С вами общается ИИ, а не человек. Яндекс GO раскрыл секреты работы техподдержки такси

То есть при изменении логики поддержки — шаблонов ответа, тематик обращений и др. Как это реализовано Этап 1. Определяем тематику текста с помощью ML Сначала мы составили дерево тематик обращений и натренировали классификатор ориентироваться в них.

Вот что еще мы писали по этой теме

Возможных проблем набралось около с поездкой водитель не приехал , с приложением не получается привязать карту , с автомобилем грязная машина и др. Как упоминалось выше, мы воспользовались предобученной моделью на основе BERT. То есть для классификации текста запроса нужно представить его в виде векторов так, чтобы похожие по смыслу предложения лежали рядом в получившемся пространстве.

BERT предобучается на двух задачах с неразмеченными текстами. Вторая задача учит определять связь между предложениями: два поданных на вход располагались подряд или были разбросаны по тексту.

• На данный момент такси «Яндекса» без водителей курсирует между точками в московском районе Ясенево. .

• «Яндекс» запустил первое беспилотное такси в Москвеавтомобили с искусственным интеллектом ездят по району Ясенево.

• Jun , «Яндекс» запустил первое беспилотное такси в Москвеавтомобили с искусственным интеллектом ездят по району Ясенево

• В «Яндексе» уточнили, что попробовать беспилотное такси смогут пользователи от лет, которые ранее подали заявку на сайте проекта. .

• Екатерина Палкина. Ведущие вузы России, Сбер и «Яндекс» запустят первый бакалавриат для создателей ИИ-технологий будущего Иван Адоньев. «Яндекс.

Такси, мы получили сеть, способную предсказывать тематику сообщения с поправкой на специфику нашего сервиса. Однако частота тематик и сами тематики меняются: чтобы сеть обновлялась вместе с ними, отдельно дообучаем только нижние слои модели на самых свежих данных — за последние несколько недель.

Так знание особенностей текстов поддержки сохраняется, а вероятности для возможных классов оказываются распределены адекватно текущему дню. Ещё немного об адекватности: для всех наших сервисов — в том числе Такси — была разработана целая библиотека модулей архитектур моделей и способов валидации порогов вероятностей. Она позволяет: экспериментировать, исходя из особенностей конкретной поддержки: для иерархической структуры классов подобрать архитектуру с кастомными слоями, для входных данных разных типов — умеющую обрабатывать нетекстовую информацию; убедиться, что модель достаточно уверена в предсказанном классе и не ляпнет пользователю глупость.

За это отвечает модуль с функциями, валидирующими пороги вероятностей. Например, исходя из ограничений точности определения класса запроса, можно задать порог, который будет соответствовать точности работы сотрудника поддержки. Этап 2. Работаем с информацией о поездке: прописываем бизнес-правила для каждого шаблона Сотрудникам поддержки был предложен интерфейс, где для каждого шаблона ответа требуется прописать некоторое обязательное правило.

Как это выглядит, например, для случая с двойной оплатой: Шаблон: «Здравствуйте.

Артём Баусов

Я всё проверил: поездка оплачена один раз. Пожалуйста, проверьте выписку с банковского счёта, чтобы во всём убедиться. Этап 3. Выбираем ответ: соединяем соответствующие тематики текста и бизнес-правила для шаблонов Каждой тематике ставим в соответствие подходящие шаблоны ответов: тематика определяется методами ML, а откликающиеся на нее шаблоны проверяются на истинность правилом из предыдущего пункта.

Если таких вариантов несколько, будет выбран самый популярный у сотрудников поддержки. Кстати, процессы взаимодействия с водителями в Яндекс.

"Как искусственный интеллект помогает компании "Яндекс". Уже сейчас в бизнес-процессах. Возьмем простой пример, когда спрос на такси вырастает. В какой-то  Яндекс запускает первое роботакси в Москве. На первом этапе оно будет Мы готовимся к запуску тестирования первого беспилотного такси в Москве и приглашаем  Oct , «Яндекс» начал тестировать беспилотное такси, которым управляет искусственный интеллект на федеральной территории «Сириус».

