Сообщить об ошибке на сайте
URL
Ошибка
Тренды

Владелица сети модных магазинов «Рафинад» Яна Строкова решила облегчить клиентам муки выбора — и придумала виртуального помощника, который точно знает, какая вещь кому подойдет. В отличие от приложений, которые анализируют историю покупок или анкетируют пользователей, «Стилист» строит свои предположения, используя информацию из профилей в соцсетях и сложный алгоритм, — и уже предугадывает желания клиентов с вероятностью 81,8%. Чтобы проводить необходимые для этого вычисления, пришлось построить собственный блокчейн — а на его базе Строкова уже развивает платформу для децентрализованных вычислений и готовится запустить собственную криптовалюту. Создательница «Стилиста» рассказала «Хайтеку», чему учила умного помощника — и чему он научился сам, как строит платформу для потерявших работу майнеров и почему не боится, что стиль, созданный искусственным интеллектом, лишит людей индивидуальности.

Как свалить шопинг на нейросеть

— С чего начинался «Стилист»?

— Мы написали CRM для бутиков «Рафинад» — систему, которая автоматизирует управление производством, распределение товаров по магазинам, оценку рентабельности продаж и считает зарплаты. Она очень упростила работу, и я подумала, что можно было бы упростить и сам процесс шопинга. Так появилась идея «Стилиста» — самообучающегося алгоритма, помогающего выбирать вещи в интернет-магазинах.

Модные предпочтения коррелируют с моделями поведения, которые, в свою очередь, связаны с такими параметрами, как пол, возраст, локация, социальный статус, интересы, места путешествий, эмоциональное состояние и многое другое. Система смотрит профиль пользователя в социальных сетях, анализирует эти параметры и, используя истории покупок пользователей со схожими параметрами, предлагает ему какие-то вещи. Мы посчитали, что для начала работы нам нужна информация о пяти пользователях, совершивших минимум по две покупки, — основываясь на ней, «Стилист» уже может что-то предлагать шестому. К 2015 году, когда у нас были данные 10 тыс. клиенток «Рафинада», робот стал угадывать вкусовые предпочтения новых пользователей с вероятностью 70%.


Как работает «Стилист»

«Стилист» — это нейросеть, которая подбирает одежду для пользователей по анализу данных социальных сетей, истории покупок и трендов модной индустрии. Она состоит из четырех модулей:

Look Finder — плагин, который владелец интернет-магазина может установить на свой сайт. Он поможет покупателю найти в каталоге те вещи, которые с большой вероятностью соответствуют его вкусовым предпочтениям и поводу.

Thrifty — плагин в браузер, система уведомлений об изменении цены на желаемый товар. Будет запущен в демо-режиме в июне 2018 года.

Person Finder — система распознавания лиц (в движении и в потоке) для оффлайновых магазинов. Если покупатель есть в базе «Стилиста», система узнает его и получит информацию о его предпочтениях и прежних покупках. Находится на стадии прототипирования.

Stylist Store — маркетплейс магазинов, продающих одежду, с системой подбора вещей по предпочтениям. Будет запущен в декабре 2018 года.

В проект с 2015 года инвестировали чуть больше 24 млн рублей: часть — из прибыли модного дома «Рафинад», остальное — личные деньги Яны Строковой. До 2020 года в него планируется инвестировать еще 65 млн рублей, в том числе путем привлечения инвестиций. По словам учредителей, сейчас проектом интересуются четыре венчурных фонда (один — из Кремниевой долины) и несколько частных инвесторов. В 2015 году «Стилист» стал одним из победителей федерального конкурса стартапов технопарка «Ингрия».

Разработчики утверждают, что внимание к проекту проявляли Российская венчурная компания и Фонд развития интернет-инициатив, которые предлагали сотрудничество и акселерацию. «Стилист» от сотрудничества отказался: «Нам важно было сохранять независимость наших действией и не попасть под влияние институционального мнения, — объясняет это решение Яна Строкова. — Пока мы в свободном полете и сами спонсируем проект, нам проще принимать оперативные решения, экспериментировать и не думать о том, насколько красиво то или иное наше действие будет смотреться в отчете».


— А если клиенту не понравилась вещь? Как вы это понимаете — у вас ведь нет кнопки «дизлайк»?

— Товар не понравился, когда клиент никаких действий с ним не совершает — не покупает и не откладывает. Тогда система пытается исключить из анализа параметры, которые на самом деле не влияют на выбор, и предлагает следующую вещь. Если и эта вещь не нравится, «Стилист» пытается понять, что не так с предложенным товаром. Может быть, человек случайно выбрал раздел «платья кэжуал», а на самом деле ищет коктейльные платья, — тогда система добавляет в выборку «спектральную примесь» и смотрит, изменилось ли поведение пользователя.

