На Harvard Business Review вышла забавная статья Is “Murder by Machine Learning” the New “Death by PowerPoint”? Для тех, кто не в курсе явления «смерти через PowerPoint», поясняю: в ОЧЕНЬ крупных компаниях всегда была проблема с бесконечными совещаниями, на которых не происходит ничего, зато убивается куча времени. С появлением презентаций в PowerPoint проблема увеличилась, от чего и получила своё ёмкое название.
«Смерть через PowerPoint» — это когда вы тратите 146% рабочего времени на просмотр круговых диаграмм очередного мотивированного менеджера восьмого звена, который хочет поднять эффективность рабочего процесса и склепал на эту тему очередную нелепую презентацию на пол часа (на самом деле умник просто хочет выделиться перед начальством).
Термин старый, но не сильно популярный в наших краях. Сейчас им называют любой рабочий процесс, который делается «как бы ради всеобщего блага», но на самом деле тратит больше ресурсов на обсуждение, чем приносит выгоды. Процесс ради процесса, короче.
Есть мнение, что «давайте применим здесь машинное обучение» — это новый аналог «сделаем презентацию в PowerPoint». Скучающие менеджеры насмотрелись лекций Себранта и подумали — вон в Яндексе машинное обучение, нам тоже нужно. Валера, тащи жифорс, щас конверсию повышать будем!
В оригинальной статье главной проблемой называют когнитивные искажения и человеческий фактор, понижающий эффективность машин. Например, когда Валера запилил рекомендательную систему на весьма неплохом алгоритме LSA, а к нему подходит менеджер и говорит «че она мне боевики рекомендует, давай комедий побольше, наши пользователи любят посмеяться». Менеджер доволен, а на годы исследований рекомендательных систем ему насрать. У нас тут +1% конверсии (вместо 20%) и квартальная премия на горизонте.
Я же хочу зайти еще дальше. Нарочито жестко и однобоко, чтобы все лучше уловили суть. В погоне за священным граалем машинного обученияна моей памяти загнулся ни один десяток стартапов. Программисты по пол года пилят «умные» алгоритмы, маркетологи изо всех сил пишут пресс-релизы, а потом опа — у всех кончаются деньги. Но как же таааак?
Да, машинное обучение часто полезно для бизнеса — но для этого у вас должен быть бизнес. Миллион пользователей, которые ежедневно пользуются продуктом, куча данных об их предпочтениях, понимание предметной области — куда копать, что улучшать.
Машинное обучение поможет сделать лучше там, где уже хорошо. Но оно не сможет волшебным образом cделать хорошо из нихрена
Это инструмент. Как ключ на 14.
Интернет-магазин, который продаёт три пары носков в месяц, может потратить миллион рублей чтобы сделать «рекомендации почти как у амазона», но зачем? Даже половина этой суммы, вложенная в нормальный маркетинг, даст раз в десять больше выгоды. Вторая половина, потраченная на переработку интерфейса, принесёт еще столько же. Если, конечно, проект изначально не дерьмо.
«Эффективные менеджеры» превратили машинное обучение в новый способ переложить свою работу на программистов
Компании с бесконечными деньгами могут себе позволить пилить алгоритмы хоть до тепловой смерти вселенной. Но в мелких конторках, когда кто-то всерьез предлагает забабахать машинное обучение (и это не является основной идеей проекта), всем нужно встать и задуматься — а зачем? Можно ли решить задачу проще? Чаще всего не просто можно, но и получится в разы лучше.
Можно всрать три месяца на рекомендательную систему (которая будет работать хреново, ведь у вас целых три пользователя), а можно вместо этого сделать, например, категории или редакторские подборки. Что интереснее новому пользователю: месяц обучать ваш всратый алгоритм или кликнуть на подборку от именитых дизайнеров и позалипать на картиночки?
Беда в том, что, по моему личному опыту, объяснять такое всегда очень больно, а зачастую бесполезно. Потому что «Ты не понимаешь чтоле, вон у фейсбука…» — так может вам для начала и стать как фейсбук?
Люди в интернете вообще сыты по горло алгоритмическим дерьмом. Сейчас ценят крафт и ручной подход, но об этом уже поговорим в следующем выпуске.