Sadržaj
P:
Kako strojno učenje može raditi iz očigledne neučinkovitosti uvođenja novih učinkovitosti za poslovanje?
A:
Jedna od najvećih potencijalnih primjena sustava strojnog učenja je iskopavanje važnih učinkovitosti poslovnih procesa i operacija. Ovo polje još je u procvatu kako se razvija strojno učenje, a dobavljači nude tvrtkama moćnije alate za procjenu poslovnih scenarija.
Općenito, strojno učenje može osigurati efikasnost kroz ispitivanje većeg broja mogućnosti i izbora, od kojih se neki mogu činiti neučinkovitima. Odličan primjer je postupak nazvan simulirano žarenje koji uključuje algoritme koji daju rezultate na isti način na koji inženjeri hlade metal nakon kovanja. U određenom smislu, sustav uzima podatke i ispituje ove neučinkovite staze ili ishode kako bi otkrio mogu li, ako se kombiniraju, izmijene ili na bilo koji način manipuliraju, donijeti zapravo učinkovitiji rezultat. Simulirano žarenje samo je jedan od mnogih načina na koji znanstvenici s podacima mogu stvoriti složene modele koji mogu iskorijeniti dublje učinkovite mogućnosti.
Jedan od načina razmišljanja o ovoj vrsti mogućnosti strojnog učenja jest uvid u to kako su se GPS navigacijski sustavi razvijali posljednjih godina. Rane generacije GPS navigacijskih sustava mogle bi korisnicima pružiti niz najučinkovitijih staza na temelju vrlo osnovnih podataka, ili bolje rečeno, podataka koji su nam se sada čini vrlo osnovnim. Korisnici su mogli pronaći najbržu rutu pomoću autocesta, najbrže rute bez naplate cestarine, itd. Međutim, kako vozači doznaju, GPS nije bio optimalno učinkovit, jer nije razumio probleme poput cestovnih radova, nesreća itd. Uz potpuno nove GPS sustave, ovi ishodi su ugrađeni u stroj, a GPS opet pruža mnogo učinkovitije odgovore, jer algoritam razmatra putove koji mogu izgledati neučinkoviti prema većem osnovnom sustavu. Učenjem, stroj otkriva učinkovitost. To ih predstavlja korisniku i, kao rezultat, pruža mnogo optimiziraniju uslugu. To je vrsta stvari koja bi strojno učenje učinila za poduzetništvo - oslobodit će učinkovitost otkrivanjem skrivenih putova koji su optimalni i učinkoviti, iako zahtijevaju određenu analitičku složenost. Ovi sustavi koji su tako usmjereni da pružaju optimalne rezultate ne koriste se samo za rudarstvo digitalne poslovne inteligencije; na primjer, izvještaj GE-a pokazuje kako se korištenjem sustava strojnog učenja može dramatično poboljšati rad elektrana na ugljen koji opskrbljuju zajednice.