— Допустим, клиент купил вещь, но вернул ее. В этом случае проблема может быть не во вкусовых предпочтениях и не в размере — вещь некачественная или не подошла по фигуре. Вы анализировали причины неудачных покупок?

— Это очень сложная штука. Для этого мы после покупки проводим опрос. Если пользователь ответил, что майка была плохого качества или не села, «Стилист» начинает спрашивать, что именно с ней не так, и получает дополнительную информацию — что вещи, пошитые таким образом, скорее всего, не подойдут конкретному клиенту.

— Вы описываете стандартный алгоритм нейросети: она совершает какие-то действия и учится на своих ошибках. В чем уникальность «Стилиста»?

— Алгоритм сам ищет новые зависимости и оценивает «силу» их влияния на вкусовые предпочтения покупателей и их предстоящие покупки. Например, недавно система сама посчитала значимым и добавила индексацию лайков, которые покупатели оставляют под рекламными объявлениями в соцсетях, — по умолчанию алгоритм был настроен только на учет лайков друзьям. Это уникальная формула, которую начали применять гиганты индустрии, — Google, который купил технологию Deep Mind, сейчас тестирует примерно такую же технологию.

Избавиться от рутины, сохранить уникальность

— У Amazon есть алгоритм, который определяет, насколько модно одет человек, есть AI Designer, есть Stitch Fix, чья модель работы похожа на вашу. Что вы скажете об этих проектах, есть ли с ними проблемы, учли ли вы их или не ориентировались на них?

— Мы тщательно анализируем технологии конкурентов, нам важно понимать, что они дают рынку и чего мы можем недодать. Роботы Amazon на сегодня обладают самыми впечатляющими предиктивными свойствами, но пока это касается только бытовых торговых предложений. Что касается одежды, это красивая пиар-история, которая вполне может вылиться и в отдельный проект, но, как мне кажется, — это погоня за трафиком.

Другие проекты делают упор на анализ истории ваших покупок и связывают их с вашими предпочтениями. При огромных объемах данных это имеет смысл, но каждый новый пользователь, не сделавший еще ни одной покупки, попадает в вакуум, и система, по сути, начинает гадать.

Что касается Stitch Fix — это самостоятельный мультибрендовый интернет-магазин. Мы же делаем маркетплейс, наша система сможет работать с ретейлом и e-commerce одновременно, учитывая покупки пользователей оффлайн и онлайн, при этом анализируя, чем они различаются. Анализ покупок и предложение товаров «Стилист» делает на основании глобальных метаданных, собираемых от всех партнеров проекта — ретейлеров и интернет-магазинов, подключенных к нам.


Конкуренты «Стилиста»

За рубежом уже есть проекты, работающие в этой области. Наиболее успешный — Stitch Fix, которым пользуются около 2,2 млн активных клиентов в год; он заработал $296 млн в первом квартале 2018 года и, по оценкам Forbes, растет на 50% в год. Stitch Fix научила компьютер вычленять модные тренды по фотографиям из инстаграма и фейсбука. Услуги онлайн-стилиста предоставляются по подписке за $20 в месяц. Кроме нейросети, одежду пользователям помогают подбирать 3,4 тыс. стилистов из штата компании.

В августе 2017 года Amazon также представил искусственный интеллект, который на основе лайков из Instagram и Pinterest будет подбирать гардероб для клиента, оценивать наряд клиента по фотографии, а также создавать новую одежду, анализируя модные тенденции прошлого. Финансовые детали разработки не раскрывались. Эти сервисы являются частью платной программы лояльности Amazon Prime.

В конце 2017 года группа Lab126 в Сан-Франциско разработала проект «AI designer»: алгоритм изучил тысячи рекламных кампаний с 90-х годов и стал генерировать новые идеи для модных домов и креативных директоров на основе предыдущих тенденций и разработок дизайнеров. Когда он будет доступен для публичного использования — неизвестно.


— Если клиент хочет себе не такую одежду, как у остальных, а готов экспериментировать, система может ему помочь в этом?

— Сейчас мы ограничены рамками товаров «Рафинада» и поэтому регулярно получаем укоры от клиентов, которые имеют демо-доступ к системе, — они хотят чего-то новенького. Это проблема масштабирования, мы ее решим, как только у нас будет 5-10 тыс. партнерских товаров в сети. Как только к сети подключатся несколько десятков партнеров, среди которых будут мультибрендовые магазины, проблема выбора отпадет сама собой — вещей, как и возможностей для выбора, станет больше.

