Q:
Ako môže strojové učenie fungovať od zjavnej neefektívnosti pri zavádzaní novej efektívnosti pre podnikanie?
A:Jednou z najväčších potenciálnych aplikácií systémov strojového učenia je ťažba dôležitej efektívnosti pre obchodné procesy a operácie. Táto oblasť stále rastie, pretože strojové vzdelávanie sa vyvíja a predajcovia ponúkajú spoločnostiam výkonnejšie nástroje na hodnotenie obchodných scenárov.
| Zdarma na stiahnutie: Strojové učenie a prečo na tom záleží |
Strojové učenie môže vo všeobecnosti poskytnúť efektívnosť skúmaním väčšej škály možností a možností, z ktorých niektoré sa môžu zdať neefektívne na ich tvári. Vynikajúcim príkladom je proces nazývaný simulované žíhanie, ktorý zahŕňa algoritmy, ktoré vedú k výsledkom rovnakým spôsobom, ako inžinieri ochladzujú kov po kovaní. V istom zmysle systém prijíma údaje a skúma tieto neefektívne cesty alebo výsledky, aby zistil, či, ak sú kombinované, pozmenené alebo akokoľvek manipulované, môžu skutočne viesť k efektívnejšiemu výsledku. Simulované žíhanie je len jedným z mnohých spôsobov, ako môžu vedci údajov vytvárať komplexné modely, ktoré môžu vykoreniť hlbšie efektívne možnosti.
Jedným zo spôsobov, ako premýšľať o tomto type schopnosti strojového učenia, je pozrieť sa na vývoj navigačných systémov GPS v posledných rokoch. Prvé generácie navigačných systémov GPS by mohli používateľom poskytnúť množstvo najúčinnejších trás založených na veľmi základných údajoch - alebo skôr na údajoch, ktoré sa nám teraz javia ako veľmi základné. Používatelia mohli nájsť najrýchlejšiu trasu po diaľniciach, najrýchlejšej trase bez mýta atď. Ako sa však motoristi dozvedeli, systém GPS nebol optimálne efektívny, pretože nerozumel problémom, ako sú cestné práce, nehody atď. U úplne nových systémov GPS tieto Výsledky sú zabudované do zariadenia a GPS poskytuje opäť oveľa efektívnejšie odpovede, pretože algoritmus zvažuje cesty, ktoré sa môžu javiť ako neefektívne pre základnejší systém. Učením stroj zistí efektívnosť. Predstavuje ich užívateľovi a výsledkom je omnoho viac optimalizovaná služba. Toto je typ veci, ktorú by strojové učenie urobilo pre podnik - uvoľní efektívnosť odhalením skrytých ciest, ktoré sú optimálne a efektívne, aj keď vyžadujú určitú analytickú zložitosť. Tieto systémy, ktoré sú zamerané na poskytovanie optimálnych výsledkov, sa nepoužívajú iba na získavanie informácií o digitálnom podnikaní; napríklad správa spoločnosti GE ukazuje, ako používanie systémov strojového učenia môže dramaticky zlepšiť fungovanie uhoľných elektrární poskytujúcich energiu komunitám.
