V:
Kako lahko strojno učenje deluje iz očitne neučinkovitosti in uvaja nove učinkovitosti za podjetja?
A:Ena največjih potencialnih aplikacij sistemov strojnega učenja je izkoriščanje pomembnih učinkovitosti poslovnih procesov in operacij. To področje je še vedno v razcvetu, ko se razvija strojno učenje in prodajalci ponujajo podjetjem močnejša orodja za oceno poslovnih scenarijev.
| Prosti prenos: Strojno učenje in zakaj je pomembno |
Na splošno lahko strojno učenje zagotavlja učinkovitost s preučevanjem večjega števila možnosti in izbire, od katerih se nekatere morda zdijo neučinkovite. Odličen primer je postopek, imenovan simulirano žarjenje, ki vključuje algoritme, ki dajejo rezultate na enak način, kot inženirji hladijo kovino po kovanju. V določenem smislu sistem prevzame podatke in preuči te neučinkovite poti ali izide, da ugotovi, ali lahko, če jih na kakršen koli način kombiniramo, spremenimo ali manipuliramo, dejansko prinesejo učinkovitejši rezultat. Simulirano žarjenje je le eden od mnogih načinov, s katerimi lahko znanstveniki s podatki ustvarijo zapletene modele, ki lahko izkoreninijo globlje učinkovite možnosti.
Eden od načinov za razmišljanje o tej vrsti zmogljivosti strojnega učenja je gledanje, kako so se v zadnjih letih razvijali GPS navigacijski sistemi. Zgodnje generacije navigacijskih sistemov GPS bi lahko uporabnikom ponudile številne najučinkovitejše poti, ki temeljijo na zelo osnovnih podatkih - ali bolje rečeno, podatkih, ki se nam zdaj zdijo zelo osnovni. Uporabniki bi lahko najhitreje našli pot z avtocestami, najhitrejšo potjo brez cestnin itd. Vendar, kot so izvedli avtomobilisti, GPS ni bil optimalno učinkovit, saj ni razumel težav, kot so cestna dela, nesreče itd. Pri povsem novih sistemih GPS so ti rezultati so vgrajeni v stroj, GPS pa ponuja veliko učinkovitejše odgovore, ker algoritem razmišlja o poti, ki se zdijo neučinkovitejše do bolj osnovnega sistema. Stroj z učenjem odkriva učinkovitost. Uporabnikom jih predstavi in posledično nudi veliko bolj optimizirano storitev. To je vrsta stvari, ki bi jo strojno učenje storilo za podjetništvo - sprostilo bo učinkovitost z odkrivanjem skritih poti, ki so optimalne in učinkovite, čeprav zahtevajo določeno analitično zapletenost. Ti sistemi, ki so tako usmerjeni k zagotavljanju optimalnih rezultatov, se ne uporabljajo samo za rudarjenje z digitalno poslovno inteligenco; na primer poročilo GE kaže, kako lahko uporaba sistemov strojnega učenja bistveno izboljša delovanje elektrarn na premog, ki oskrbujejo električno energijo s skupnostmi.