— Привычно ли для клиентов подбирать одежду не самостоятельно, а доверяя ИИ? Не встречались с луддизмом?

— Конечно, пока для пользователей это не совсем привычно, им хочется найти изъян в выборе робота. Мы постоянно с этим сталкиваемся, именно поэтому и считаем, что за этим будущее, так как только реальный прогресс встречает сопротивление, а лженаука и хайповые проекты остаются на обочине истории. Вспомните автомобиль — даже кучеры высмеивали водителей тех драндулетов, вспомните хулителей братьев Райт и Николы Теслы, а сколько хейтеров до 2012 года было у того же Илона Маска? Прогресс тяжело двигать именно потому, что горстка людей должна взвалить себе на плечи 7 млрд жителей Земли и насильно вытащить их из пещеры.

— Критики техноутопизма, например Евгений Морозов, не одобряют эйфорическое отношение к технологиям. Упрощая его тезис из книги The Net Delusion — унификация с помощью искусственного интеллекта убьет любое проявление индивидуальности. Это не так?

— А в чем индивидуальность? В том, что сумка LV выпускается в десятках тысяч копий? В том, что каждое платье D&G имеет миллион копий? Разве сайты путешествий убивают индивидуальность и дух первооткрывательства? Amazon убивает вашу сопричастность к домашнему быту? Facebook убивает общение? Проблемы начинаются тогда, когда есть перекос. Кто-то много сидит в соцсетях, кто-то зависим от спецпредложений Amazon, кто-то летает, только если удается купить билет по самой низкой цене. Для многих выбор одежды сегодня — рутинный и унылый процесс, который мы перезапустим и превратим в удовольствие.

Мода на блокчейне

— В «Стилисте» вы используете децентрализованные вычисления — для чего это нужно?

— Если у вас есть не три связанных между собой дата-центра, а десятки различных компьютеров с разными мощностями, это намного дешевле и безопаснее. Децентрализованная сеть — идеальная среда для построения нейросетей и глубокого машинного обучения, потому что для них нужна космическая вычислительная мощность; представьте, какой объем вычислений нужен, чтобы проанализировать вкусовые предпочтения десятков тысяч пользователей, — а если еще и сравнивать их между собой? К тому же децентрализованную систему крайне сложно взломать. Чтобы это сделать, нужно захватить не центральный сервер, а 51% всех вычислительных мощностей.

— То есть у вас две группы людей: покупатели дают новую информацию нейросети, которая учится на этом, а майнеры дают вычислительные мощности для процесса?

— Да, есть покупатели — пользователи нейросети, они покупают и автоматически дают нам свои метаданные для анализа. А есть те, кто хочет зарабатывать на нашей сети, — это майнеры, которые дают свои вычислительные мощности. Они устанавливают специальную программу, и нейросеть использует мощности компьютера для вычислений.

— В децентрализованной сети должно быть много активных участников. За счет кого вы планируете расширяться?

— Как показывают последние тенденции в криптобизнесе, очень скоро потребность в большом количестве оборудования для вычислений отпадет. Например, недавно биткойн внедрил систему SegWit, а многие блокчейн-системы уже сейчас перешли на технологию Proof-of-Stake, где большая вычислительная мощность не нужна (валидацию делает тот, у кого больше криптовалюты, остальные ее затем подтверждают). И куда деваться майнерам, которые становятся не нужны? Их оборудование можно применить в таких децентрализованных сетях, как наша.

Сейчас мы работаем над созданием платформы Nebula, которая сможет объединить майнеров для участия в подобных проектах. Участники, предоставляющие мощности для реальных вычислений, будут зарабатывать примерно в два раза больше, чем на майнинге. А в свободное от вычислений время будут получать комиссию за подтверждение транзакций собственной системной криптовалюты.

