Content
P:
Com pot funcionar l’aprenentatge automàtic des d’eficiències evidents per introduir noves eficiències per a negocis?
R:
Una de les aplicacions potencials més grans dels sistemes d’aprenentatge de màquines és la mineria d’eficàcies importants per a processos i operacions empresarials. Aquest camp continua en auge a mesura que evoluciona l'aprenentatge automàtic i els proveïdors ofereixen a les empreses eines més potents per avaluar els escenaris empresarials.
En general, l'aprenentatge de màquines pot proporcionar eficàcies a través de l'examen d'una gamma més gran de possibilitats i opcions, algunes de les quals poden semblar ineficients a la seva cara. Un excel·lent exemple és un procés anomenat recuit simulat que implica algoritmes que produeixen resultats d’algunes de les mateixes maneres que els enginyers refrigeren el metall després de forjar-se. En cert sentit, el sistema agafa les dades i examina aquests camins o resultats ineficients per trobar si, combinats, alterats o manipulats d'alguna manera, poden produir un resultat més eficient. El recuit simulat és només una de les maneres que els científics de dades puguin crear models complexos que puguin arrelar opcions més eficients.
Una forma de pensar en aquest tipus de capacitats d’aprenentatge automàtic és mirar com han evolucionat els sistemes de navegació GPS en els darrers anys. Les primeres generacions de sistemes de navegació GPS podrien proporcionar als usuaris una sèrie de camins més eficients basats en dades molt bàsiques –o millor dit, dades que ara ens semblen molt bàsiques. Els usuaris podrien trobar la ruta més ràpida mitjançant autopistes, la ruta més ràpida sense peatges, etc. Tot i això, segons els automobilistes van saber, el GPS no era òptimament eficient, perquè no entenia problemes com ara feines de carretera, accidents, etc. Amb sistemes GPS nous, aquests Els resultats s’incorporen a la màquina i el GPS proporciona respostes molt més eficients, de nou, ja que l’algoritme està considerant rutes que poden semblar ineficients per a un sistema més bàsic. En aprendre, la màquina descobreix eficàcies. Les presenta a l'usuari i, per tant, ofereix un servei molt més optimitzat. Aquest és el tipus de cosa que l’aprenentatge automàtic faria per a les empreses: alliberarà l’eficiència al descobrir camins ocults òptims i eficients, tot i que requereixen certa complexitat analítica. Aquests sistemes, que estan tan orientats a proporcionar resultats òptims, no s’utilitzen només per a la mineria d’intel·ligència empresarial digital; per exemple, un informe de GE mostra com l'ús de sistemes d'aprenentatge de màquines pot millorar notablement el funcionament de les plantes de carbó que proporcionen energia a les comunitats.