Co to znaczy w praktyce
Klasyczny program komputerowy działa jak bardzo surowy urzędnik. Idzie dokładnie według przepisanych reguł: „Jeśli zajdzie sytuacja A, wykonaj krok B”. Problem pojawia się, gdy w firmie nagle natraficie na sytuację C, której programista nie przewidział. System się wykłada.
Uczenie maszynowe działa inaczej. Zamiast reguł dajecie mu ogromną liczbę przykładów. Wyobraźcie sobie, że chcecie nauczyć go, jak wygląda spam. Nie piszecie mu listy zakazanych słów. Pokazujecie mu 10 000 zwykłych maili i 10 000 spamów. System sam znajduje wzorce, ukryte powiązania i reguły. Im więcej danych mu potem dajecie, tym jest dokładniejszy i sprawniejszy.
Dlaczego firmy muszą to znać
- Predykcja i prognozy. Uczenie maszynowe potrafi z waszych danych historycznych oszacować, kiedy zepsuje się maszyna produkcyjna albo ile towaru zamówić na kolejny miesiąc.
- Personalizacja sprzedaży. Sklepy internetowe wykorzystują machine learning, żeby każdemu odwiedzającemu pokazać dokładnie te produkty, które z największym prawdopodobieństwem kupi (na podstawie zachowania tysięcy innych klientów).
- Poprawa w czasie. Systemy oparte na uczeniu maszynowym nie starzeją się tak szybko jak zwykłe oprogramowanie, bo stale dostosowują się do nowych danych firmowych.
Przykład z praktyki
Firma spedycyjna używała stałych tras dla kurierów, wyznaczanych z doświadczenia dyspozytorów. Potem wprowadzili oprogramowanie oparte na uczeniu maszynowym. System przeanalizował dane o setkach tysięcy przejazdów, korki o różnych porach, pogodę i średni czas rozładunku. Na podstawie tych wzorców zaczął planować trasy tak skutecznie, że koszty paliwa spadły firmie o 12 procent, a kierowcy zdążali obsłużyć więcej klientów dziennie.
Żeby wykorzystać w firmie siłę dzisiejszych modeli opartych na uczeniu maszynowym, nie potrzebujecie programistów. Na naszych firmowych szkoleniach AI pokażemy wam gotowe narzędzia, których możecie zacząć używać od razu.