluse projekti, mis tulevikus lihtsustab kõikide jaoks Mobiil ID taotlemise protsessi.
Täna tegeleb meie masinõppe meeskond (nn hübriidtiim Elisa inimestest ja MindTitani andmeteadlastest) juba järgmiste projektidega, millest hetkel on veel vara täpsemalt rääkida, ent loodetavasti saame kaarte avada juba lähikuudel.
Kui suured ressursid on teil AI jaoks kasutusel?
2018. aasta esimeses pooles lõime eraldi meeskonna, kelle ainus ülesanne ongi tegeleda masinõppe projektidega. Näeme sellel valdkonnal suurt potentsiaali nii ressursside efektiivseimal kasutamisel kui ka aina kasvavatele kliendiootustele vastamisel.
Kuna andmeteadus (data science) on väga spetsiifiline valdkond, siis kindlasti ei tasu sellesse suhtuda kui mistahes muusse tavapärasesse IT projekti. Tuleb aru saada, et tehisintellekti ettevõttes rakendamine ei koosne ainult andmeteadlaste poolt mudeli loomises. Selleks, et tehtust päriselt kasu oleks, peab väga paljusid protsesse ka varasemast põhimõtteliselt teistmoodi hakkama tegema. Selle kõige jaoks on meil pühendunud meeskond, kes töötab tihedas koostöös MindTitani andmeteadlastega.
Mille jaoks Elisa kogutud andmeid ära kasutab ja kuidas nende abil teenuseid paremaks muudab?
Olles telekomiettevõte, on meil aastatepikkused kogemused oma võrgu andmetega töötamisel - vastasel juhul ei oleks tänapäeval üldse võimalik telekomiteenuseid pakkuda. Kuna võrgutehnoloogiaid on paralleelselt kasutusel mitmeid ning ka klientidel kasutuses väga erinevaid seadmeid, siis on meie peamiseks eesmärgiks saada aru millised on need teenused, mida erinevate seadmetega kliendid soovivad kasutada ning siis oma võrk vastavaks arendada. Ehk kui võrk ise on olnud aastaid väga hästi mõõdetud ning jälgitud, siis masinõpe võimaldab meil arvutada välja lisaks ka selle, kuidas kliendid ennast selles võrgus tunnevad.
Viimaste aastate jooksul on hüppeliselt kasvanud voogedastusteenuste kasutamine ning nendest omakorda on videote platvormid äärmiselt ressursikulukad. Selleks, et mahtude eksponentsiaalse kasvuga sammu pidada, on ülimalt oluline investeeringuid täpselt nn sihtida.
Mis sa arvad sõna “tehisintellekt” kasutamisest väga laias kontekstis - näiteks robottolmuimejate puhul?
Praegu on käimas vist kolmas AI (Artificial Intelligence) haibilaine. Esimene algas siis, kui termin 1950. aastatel leiutati. Siis oli see väga populaarne 1980ndatel ja nüüd kolmas, kui mitte neljas kord. Ja iga kord on ootused väga kõrged ja mingil hetkel inimesed saavad aru, et asi on tegelikult üsna maalähedane. Muidugi tehakse kasulikke asju, aga see, et neid kutsutakse “intelligentseks”, eks see on rohkem turundusega seotud.
Mille jaoks Netflix masinõpet kasutab?
Tavaliselt, kui kasutan ühes lauses masinõpet ja Netflixi, siis inimesed mõtlevad esimese asjana Soovitusi (Recommendations). Kui lähed Netflix.com, siis näed kõiki neid pealkirju, mis on sulle personaalselt valitud. See on põhimõtteliselt meie masinõppe kroonijuveeliks.
Aga huvitav on ka see, et Netflixist on saamas üks suuremaid filmistuudioid maailmas. Me kasutame masinõpet ka selles vallas igasuguste probleemide lahendamiseks tootmistsüklis. Ma arvan, et seda pole eriti paljud ettevõtted enne teinud.
Ja peale selle kasutame masinõpet muidugi igasuguste sisemiste asjade jaoks nagu pettute tuvastamine, turunduse efektiivistamine jne.
Nii et te saate kasutada infot sellest, mida ja kuidas inimesed teie saidil vaatavad ja kasutada seda ära uute filmide tootmisel?
Jah, see on üks suuri eeliseid, et meil on terve ports andmeid tarbijakäitumise kohta. Aga lisaks saame tootmistsüklis lihtsalt optimeerida seda, kuidas filme ja sarju toodetakse.
Kuidas Recommendations koostatakse?
Seal on palju elemente. Esiteks muidugi klassikaline arvamuspõhine filtreerimine (Collaborative filtering). Aga me tahame ühest küljest näidata sulle uusi asju ja teisest küljest neid, mida sa kõige suurema tõenäosusega tahaksid vaadata. Nii et see on tasakaal nende kahe poole vahel.
Kas on oodata, et masinõpe tulevikus Netflixi kasutaja jaoks märgatavalt muudaks?
