«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».

Гость: Алексей Сенников

Директор проектов в контент-направлении, Одноклассники

Ведущий подкаста: Юра Агеев

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast.

Подкаст выходит при поддержке конференции ProductSense https://productsense.io. 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 https://clck.ru/EWudj

Google Vision API https://cloud.google.com/vision