О нейросетях для работы с контентом, механиках автоматической модерации в соцсетях и бизнес-нуждах

«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 СенниковДиректор проектов в контент-направлении, ОдноклассникиВедущий подкаста: Юра АгеевПодписывайтесь на канал анонсов подкаста: t.me/mspodcast.Подкаст выходит при поддержке конференции ProductSense productsense.io. Конференция пройдет 4–5 сентября 2023 в МосквеО чем говорим:1:47 История отношений нейросетей и бизнеса4:26 Зачем социальным сетям нейронные сети7:26 Как нейронные сети помгают бороться с мошенниками9:59 Как нейросети учатся различать видео14:08 Деградация нейросетей17:38 Распознавание поведения пользователей и ботов20:55 Что означает слово «модель» применительно к нейросетям23:59 Как происходит обучение модели для обучения27:50 Как нейросети помогают вычислять кликбейтный контент33:18 Какие модели дают более высокую точность35:08 Как повышать точность распознавания модели 36:40 Почему натренированная нейросеть не сработает на другом типе задач42:07 Насколько быстро должны принимать решения нейросети44:55 Скорость обучения моделей48:20 Сколько моделей крутится в продакшене Одноклассников. Оптимизация работы с моделями50:55 На какие показатели бизнеса влияют нейронные сети53:25 Как нейросети угадывают предпочтения конкретного пользователя1:00:17 Как сбор данных от пользователей помогает обучать модели1:03:00 Дипфейки, войсфейки и развлекательные механики, основанные на них1:05:58 Как будут использоваться в процессе создания контента генеративные сети1:07:27 Насколько широкий спектр задач могут решать генеративные сети и насколько хорошо они решают узкоспециализированные задачи1:12:29 Стоит ли отдавать бизнес-данные сторонним нейросетям1:14:00 Бизнес vs сторонние нейросети1:18:42 Может ли произойти демократизация продвинутых моделейВ подкасте упоминаютсяКитайская комната, эксперимент clck.ru/EWudjGoogle Vision API cloud.google.com/vision