Q:
كيف يمكن للتعلم الآلي أن ينجح من عدم الكفاءة الواضح لإدخال كفاءات جديدة للأعمال؟
أ:واحدة من أكبر التطبيقات المحتملة لأنظمة التعلم الآلي هو استكشاف الكفاءات الهامة للعمليات والعمليات التجارية. لا يزال هذا الحقل مزدهرًا مع تطور تعلم الآلة ، والبائعون يقدمون للشركات أدوات أكثر فعالية لتقييم سيناريوهات العمل.
| تحميل مجاني: تعلم الآلة ولماذا يهم |
بشكل عام ، يمكن للتعلم الآلي توفير كفاءات من خلال فحص مجموعة أكبر من الاحتمالات والخيارات ، والتي قد يبدو بعضها غير فعال على وجوههم. مثال ممتاز هو عملية تسمى التلدين المحاكاة تتضمن خوارزميات تنتج نتائج بنفس الطريقة التي يبرد بها المهندسون المعدن بعد التزوير. بمعنى ما ، يأخذ النظام البيانات ويفحص هذه المسارات أو النتائج غير الفعالة للعثور على ما إذا كانت مجتمعة أو غيرت أو تم التلاعب بها بأي طريقة ، فإنها يمكن أن تنتج بالفعل نتيجة أكثر كفاءة. الصلب المحاكاة هي مجرد واحدة من العديد من الطرق التي يمكن لعلماء البيانات إنشاء نماذج معقدة يمكن أن تكتشف خيارات أكثر فاعلية.
طريقة واحدة للتفكير في هذا النوع من القدرة على التعلم الآلي هي من خلال النظر في كيفية تطور أنظمة الملاحة GPS في السنوات الأخيرة. يمكن للأجيال الأولى من أنظمة الملاحة GPS أن تزود المستخدمين بعدد من أكثر المسارات كفاءة استنادًا إلى البيانات الأساسية جدًا - أو بالأحرى ، تبدو البيانات التي نوفرها الآن أساسية جدًا. يمكن للمستخدمين العثور على أسرع طريق باستخدام الطرق السريعة وأسرع الطرق بدون رسوم ، وما إلى ذلك ، كما تعلم سائقو السيارات ، لم يكن نظام GPS فعالًا على النحو الأمثل ، لأنه لم يفهم مشكلات مثل أعمال الطرق والحوادث وما إلى ذلك. يتم تضمين النتائج في الجهاز ، ويوفر نظام تحديد المواقع إجابات أكثر كفاءة ، مرة أخرى ، لأن الخوارزمية تفكر في المسارات التي قد تبدو غير فعالة لنظام أكثر أساسية. من خلال التعلم ، يكشف الجهاز عن الكفاءات. تقدم هذه المعلومات للمستخدم ، ونتيجة لذلك ، تقدم خدمة أفضل بكثير. هذا هو نوع الشيء الذي يمكن أن يفعله التعلم الآلي للمؤسسات - فهو سيحرر الكفاءة من خلال الكشف عن المسارات الخفية المثلى والفعالة ، على الرغم من أنها تتطلب بعض التعقيدات التحليلية. هذه الأنظمة ، الموجهة نحو توفير النتائج المثلى ، لا تُستخدم فقط في التنقيب عن معلومات الأعمال الرقمية ؛ على سبيل المثال ، يوضح تقرير من GE كيف أن استخدام أنظمة التعلم الآلي يمكن أن يحسن بشكل كبير من تشغيل محطات الفحم التي توفر الطاقة للمجتمعات.
