Q:
Як машинне навчання може працювати з очевидною неефективністю, щоб запровадити нові ефективність для бізнесу?
A:Одним з найбільших потенційних застосувань систем машинного навчання є видобуток важливих показників ефективності бізнес-процесів та операцій. Це поле все ще процвітає, коли розвивається машинне навчання, і виробники пропонують компаніям більш потужні інструменти для оцінки бізнес-сценаріїв.
| Безкоштовне завантаження: машинне навчання і чому це важливо |
Взагалі машинне навчання може забезпечити ефективність, вивчивши більшу кількість можливостей та варіантів, деякі з яких можуть здатися неефективними для їх обличчя. Прекрасним прикладом є процес, який називається імітованим відпалом, який включає алгоритми, які дають результати деякими тими ж способами, якими інженери охолоджують метал після кування. У певному сенсі система бере дані та вивчає ці неефективні шляхи чи результати, щоб виявити, чи поєднувати, змінювати чи маніпулювати яким-небудь чином вони можуть насправді дати більш ефективний результат. Імітований відпал - це лише один із багатьох способів, завдяки яким вчені можуть створити складні моделі, які можуть викорінити більш глибокі ефективні варіанти.
Один із способів подумати про цей тип можливостей машинного навчання - це переглядати, як розвивалися GPS-навігаційні системи в останні роки. Ранні покоління GPS-навігаційних систем могли б надати користувачам ряд найефективніших шляхів на основі дуже основних даних, а точніше - даних, які зараз нам здаються дуже базовими. Користувачі могли знайти найшвидший маршрут за допомогою автомобільних доріг, найшвидшого маршруту без плати за проїзд тощо. Однак, як дізналися автомобілісти, GPS не був оптимально ефективним, оскільки він не розумів таких питань, як дорожні роботи, аварії тощо. З новими системами GPS це результати вбудовані в машину, і GPS знову дає набагато ефективніші відповіді, оскільки алгоритм розглядає шляхи, які можуть здатися неефективними до більш базової системи. Навчившись, машина виявляє ефективність. Він представляє їх користувачеві, і, як результат, надає набагато більш оптимізовану послугу. Це такий тип речей, який машинне навчання зробить для підприємства - це звільнить ефективність, розкривши приховані шляхи, які є оптимальними та ефективними, хоча вони вимагають певної аналітичної складності. Ці системи, націлені на досягнення оптимальних результатів, не використовуються лише для розробки цифрової бізнес-розвідки; наприклад, звіт від GE показує, як використання систем машинного навчання може значно покращити роботу вугільних установок, що забезпечують живлення громадами.
