Q:
Kaip mašinų mokymasis gali būti naudingas dėl akivaizdžių neveiksmingumų, siekiant įvesti naują efektyvumą verslui?
A:Vienas didžiausių galimų mašininio mokymosi sistemų taikymo būdų yra svarbaus verslo procesų ir operacijų efektyvumo iškasimas. Ši sritis vis dar klesti, tobulėjant kompiuteriniam mokymuisi, o pardavėjai siūlo įmonėms galingesnius įrankius verslo scenarijams įvertinti.
| Nemokamas atsisiuntimas: mašinų mokymasis ir kodėl tai svarbu |
Apskritai mašininis mokymasis gali būti efektyvus, išnagrinėjus įvairesnes galimybes ir pasirinkimus, iš kurių kai kurie jų gali atrodyti neveiksmingi. Puikus pavyzdys yra procesas, vadinamas modeliuotu atkaitinimu, apimantis algoritmus, kurie sukuria rezultatus tais pačiais būdais, kuriais inžinieriai atvėsina metalą po kalimo. Tam tikra prasme sistema imasi duomenų ir nagrinėja šiuos neefektyvius kelius ar rezultatus, kad surastų, ar sujungus, pakeitus ar kitaip manipuliuojant, jie iš tikrųjų gali duoti efektyvesnį rezultatą. Imituotas atkaitinimas yra tik vienas iš daugelio būdų, kaip duomenų mokslininkai gali sukurti sudėtingus modelius, galinčius išnaikinti gilesnes efektyvias galimybes.
Vienas iš būdų galvoti apie tokio tipo mašinų mokymosi galimybes yra pažvelgti į tai, kaip pastaraisiais metais vystėsi GPS navigacijos sistemos. Ankstyvosios GPS navigacijos sistemų kartos vartotojams galėtų pateikti daugybę veiksmingiausių kelių, pagrįstų labai pagrindiniais duomenimis, arba, tiksliau, duomenimis, kurie dabar mums atrodo labai pagrindiniai. Naudotojai galėjo rasti greičiausią kelią naudodamiesi greitkeliais, greičiausią maršrutą be rinkliavų ir pan. Tačiau, kaip sužinojo vairuotojai, GPS nebuvo optimaliai efektyvus, nes nesuprato kelių, tokių kaip kelio darbai, avarijos ir pan., Naudojant visiškai naujas GPS sistemas, šios Rezultatai yra integruoti į mašiną, o GPS vėl pateikia daug efektyvesnius atsakymus, nes algoritmas svarsto kelius, kurie gali atrodyti neveiksmingi pagrindinei sistemai. Mokydamasis mašina atranda efektyvumą. Tai vartotojui pateikiama, todėl jos teikia daug daugiau paslaugų. Tai yra dalykas, kurį mašininis mokymasis darytų verslui - jis išlaisvins efektyvumą, atskleisdamas optimalius ir efektyvius paslėptus maršrutus, net jei jie reikalauja tam tikro analitinio sudėtingumo. Šios sistemos, kurios yra skirtos optimaliems rezultatams pasiekti, nėra naudojamos tik skaitmeninės verslo žvalgybos gavybai; Pavyzdžiui, GE ataskaita parodo, kaip mašinų mokymosi sistemų naudojimas gali smarkiai pagerinti anglies jėgainių, tiekiančių energiją bendruomenėms, darbą.
