Paano gumagana ang pag-aaral ng makina mula sa maliwanag na mga kahusayan upang ipakilala ang mga bagong kahusayan para sa negosyo?

T:

Paano gumagana ang pag-aaral ng makina mula sa maliwanag na mga kahusayan upang ipakilala ang mga bagong kahusayan para sa negosyo?

Ang isa sa pinakamalaking potensyal na aplikasyon ng mga sistema ng pagkatuto ng makina ay ang pagmimina ng mga mahahalagang kahusayan para sa mga proseso at operasyon ng negosyo. Ang patlang na ito ay umuusbong pa rin habang nagbabago ang pagkatuto ng makina, at nag-aalok ang mga vendor ng mga kumpanya ng mas malakas na tool upang suriin ang mga sitwasyon sa negosyo.

Sa pangkalahatan, ang pag-aaral ng makina ay maaaring magbigay ng kahusayan sa pamamagitan ng pagsusuri sa isang mas malawak na hanay ng mga posibilidad at mga pagpipilian, na ang ilan sa mga ito ay maaaring mukhang hindi epektibo sa kanilang mukha. Ang isang napakahusay na halimbawa ay isang proseso na tinatawag na simulated annealing na nagsasangkot ng mga algorithm na gumagawa ng mga resulta sa ilan sa mga parehong paraan na ang mga inhinyero ay cool na metal pagkatapos ng pagkalimot. Sa isang kahulugan, ang system ay tumatagal sa data at sinusuri ang mga hindi mahusay na mga landas o kinalabasan upang malaman kung, kung pinagsama, binago o manipulahin sa anumang paraan, maaari talaga silang makagawa ng isang mas mahusay na resulta. Ang simulated na annealing ay isa lamang sa maraming mga paraan na ang mga data na siyentipiko ay maaaring lumikha ng mga kumplikadong modelo na maaaring mag-ugat ng mas malalim na mga pagpipilian.

Ang isang paraan upang isipin ang tungkol sa ganitong uri ng kakayahan sa pag-aaral ng machine ay sa pamamagitan ng pagtingin sa kung paano lumaki ang mga nabigasyon na GPS sa mga nakaraang taon. Ang mga unang henerasyon ng mga sistema ng pag-navigate sa GPS ay maaaring magbigay ng mga gumagamit ng isang bilang ng mga pinaka mahusay na mga landas batay sa napaka pangunahing data - o sa halip, ang data na ngayon sa amin ay tila napaka-basic. Ang mga gumagamit ay maaaring makahanap ng pinakamabilis na ruta gamit ang mga daanan, pinakamabilis na ruta nang walang mga toll, atbp Gayunpaman, tulad ng natutunan ng mga motorista, ang GPS ay hindi mahusay na mahusay, dahil hindi nito naiintindihan ang mga isyu tulad ng mga gawaing-daan, aksidente, atbp Sa mga bagong sistema ng GPS, ang mga ito ang mga kinalabasan ay itinayo sa makina, at ang GPS ay nagbibigay ng mas mahusay na mga sagot, muli, dahil ang algorithm ay isinasaalang-alang ang mga landas na maaaring hindi epektibo sa isang mas pangunahing sistema. Sa pamamagitan ng pag-aaral, ang makina ay hindi nakakakita ng mga kahusayan. Inihahatid nito ang mga ito sa gumagamit, at bilang isang resulta, naghahatid ng isang mas optimize na serbisyo. Iyon ang uri ng bagay na gagawin ng pag-aaral ng makina para sa negosyo - ito ay magpapalaya sa kahusayan sa pamamagitan ng pag-alis ng mga nakatagong mga landas na pinakamainam at mahusay, kahit na nangangailangan sila ng ilang pagiging kumplikado. Ang mga sistemang ito, na kung saan ay nakatuon sa pagbibigay ng pinakamainam na mga kinalabasan, ay hindi lamang ginagamit para sa mga digital na negosyo sa pagmimina; halimbawa, ang isang ulat mula sa GE ay nagpapakita kung paano ang paggamit ng mga sistema ng pagkatuto ng makina ay maaaring kapansin-pansing mapabuti ang pagpapatakbo ng mga halaman ng karbon na nagbibigay kapangyarihan sa mga komunidad.