ИИ, машинное обучение и глубокое обучение способны превратить эту кучу данных в актив, систематически оценивая ее важность, прогнозируя исходы, предписывая конкретные действия и автоматизируя принятие решений. Короче говоря, ИИ, машинное обучение и глубокое обучение позволяют организациям и предприятиям справляться с факторами, приводящими к усложнению бизнеса, в том числе:
● цепочки создания ценности и цепи поставок, которые становятся более глобальными, взаимосвязанными и сфокусированными на микросегментах;
● бизнес-правила, которые быстро меняются в связи с необходимостью идти в ногу с конкурентами, потребностями и предпочтениями клиентов;
● точное прогнозирование и планирование ограниченных ресурсов для оптимизации конкурирующих проектов/инвестиций и бизнес-показателей;
● необходимость повышать качество продукции и качество обслуживания клиентов при одновременном снижении затрат.
Во многих отношениях ИИ, машинное обучение и глубокое обучение превосходят обычное программирование и традиционный статистический анализ:
● Для достижения целевого результата знание бизнес-правил в действительности совсем не обязательно – достаточно просто обучить машину на примерах входных и выходных данных.
● Если бизнес-правила изменились таким образом, что те же самые входные данные больше не приводят к тем же самым результатам, то машину не надо перепрограммировать – достаточно просто переобучить, сократив тем самым время реакции и избавив людей от необходимости переучиваться.
● По сравнению с традиционным статистическим анализом, модели ИИ, машинного обучения и глубокого обучения строятся относительно быстро, что дает возможность быстро подбирать модель методом проб и ошибок.
Тем, кто хочет познакомиться с технологиями искусственного интеллекта поближе, мы рекомендуем установить один из пакетов глубокого обучения, изучить прилагаемую документацию и поэкспериментировать на тестовых образцах. Рекомендуемая литература:
● Neural Networks and Deep Learning, Michael Nielsen;
● A Brief Introduction to Neural Networks, David Kriesel;
● Deep Learning, Yoshua Bengio, Ian Goodfellow, Aaron Courville;
● A Course in Machine Learning, Hal Daumé III;
● The TensorFlow Playground, Daniel Smilkov, Shan Carter;
● Stanford CS class CS231n Convolutional Neural Networks for Visual Recognition.
8.3.2.1. Искусственный интеллект и бизнес-аналитика
В отличие от бизнес-аналитики (Business Intelligence, BI), которая описывает и диагностирует прошедшие события, ИИ, машинное обучение и глубокое обучение пытаются предсказать будущие события и предложить способы воздействия на эти вероятности. На следующем рисунке показан прогресс в направлении предсказательной аналитики на основе ИИ, машинного обучения и глубокого обучения.