NộI Dung
Q:
Làm thế nào máy học có thể làm việc từ sự không hiệu quả rõ ràng để giới thiệu hiệu quả mới cho doanh nghiệp?
A:
Một trong những ứng dụng tiềm năng lớn nhất của các hệ thống máy học là khai thác các hiệu quả quan trọng cho các quy trình và hoạt động kinh doanh. Lĩnh vực này vẫn đang bùng nổ khi việc học máy phát triển và các nhà cung cấp cung cấp cho các công ty các công cụ mạnh hơn để đánh giá các kịch bản kinh doanh.
Nói chung, học máy có thể cung cấp hiệu quả thông qua việc kiểm tra một loạt các khả năng và lựa chọn lớn hơn, một số trong đó có vẻ không hiệu quả trên khuôn mặt của họ. Một ví dụ tuyệt vời là một quá trình gọi là ủ mô phỏng liên quan đến các thuật toán tạo ra kết quả theo một số cách tương tự như các kỹ sư làm mát kim loại sau khi rèn. Theo một nghĩa nào đó, hệ thống lấy dữ liệu và kiểm tra các đường dẫn hoặc kết quả không hiệu quả này để tìm xem liệu, nếu kết hợp, thay đổi hoặc thao tác theo bất kỳ cách nào, chúng thực sự có thể tạo ra kết quả hiệu quả hơn. Ủ mô phỏng chỉ là một trong nhiều cách mà các nhà khoa học dữ liệu có thể tạo ra các mô hình phức tạp có thể tìm ra các tùy chọn hiệu quả sâu hơn.
Một cách để suy nghĩ về loại khả năng học máy này là bằng cách xem các hệ thống định vị GPS đã phát triển như thế nào trong những năm gần đây. Các thế hệ hệ thống định vị GPS đầu tiên có thể cung cấp cho người dùng một số đường dẫn hiệu quả nhất dựa trên dữ liệu rất cơ bản - hay nói đúng hơn là dữ liệu mà bây giờ đối với chúng ta có vẻ rất cơ bản. Người dùng có thể tìm thấy tuyến đường nhanh nhất sử dụng đường cao tốc, tuyến đường nhanh nhất mà không phải trả phí, v.v. Tuy nhiên, như người lái xe đã học, GPS không hiệu quả tối ưu, vì nó không hiểu các vấn đề như đi đường, tai nạn, v.v. Với các hệ thống GPS hoàn toàn mới, những kết quả được tích hợp vào máy và GPS cung cấp các câu trả lời hiệu quả hơn nhiều lần nữa, bởi vì thuật toán đang xem xét các đường dẫn có vẻ không hiệu quả đối với một hệ thống cơ bản hơn. Bằng cách học, máy phát huy hiệu quả. Nó trình bày những thứ này cho người dùng, và kết quả là, cung cấp một dịch vụ tối ưu hơn nhiều. Đó là loại điều mà máy học sẽ làm cho doanh nghiệp - nó sẽ giải phóng hiệu quả bằng cách khám phá các đường dẫn ẩn là tối ưu và hiệu quả, mặc dù chúng đòi hỏi một số phức tạp phân tích. Các hệ thống này, hướng đến việc cung cấp kết quả tối ưu, không chỉ được sử dụng để khai thác thông minh kinh doanh kỹ thuật số; ví dụ, một báo cáo từ GE cho thấy việc sử dụng các hệ thống máy học có thể cải thiện đáng kể hoạt động của các nhà máy than cung cấp năng lượng cho cộng đồng.