Автор: Ильнур Шарафиев

Загрузка...
Подписывайтесь на наши каналы в Telegram

«Хайтек» - новости онлайн по мере их появления

«Хайтек» Daily - подборки новостей 3 раза в день

Blue Origin протестировала системы высотного аварийного спасения для пассажиров New Shepard
Кейсы
Астрономы сфотографировали Нептун с Земли так же четко, как это делает «Хаббл»
Кейсы
Подростки, часто пользующиеся смартфонами, страдают от СДВГ в два раза чаще сверстников
Мнения
Американские военные оборудуют самолеты «глушилками» радиволн нового поколения
Кейсы
Монопольные войны
Еврокомиссия оштрафовала Google на 4,3 млрд евро. Это половина стоимости «Яндекса»
Беспилотный спортивный суперкар Roborace будет ездить быстрее профессиональных гонщиков из «Формулы-1»
Кейсы
Никита Бокарев, ESforce, — о деньгах, киберспорте и его немаргинальности
Тренды
Тренды
Огромная бескислородная мертвая зона в Индийском океане начала резко увеличиваться
Искусственный интеллект защитит водопровод от инфекций
Тренды
Rolls-Royce разработает роботараканов для быстрой диагностики авиадвигателя
Тренды
Илон Маск и руководители Google Deep Mind отказались от разработки оружия с ИИ
Идеи
Ученые обнаружили в земной коре квадриллион тонн алмазов. Извлечь их не удастся
Тренды
Астрономы обнаружили 12 новых спутников Юпитера
Тренды
Российские модули для МКС могут использовать при строительстве станции Gateway на орбите Луны
Идеи
Выставка «David Bowie Is» появится в VR. Теперь Боуи можно не только слушать из дома, но и смотреть!
Тренды
Онкологи смогут диагностировать рак на ранней стадии с помощью проволоки в кровеносных сосудах
Борьба с раком
«Яндекс» будет развивать беспилотный транспорт на дорогах Москвы
Беспилотные автомобили
PwC: Искусственный интеллект уничтожит столько же рабочих мест, сколько и создаст
Роботы
Тренды
YouTube-депрессия: как создатели популярных каналов боятся потерять подписчиков и разум
Aston Martin создал частный самолет с вертикальным взлетом для борьбы с пробками
Идеи
«Ростех» представил камуфляж-хамелеон. Он сам меняет цвет в зависимости от окружающей среды
Идеи
Роскосмос запустит сверхтяжелую ракету-носитель на водородном топливе в 2027 году
Кейсы
Virgin Orbit получила лицензию на запуск своей первой ракеты
Тренды
Ученые нашли простой способ производства резонаторов для солнечных батарей
Тренды
Движения тела помогут обучить новичков управлению дронами
Идеи
CRISPR может вызвать более серьезные повреждения ДНК, чем думали ученые
Идеи
Мнения
Химики назвали Туринскую плащаницу художественной подделкой
Генетики обнаружили элементы, отвечавшие за выход растений на сушу
Идеи
Посмотрите, как победившие в конкурсе живописи RobotArt роботы подражают Ван Гогу
Тренды
Гельмут Райзингер, Orange Business Services, — об IIoT, 5G и телеком-стартапах
Мнения
«Робот берет вас на работу»: как искусственный интеллект, блокчейн и VR подбирают персонал
Мнения
Телемедицина, роботы и умные дома: каким через 5 лет будет «оцифрованный» город в России
Тренды
Мясная революция: как перейти от веганских заменителей к клеточным технологиям и биореакторам
Идеи
AI-выборы: как искусственный интеллект и голосовые помощники сделают демократию лучше
Тренды
Идеи
Тупик для беспилотников: как мечты разработчиков разбиваются о неожиданности на дорогах
Здесь нужен InsurTech: за какими стартапами будущее страхования
Мнения
Идеи
Вирус лженауки в Google: как поисковые системы распространяют опасные мифы о прививках
«Кто-то управляет моим домом»: как жертв домашнего насилия терроризируют с помощью умных устройств
Умный дом
Паскаль Фуа, EPFL, — о ключевых точках, глубоких нейросетях и эпиполярной геометрии
Мнения
20 фильмов о кибербезопасности, взломах и цифровых преступлениях
Тренды
Ян Лекун, Facebook: «Прогностические модели мира — решающее достижение в ИИ»
Мнения
Джианкарло Суччи: «Попытка спроектировать программу без багов — утопия»
Иннополис
Game out: Как видеоигры обучают детей-аутистов держать равновесие и узнавать людей
Тренды
Прослушка, контроль камеры и предсказание смерти пользователя: самые странные патенты Facebook
Кейсы
Цес Снук, QUVA: «Мы не хотим зависеть от крупных компаний, которые владеют всеми данными»
Мнения
Дмитрий Песков, АСИ: «В России традиционно долго запрягают, и в сфере IT мы только этим и занимаемся»
Иннополис
ДНК-тесты: как генетические компании обманывают людей и разрушают семьи
Мнения
Мануэль Маццара: «Для Facebook вы не покупатель, вы — продукт»
Иннополис
Тренды
Блокчейн, искусственное мясо и «смерть» смартфонов: что будет с технологиями через 10 лет