Machine learning – szkoła dla komputerów i smartfonów

Obecnie każdy nosi w kieszeni małego analityka, którego zdolności obliczeniowe, pamięć podręczna i wielkość dysku znacznie przekraczają to, czym mogły poszczycić się pierwsze komputery. Pewnie dlatego pojęcie machine learning, czyli maszynowego uczenia się, choć znane było już w latach 50tych XX wieku, na popularności zyskało dopiero dzisiaj. Telefony, komputery i inne nowinki mają uczyć się na błędach – jednak nie swoich, a użytkowników, którzy z dobrodziejstw technologii korzystają obecnie częściej niż często.

Bardziej machine czy bardziej learning?

Machine learning to zjawisko, które powstało na styku różnych obszarów – od sztucznej inteligencji zaczynając (AI) przez data mining, big data, optymizację danych aż po statystykę. Każdy z tych elementów sprawia, że zaawansowane technologicznie urządzenia zyskują zdolność wyciągania wniosków z przetwarzanych danych w celu efektywniejszego ich wykorzystania w przyszłości. Machine learning pozwala wydobyć zdecydowanie więcej z gąszczu danych niż ich zwykła, często dość nieudolna, analiza w tradycyjnym wydaniu. Cząstka „machine” ma jednak w całym procesie pewne ograniczenia, nad całością czuwa bowiem człowiek. To od programisty zależy kierunek, w jakim proces uczenia się będzie podążał.

 

 

Miejsce w biznesie

Już teraz ML zajmuje istotne miejsce w biznesie. I z pewnością możemy spodziewać się, że w kolejnych latach, w świecie naszpikowanym technologią, rozgości się jeszcze bardziej. Gdzie machine learning będzie mieć największe pole do popisu?

  1. personalizacja

Najłatwiej jest nam wyobrazić sobie skutki oddziaływania ML w personalizacji ofert e-commercowych. Przykładem takich działań, prowadzonych już dzisiaj na szeroką skalę jest Amazon. Dzięki zastosowaniu zaawansowanych algorytmów, sklep może przewidzieć przybliżony popyt na daną pozycję i opracowywać rozbudowane prognozy dotyczące przyszłej sprzedaży. Na podstawie analizy danych może także proponować konsumentom kolejne produkty, które wzbudzą ich zainteresowanie i skłonią do kolejnych zakupów. Ma to już miejsce dzisiaj, jednak wraz z rozwojem ML propozycje będą trafniejsze, a konsumenci… bardziej lojalni.

  1. dokonywanie wyborów

Uczące się maszyny ułatwiać mają zresztą nie tylko decyzje konsumenckie, ale i te podejmowane przez lekarzy, analityków finansowych, czy graczy giełdowych. Stają się bowiem lekarstwem na natłok informacji, pozwalającym zniwelować błędy poznawcze, uprzedzenia czy tendencyjność decydentów. Istnieją po to, by mogli oni skupić się jedynie na tych kryteriach, które dla podejmowania decyzji są naprawdę istotne.  Pozostałe mają zostać skutecznie wyeliminowane.

  1. język

Ten aspekt ML daje się poznać każdemu, kto korzysta z pomocy słownika w smartfonie. Telefon z każdym dniem uczy się kolejnych słów, wyrażeń i powiedzeń często wpisywanych przez użytkownika, coraz trafniej podpowiadając kolejne wyrazy. W pierwszych miesiącach użytkowania może być to dość niepraktycznym rozwiązaniem, jednak z każdym tygodniem powinno być lepiej. Język będzie miał też istotne znaczenie dla specjalistów do spraw komunikacji z klientem. Im dokładniej będą oni mogli przeanalizować to, jakim językiem w sieci porozumiewa się konsument, tym trafniej dopasują kierowany do niego przekaz. Oczywiście wszystko to w formie mocno zautomatyzowanej i… spersonalizowanej.

  1. zautomatyzowana wizualizacja danych[1]

Nie chodzi tu o stworzenie prostych wykresów, a o takie przedstawienie zgromadzonych danych, które pozwoli wyciągać wnioski o solidnym podłożu. Oprogramowanie powiąże nie tylko dane w oparciu o prostą korelację – weźmie pod uwagę zdecydowanie więcej czynników, wskazanych jako istotne przy poprzednich pomiarach. Dzięki temu analityk dostanie do ręki zdecydowanie bardziej zaawansowany i logiczny zbiór informacji.

Dlaczego jest to istotne? Przykładów nie trzeba daleko szukać – wystarczy przywołać słynny już case o związku pomiędzy śmiertelnym uduszeniem się własną pościelą a spożyciem sera… Jedno na drugie nie ma żadnego wpływu, jednak powierzchownie przeanalizowane dane taki właśnie wniosek analitykom podsuwają. ML pozwala tego rodzaju wpadek uniknąć.

 

Future is now

Machine Learning ma przed sobą świetlaną przyszłość, podobnie jak Ci, którzy nauczą się sprawnie korzystać z dobrodziejstw osiągnięć tej technologii. Trzeba jednak pamiętać, że chociaż automatyzacja w przypadku ML wychodzi na pierwszy plan, bez rozsądnego, trzeźwo myślącego i kierunkowo wykształconego specjalisty, na nic się zdadzą wszelkie algorytmy. Same, bez nadzoru człowieka, są bowiem ciągle jedynie ciągiem programistycznych znaków i symboli. I może niech tak lepiej zostanie.


[1] https://www.forbes.com/sites/forbestechcouncil/2017/03/10/how-machine-learning-will-be-used-for-marketing-in-2017/2/#3dd697874271

Posłuchaj questus podcast

 Wpadnij na nasz kanał Youtube

Newsletter

Chcesz być informowany
o nowościach?
Dołącz do naszego
 newslettera.

 

Autor: Dominika Porowska
Ostatnie wpisy
Ludzie, którzy zmieniają świat: Richard H. Thaler

Ludzie, którzy zmieniają świat: Richard H. Thaler

Ekonomia behawioralna pomogła przeformułować niektóre z kluczowych pytań w ekonomii i finansach.   Laureatem Nagrody Banku Szwecji im. Alfreda Nobla w dziedzinie ekonomii (potocznie zwaną Nagrodą Nobla) w 2017 roku został amerykański ekonomista Richard H. Thaler....

czytaj dalej