Q:
Как може машинното обучение да работи от очевидна неефективност, за да се въведе нова ефективност за бизнеса?
A:Едно от най-големите потенциални приложения на системите за машинно обучение е извличането на важна ефективност за бизнес процесите и операциите. Това поле все още процъфтява с развитието на машинното обучение, а продавачите предлагат на компаниите по-мощни инструменти за оценка на бизнес сценариите.
| Безплатно изтегляне: Машинното обучение и защо има значение |
Като цяло машинното обучение може да осигури ефективност чрез изследване на по-голям набор от възможности и възможности за избор, някои от които могат да изглеждат неефективни на лицето им. Отличен пример е процес, наречен симулирано отгряване, който включва алгоритми, които дават резултати по едни и същи начини, по които инженерите охлаждат метала след коване. В известен смисъл системата поема данните и изследва тези неефективни пътища или резултати, за да открие дали, ако се комбинират, променят или манипулират по някакъв начин, всъщност могат да доведат до по-ефективен резултат. Симулираното отгряване е само един от многото начини, по които учените на данните могат да създават сложни модели, които да изкоренят по-дълбоки ефективни възможности.
Един от начините да се мисли за този тип възможности за машинно обучение е като разгледаме как се развиват GPS навигационните системи през последните години. Ранните поколения GPS навигационни системи биха могли да предоставят на потребителите редица най-ефективни пътеки, базирани на много основни данни, или по-скоро на данни, които сега ни се струват много основни. Потребителите биха могли да намерят най-бързия маршрут, използвайки магистрали, най-бърз маршрут без пътни такси и т.н. Въпреки това, както шофьорите научиха, GPS не беше оптимално ефективен, тъй като не разбираше проблеми като пътни работи, аварии и т.н. С чисто нови GPS системи, тези резултатите са вградени в машината, а GPS отново предоставя много по-ефективни отговори, защото алгоритъмът обмисля пътища, които могат да изглеждат неефективни към по-основна система. Като се научи, машината разкрива ефективността. Тя ги представя на потребителя и в резултат на това предоставя много по-оптимизирана услуга. Това е типът нещо, което машинното обучение би направило за предприятието - то ще освободи ефективността чрез разкриване на скрити пътища, които са оптимални и ефективни, въпреки че изискват известна аналитична сложност. Тези системи, които са така насочени към осигуряване на оптимални резултати, не се използват само за извличане на цифрова бизнес информация; например, доклад от GE показва как използването на системи за машинно обучение може да подобри драстично работата на въглищните централи, осигуряващи енергия на общностите.
