Q:
Como o aprendizado de máquina pode funcionar com evidentes ineficiências para introduzir novas eficiências para os negócios?
UMA:Uma das maiores aplicações em potencial dos sistemas de aprendizado de máquina é a mineração de eficiências importantes para processos e operações de negócios. Esse campo ainda está crescendo à medida que o aprendizado de máquina evolui, e os fornecedores oferecem às empresas ferramentas mais poderosas para avaliar cenários de negócios.
| Download grátis: Machine Learning e por que é importante |
Em geral, o aprendizado de máquina pode proporcionar eficiência, examinando uma gama maior de possibilidades e opções, algumas das quais podem parecer ineficientes. Um excelente exemplo é um processo chamado de recozimento simulado que envolve algoritmos que produzem resultados das mesmas maneiras que os engenheiros resfriam o metal após o forjamento. Em certo sentido, o sistema coleta os dados e examina esses caminhos ou resultados ineficientes para descobrir se, se combinados, alterados ou manipulados de alguma forma, eles podem realmente produzir um resultado mais eficiente. O recozimento simulado é apenas uma das muitas maneiras pelas quais os cientistas de dados podem criar modelos complexos que podem criar opções eficientes e mais profundas.
Uma maneira de pensar sobre esse tipo de capacidade de aprendizado de máquina é ver como os sistemas de navegação GPS evoluíram nos últimos anos. As primeiras gerações de sistemas de navegação GPS poderiam fornecer aos usuários um número de caminhos mais eficientes, com base em dados muito básicos - ou melhor, dados que agora parecem muito básicos. Os usuários podiam encontrar a rota mais rápida usando rodovias, rota mais rápida sem pedágios, etc. No entanto, como os motoristas descobriram, o GPS não era idealmente eficiente, porque não entendia questões como obras nas estradas, acidentes etc. Com os novos sistemas GPS, esses os resultados são incorporados à máquina e o GPS fornece respostas muito mais eficientes, novamente, porque o algoritmo está considerando caminhos que podem parecer ineficientes para um sistema mais básico. Ao aprender, a máquina descobre eficiências. Apresenta essas informações ao usuário e, como resultado, oferece um serviço muito mais otimizado. Esse é o tipo de coisa que o aprendizado de máquina faria para a empresa - ele liberará eficiência, descobrindo caminhos ocultos ideais e eficientes, mesmo que exijam alguma complexidade analítica. Esses sistemas, que são tão voltados para fornecer resultados ideais, não são usados apenas para a mineração de inteligência de negócios digital; por exemplo, um relatório da GE mostra como o uso de sistemas de aprendizado de máquina pode melhorar drasticamente a operação de usinas de carvão que fornecem energia às comunidades.
