Проекты ML Lab - это не только интересные научные инициативы, но и серьезные последствия для бизнеса. Некоторые из таких проектов уже произвели впечатление на исследовательские и отраслевые сообщества по всему миру, изменив крупный бизнес и цифровую жизнь людей!

Некоторые из них выполняет Проф. Александр Фарсеев и его Media Research Group в ИТМО, которая входит в состав Лаборатории машинного обучения.

- В Media Research Group мы выполняем несколько взаимосвязанных проектов AI Research. Большинство из них также связаны с социальными сетями и анализом мультимедийного контента.

Наша междисциплинарная исследовательская группа состоит из докторов наук. и студенты магистратуры, выполняющие проекты в соответствии с их конкретными поднаправлениями исследований и близкие к отраслевым приложениям.

Конечно, как академическая исследовательская группа, мы публикуем результаты наших исследований в различных ведущих мультимедийных и ИИ исследовательских журналах и на конференциях, таких как AAAI, SIGIR и ACM MM. Однако мы твердо убеждены в том, что лучшие исследования должны быть тесно связаны с потребностями отрасли, и поэтому ниже мы уделим больше внимания тем проектам, которые ближе к непосредственным приложениям реального мира.

Первый проект посвящен профилированию пользователей социальных сетей.

Когда дело доходит до профилирования пользователей социальных сетей, все сводится к поиску сбалансированного способа включения различных источников данных, доступных в Интернете, в экосистемы машинного обучения.

Вкратце, ключевая идея здесь заключается в том, что мы исследуем так называемые алгоритмы «многовидового обучения», которые могут обрабатывать не только один источник данных в социальных сетях (например, Instagram) и не только одну модальность данных (давайте скажем, текст), но одновременно несколько источников данных и модальностей (тексты, изображения, видео, смайлы и т. д.). Такое более полное представление данных позволяет получить более целостное представление о данных, созданных пользователем, что в результате влечет за собой более высокую производительность профилирования.

Одна из самых известных историй о наших алгоритмах - это ажиотаж, произошедший в 2017 году. Вы можете погуглить, мы действительно узнали, профилируя Дональда Трампа как холостого на основе его ленты в Твиттере, хотя мы все знаем, что он женатый парень. Эти прогнозы искусственного интеллекта показались миру довольно спорными, но все же показывают настоящего меня президента США. Поскольку в то время это была горячая тема, даже The Independent упомянули нас в своей статье, и десятки других медиа по всему миру последовали их примеру.

В той научной рукописи мы прогнозировали личностные показатели пользователей социальных сетей по шкале MBTI (индикатор типа Майерс-Бриггс). Но, конечно же, это лишь верхушка айсберга современных возможностей ИИ в социальных сетях.

Например, некоторые современные облачные платформы искусственного интеллекта, такие как Social Bakers или SoMin.ai, могут выйти за рамки профилирования личности, выполняя так называемый психографический анализ, который заключается в выявлении скрытых черт личности, определяющих наше повседневное принятие решений в каждом конкретном случае. единственный аспект жизни.

Но как насчет второго столпа цифрового маркетинга - креативного контента?

Что ж, наш второй исследовательский проект решает именно эту проблему.

В частности, основная идея здесь заключается в том, что можно создавать вариации контента социальных сетей, используя так называемые генеративные состязательные сети (GAN). Нейронные архитектуры GAN обычно состоят из двух основных компонентов: генератора и дискриминатора. Основная идея состоит в том, что одна нейронная сеть пытается сгенерировать поддельный контент, а другая пытается выяснить, является ли входной контент поддельным или настоящим. Когда дискриминатор больше не может отличать примеры поддельного контента от реальных, это признак того, что генератор теперь может создавать довольно реалистичные поддельные изображения.

Такая технология действительно может использоваться во многих сценариях приложений. Например, его можно использовать для создания маркетингового контента или локализации описания товара в электронной коммерции, чтобы оно наилучшим образом соответствовало предпочтениям клиентов. Мы уверены, что сети GAN - это технология будущего для индустрии цифрового маркетинга и творчества.

Мы также использовали GAN в SoMin.ai. Например, один из вариантов архитектуры GAN был использован для создания первого в мире блоггера социальных сетей, созданного с помощью искусственного интеллекта, для PUMA Asia Pacific. Вы можете посетить ее Instagram - ее зовут Майя, и она никогда не существовала в реальном мире, а была создана нейронной сетью! Удивительно, не правда ли? Она встречается с реальными людьми, делает селфи, живет своей обычной виртуальной жизнью, которой никогда не существовало в физическом мире.

Что дальше? Виртуальные друзья, роботы на улицах? Что ж… посмотрим! Ясно только одно - в ML Lab @ ITMO мы строим не просто будущее современной науки, а будущее Человечества!