Такси при этом никак не меняются: модель только выбирает за оператора нужный шаблон и самостоятельно отвечает пользователю. Финализируем Ура. Система спроектирована, запуск состоялся, оптимизация показывает прекрасные результаты, но расслабляться еще рано.

Автоответы должны стабильно функционировать без постоянного вмешательства и легко масштабироваться — самостоятельно или в полуручном режиме. Этого мы добились благодаря трёхчастной структуре системы: Оффлайн-разработка — на этой стадии изменяются модели, готовятся правила; Production service — микросервис, который подхватывает обновления, применяет их и отвечает пользователям в реальном времени; Последующий анализ результатов, чтобы убедиться — новая модель работает корректно, пользователи довольны автоответами.

И снова к примерам. Топ самых популярных хотелок заказчиков и как мы справляемся с ними без написания кода : У Такси классные автоответы: хочу такие же в Яндекс.

Еде Чтобы подключить любую поддержку к нашей системе, потребуются четыре простых шага: Составить дерево тематик для текстов; Каждой тематике поставить в соответствие шаблоны; Заполнить набор правил с шаблонами в нашей админке; Предоставить таблицу соответствий между обращениями пользователей и ответами поддержки.

Если все это есть, мы зададим путь до новой выгрузки, модель доучится на полученных данных и подтянется в наш микросервис вместе со всеми заданными правилами интегрируются с определенной ML тематикой. Обратите внимание: никакой новой логики не пишется, все в рамках существующего процесса. Логика поддержки поменялась, хотим новые правила Пожалуйста — заполните новые правила в нашей админке.

Если все прошло успешно, заполненные правила превращаются в конфиг и подгружаются в ML-сервис. Прошло меньше часа, а бизнес-правила обновлены в production, не написано ни единой строчки кода, программисты не потревожены.

Первый авто — беспилотная Sonata

Допустим, эксперты ввели правило: использование некоторого шаблона ответа возможно только для заказов стоимостью выше рублей. Если это ограничение заработает, тикеты для поездок на меньшую сумму останутся незакрытыми, доля автоматических подобранных ответов сократится, КПД всей системы снизится.

Чтобы такого не случилось, важно вовремя перехватить неудачные правила и отправить на доработку. Добавили новую тематику, хотим поменять модель, нужно чтобы завтра все работало. Часто специалисты по контенту хотят добавить новую тематику, разделить на несколько уже существующую или удалить неактуальную. Без проблем — потребуется изменить в админке соответствие тематик и шаблонов ответов.

«Яндекс» запустил первое беспилотное такси в Москвеавтомобили с искусственным интеллектом ездят по району Ясенево

Если новые или измененные тематики уже появлялись в ответах сотрудников поддержки первой линии, то модель при регулярном переобучении, автоматически подтянет эти данные и рассчитает для них пороги на данных за последнюю неделю, за исключением отложенного на тест множества.

На тестовой выборке старая и новая модель сравниваются по специальным метрикам — точность, доля автореплая. Если изменения положительные, в production выкатывается новая модель. Анализируем метрики: не просадить, не сломать Ориентироваться будем на два критерия — среднюю оценку автоответа пользователем и возникновение дополнительных вопросов. Изменения мониторились в аб-эксперименте, статистически значимой просадки метрик не наблюдалось, более того, зачастую пользователи высоко оценивали результаты работы модели из-за скорости ответа.

Однако как бы мы не старались, методы машинного обучения иногда выдают абсурдные реакции. После очередного обновления модели, мы отловили такой случай: Пользователь: Спасибо водителю, машина приехала вовремя, водитель молодец, все прошло прекрасно. Саппорт: Водителя накажем, такого больше не повторится. Запуск, к счастью, был тестовый.

А проблема была в следующем: модель училась отвечать на отзывы с рейтингом меньше 4, а мы иногда по ошибке показывали ей отзывы с 4 и 5 звёздами.

