Contenu
Q:
Comment l’apprentissage automatique peut-il s’appuyer sur des inefficacités évidentes pour introduire de nouvelles efficiences pour les entreprises?
UNE:
L’une des applications les plus importantes des systèmes d’apprentissage automatique est l’exploitation d’économies importantes pour les processus et les opérations de l’entreprise. Ce domaine est toujours en plein essor à mesure que l'apprentissage automatique évolue et les fournisseurs offrent aux entreprises des outils plus puissants pour évaluer les scénarios de gestion.
En règle générale, l'apprentissage automatique peut améliorer l'efficacité en examinant un plus grand nombre de possibilités et de choix, dont certains peuvent sembler inefficaces à première vue. Un processus appelé recuit simulé est un excellent exemple. Il utilise des algorithmes qui produisent des résultats identiques à ceux utilisés par les ingénieurs pour refroidir le métal après forgeage. En un sens, le système prend en compte les données et examine ces chemins ou résultats inefficaces pour déterminer si, combinés, modifiés ou manipulés de quelque manière que ce soit, ils peuvent réellement produire un résultat plus efficace. Le recuit simulé n'est que l'une des nombreuses façons dont les spécialistes des données peuvent créer des modèles complexes capables d'éliminer des options efficaces plus profondes.
Une façon de réfléchir à ce type de capacité d'apprentissage automatique consiste à examiner l'évolution des systèmes de navigation GPS au cours des dernières années. Les premières générations de systèmes de navigation GPS pourraient fournir aux utilisateurs un certain nombre de chemins très efficaces basés sur des données très basiques - ou plutôt, des données qui nous semblent maintenant très basiques. Les utilisateurs pouvaient trouver l'itinéraire le plus rapide en utilisant les autoroutes, l'itinéraire le plus rapide sans péage, etc. Cependant, comme l'ont appris les automobilistes, le GPS n'était pas d'une efficacité optimale, car il ne comprenait pas les problèmes de travaux routiers, d'accidents, etc. les résultats sont intégrés à la machine et le GPS fournit des réponses beaucoup plus efficaces, encore une fois, car l’algorithme considère des chemins qui peuvent sembler inefficaces à un système plus basique. En apprenant, la machine découvre l'efficacité. Il les présente à l'utilisateur et offre ainsi un service beaucoup plus optimisé. C’est le genre de choses que l’apprentissage automatique ferait pour l’entreprise - cela libérera de l’efficacité en découvrant des chemins cachés optimaux et efficaces, même s’ils nécessitent une certaine complexité analytique. Ces systèmes, qui sont tellement axés sur l'obtention de résultats optimaux, ne sont pas utilisés uniquement pour l'exploration numérique de la business intelligence; Par exemple, un rapport de GE montre comment l’utilisation de systèmes d’apprentissage automatique peut considérablement améliorer le fonctionnement des centrales à charbon fournissant de l’énergie aux communautés.