Netflix on tegelikult masinõpet kasutanud juba väga pikka aega. Juba 2006 pandi välja Netflix Prize, ammu enne seda, kui enamik firmasid üldse seda terminit olid teadvustanud. Me oleme seda kaua teinud, nii et ma ei ütleks, et asjad muutuvad. Pigem jätkame seda, mida me oleme alati teinud - püüame muuta oma tegevuse nii efektiivseks kui võimalik.
Kui suured ressursid Netflixis masinõppe jaoks kasutuses on?
Me kasutame Amazon S3 oma andmeaidana. Iga päev teeme sinna umbes triljon kirjet. Selline on skaala.
Iga asi, mida ma teen, on teie jaoks sündmus, mis läheb andmebaasi.
Kõik, mida sa teed Netflixi saidil. Me pole Facebook ega Google.
Millal saan Netflixist filme vaadata eestikeelsete subtiitritega?
Kas neid polegi? Väga huvitav, ma ei teadnudki. Pean kelleltki küsima ja järele uurima. Tundub asi, mille me peaks korda tegema.
AI-on aktiivselt kasutuses ka Elisas
Tehisintellekt ei ole aga vaid suurte USA firmade mängumaa ning seda kasutatakse väga aktiivselt ka Eestis, näiteks Elisa teenuste juures. Elisa telekomiteenuste valdkonna juht Mailiis Ploomann selgitas, mida täpsemalt tehakse.
Kuidas Eestis ja Elisas AId kasutatakse, kas ka kuidagi teles?
Elisa on tegelenud tehisintellekti projektidega tõsisemalt juba 2017 aastast, tänaseks on paralleelselt töös 7 erinevat nn kratti, millest esimesed kolm on juba kasutuses ning 4 nendele lisaks töölaual.
Kõige esimesena jõudis klientide teenistusse 2018 aasta kevadel meie vestlusrobot Annika, kelle ülesanne on kliente lihtsamate teenindusküsimustega aidata ning seeläbi inimteenindajate töökoormust rutiinsemate ülesannete lahendamisel vähendada. Mõned kuud hiljem võtsime oma võrgu kasutuskogemuse hindamisel kasutusele masinõppemudeli, mida kutsume õnneindeksiks. Seejärel lansseerisime koostöös Siseministeeriumiga näobiomeetria võrdluse projekti, mis tulevikus lihtsustab kõikide jaoks Mobiil ID taotlemise protsessi.
Täna tegeleb meie masinõppe meeskond (nn hübriidtiim Elisa inimestest ja MindTitani andmeteadlastest) juba järgmiste projektidega, millest hetkel on veel vara täpsemalt rääkida, ent loodetavasti saame kaarte avada juba lähikuudel.
Kui suured ressursid on teil AI jaoks kasutusel?
2018. aasta esimeses pooles lõime eraldi meeskonna, kelle ainus ülesanne ongi tegeleda masinõppe projektidega. Näeme sellel valdkonnal suurt potentsiaali nii ressursside efektiivseimal kasutamisel kui ka aina kasvavatele kliendiootustele vastamisel.
Kuna andmeteadus (data science) on väga spetsiifiline valdkond, siis kindlasti ei tasu sellesse suhtuda kui mistahes muusse tavapärasesse IT projekti. Tuleb aru saada, et tehisintellekti ettevõttes rakendamine ei koosne ainult andmeteadlaste poolt mudeli loomises. Selleks, et tehtust päriselt kasu oleks, peab väga paljusid protsesse ka varasemast põhimõtteliselt teistmoodi hakkama tegema. Selle kõige jaoks on meil pühendunud meeskond, kes töötab tihedas koostöös MindTitani andmeteadlastega.
Mille jaoks Elisa kogutud andmeid ära kasutab ja kuidas nende abil teenuseid paremaks muudab?
Olles telekomiettevõte, on meil aastatepikkused kogemused oma võrgu andmetega töötamisel - vastasel juhul ei oleks tänapäeval üldse võimalik telekomiteenuseid pakkuda. Kuna võrgutehnoloogiaid on paralleelselt kasutusel mitmeid ning ka klientidel kasutuses väga erinevaid seadmeid, siis on meie peamiseks eesmärgiks saada aru millised on need teenused, mida erinevate seadmetega kliendid soovivad kasutada ning siis oma võrk vastavaks arendada. Ehk kui võrk ise on olnud aastaid väga hästi mõõdetud ning jälgitud, siis masinõpe võimaldab meil arvutada välja lisaks ka selle, kuidas kliendid ennast selles võrgus tunnevad.
Viimaste aastate jooksul on hüppeliselt kasvanud voogedastusteenuste kasutamine ning nendest omakorda on videote platvormid äärmiselt ressursikulukad. Selleks, et mahtude eksponentsiaalse kasvuga sammu pidada, on ülimalt oluline investeeringuid täpselt nn sihtida.
Allikas
Diktor.geenius.ee