Разумеется, из-за ограничений при обучении, ничего более умного нейронка ответить и не могла. При внедрении такие случаи редки 0. О выводах и планах на будущее После подключения системы автоматических ответов мы стали значительно быстрее реагировать на обращения пользователей и уделять максимум внимания действительно сложным случаям, требующим детального разбирательства. Надеемся, что это поможет нам улучшить качество Яндекс.

Регистрация

Такси и минимизировать количество неприятных инцидентов.

Планируем и дальше развивать метод и довести процент использования автоответов на первой линии до Ну и, конечно же, продолжать помогать вам — поддерживать в наших приложениях и делиться опытом об этом на Хабре. Теги: яндекс такси команда яндекс go машинное обучение поддержка.

Это сервис заказа автомобилей, которыми управляет искусственный интеллект. «Роботакси работают в тестовом режиме в районе Ясенево каждый день с семи утра до часа ночи "Яндекс" открыл в Москве роботаксисервис заказа авто, которыми управляет искусственный интеллект Первые испытания машин мы провели на закрытой территориив Москве, недалеко от главного офиса Яндекса. Они показали, что прототипы успешно справляются с задачами. Следующий шагэто

Комментарии Например, стартап Cognition Labs недавно разработал своего ИИ-инженера по имени Девин, который способен выполнять инженерные проекты практически автономно.

Ранее ChatGPT продемонстрировал уровень, достаточный для прохождения технического собеседования 3-го уровня в Google, что также подтверждает рост возможностей ИИ в программировании. Однако массовое внедрение ИИ для написания кода несёт и риски. Если ИИ обучен на лицензированном или устаревшем коде, могут возникнуть проблемы с авторскими правами или уязвимости в безопасности. Некоторые компании, уже использующие ИИ-код, столкнулись с киберугрозами и перебоями, что подчеркивает важность контроля со стороны человека.

Google продолжает внедрять ИИ-решения в свои продукты и платформы, включая улучшенные AI-обзоры в поисковой выдаче и новые функции на YouTube.

• Jun , Это сервис заказа автомобилей, которыми управляет искусственный интеллект. «Роботакси работают в тестовом режиме в районе Ясенево каждый день с семи утра до часа ночи

• Делитесь подобными наблюдениями и давайте поймем, что происходит. [моё] Яндекс Такси Искусственный интеллект.

• Источник: пресс-служба «Яндекса». В Москве начали тестировать беспилотное такси, которое управляется без физического присутствия человека. Роботаксисервис заказа автомобилей, которыми управляет искусственный интеллект. .

Следующим шагом в развитии ИИ для компании станет выпуск модели Gemini 3. Gemini 3. Если такая модель будет реализована, Google сможет передать больше задач своим ИИ-моделям, что дополнительно усилит её технологическое превосходство.

Тем не менее, такие системы имеют свои ограничения.

В середине мая Яндекс. Это не означает, что машина без водителя приедет на ваш вызов уже в ближайшее время. В испытаниях приняли участие два беспилотных автомобиля. Это рабочие прототипы: их ещё предстоит усовершенствовать, но они уже умеют самостоятельно передвигаться по заданному маршруту, определять и объезжать препятствия, в том числе другие автомобили и людей. Если препятствие объехать нельзя, машина останавливается и возобновляет движение, когда это становится.

Второй прототип основан на Kia Soul. На самом яндекс такси искусственный интеллект, модель машины не очень важна. Машины оснащены камерами, которые смотрят в разных направлениях.

ИИ может генерировать ошибки «галлюцинации» или быть подвержен обману, что делает необходимым соблюдение строгих мер безопасности и постоянный контроль со стороны специалистов. Поиск Написать публикацию.

Артем Калеев. Пока что роботакси работает в тестовом режиме: заказать машину могут лишь избранные пользователи. В их число можно попасть, если оставить заявку на участие в тестировании. Садиться внутрь можно лишь одному, но со временем ограничения смягчат. Машина не пустая, впереди сидит водитель-испытатель.

Яндекс запустил в Москве роботакси

день таксиста поздравления

цвет авто для яндекс такси