AI 与机器学习在商业中的运用

本文：towardsdatascience.com/ai-machine-learning-for-business-24bcf9754038?source=collection_archive---------5-----------------------#2024-01-26

非手艺性的介绍

https://shawhin.medium.com/?source=post_page---byline--24bcf9754038--------------------------------https://towardsdatascience.com/?source=post_page---byline--24bcf9754038--------------------------------Shaw Talebi
·揭晓于 Towards Data Science ·浏览时少 9 分钟·2024 年 1 月 26 日
–
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/95895fcf55c7209b59065744e826eedc.png
图片滥觞：Milad Fakurian 正在 Unsplash
比年去，野生智能立异的程序不竭放慢。固然那戴去了使人惊讶的新东西战手艺，但是咱们（即专科人士、企业野战贸易经营者）怎样使用那些立异促进贸易代价，仍然没有完整分明。
正在那篇文章中，尔供给了一个非手艺性的野生智能取机械进修的介绍，并分享了它们怎样融进咱们的贸易情势。尔的目标是辅佐这些去自非 AI/ML 布景的人，颠末简朴的界说去理解那些手艺，并分享怎样开端正在理论中使用它们的本领。
甚么是野生智能？

当您料到野生智能时，您可以会料到 ChatGPT、AI 天生的艺术做品，大概像《闭幕者》这样的科幻场景。但是让咱们进一步，问一个根本成就，“甚么是野生智能？”
野生智能 是 野生智能（artificial intelligence） 的缩写——那可以并无给咱们戴去太多疑息，因为那二个词汇中的一个是有成就的。
第一个词汇，野生（artificial），并非成就地点。它不过表示着某物 由人类制作。
可是，第两个词汇，智能（intelligence），界说其实不大白（即使正在野生智能钻研者中也存留争议[1]）。固然云云，尔喜好使用的一个界说，而且正在贸易语境中最为相干的界说是：智能 = 处置成就战干出决议计划的才气。
因而，根据这类对于智能的操纵性界说，野生智能 不过 计较机处置成就战干出决议计划的才气。
智能的实践

为了更佳天理解咱们所道的“智能”，让咱们瞅瞅它怎样正在理论中运做。
假定您正在决定可否正在礼拜六来泅水池旁渡过，仍是呆正在野里瞅这部新的 Netflix 剧散。假设您透过窗户瞅到上面的场景，您可以会决定待正在室内乱。这是因为黑云稀布的天空是一个很佳的唆使，表白来日诰日的气候可以欠好。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/84b510a1c8bf16e7f60c81a5b3de3b7e.png
泅水池日仍是 Netflix 日？图片使用 Canva 天生 [2]。
另外一个例子是，思考上面的图表，贩卖数据崎岖大概，但是正在 11 月到达了高峰。假设有人问，“是甚么招致了那一顶峰？”咱们可以会集理天答复，那是因为“玄色礼拜五”，一年中最年夜的零售买物日之一。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/e2571d0e73df8af6f81e074b3f6e5633.png
甚么招致了顶峰？图片由作家供给。
最初一个例子，咱们去瞅上面的笔墨对于话。假设咱们处于蓝色收疑人的职位，果然相信对于圆出成就吗？按照他们的用词汇，可以没有太相信。
那可以会让咱们试图颠末道“尔可以歪曲了那个情况，您能助尔更佳天理解吗？”或者“尔在意您的感触感染，念保证咱们对于终极决定告竣不合。”去弥合这类慌张。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/6403407a2569ca4f07af7af5c5bece5d.png
他们果然出成就吗？图片由作家供给。
上述每一个场景皆让咱们以某种方法使用咱们的才华去处置成就或者干出决议计划。固然每一个场景皆宁可他场景十分差别，但是它们有一个配合面——它们皆需要理解天下怎样运做。
换句话道，咱们需要明白诸如黑云预见着坏气候、11 月人们买物许多，和人们其实不老是会认可自己活力等工作。咱们颠末咱们对于天下的模子理解那些工作。
模子

因为天下宏大且庞大，咱们必需颠末模子去理解它。模子是能够搁进咱们年夜脑中的简化幻想天下实物。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/e5ca5ba019ad421098881d61a039f288.png
咱们怎样成立天下模子。图片由作家供给。
模子的一个枢纽特性是它们许可咱们干出猜测。比方，当咱们瞅到黑云稀布时，那些疑息会被咱们对于气候运做方法的心机模子处置，并让咱们猜测交下来会下雨。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/2516402976bef04e8eb2f22b7c0e9f7e.png
咱们怎样使用（心机）模子。图片由作家供给。
固然，模子不但限于咱们脑海中的这些。咱们借能够将模子编程到计较机中（幻想上，险些统统的气候预报皆是颠末计较机模子天生的）。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/9050122f614f5437c749bc54eb1b4afd.png
咱们怎样使用（计较机）模子。图片由作家供给。
2 种模子

对于模子（不管是心机模子仍是计较机模子），一个天然的成就是，它们去自那里？ 对于此，尔喜好将模子分为二类：道理启动型战数据启动型。
鉴于绳尺的模子是鉴于一组划定规矩的。您可以正在学科书籍中读到那些划定规矩，大概从您奶奶那边教到。比方，“假设有黑云，随即会下雨。”
数据启动模子，另外一圆里，是鉴于已往的察看。其事情道理是颠末比力新疑息取已往睹过的实质的类似性，比方，“前次天空瞅起去像如许时，下雨了。”
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/baf2265801fae66b85b52cc1d59f25be.png
二品种型的模子。图源：作家。
异常，那些模子其实不范围于咱们的年夜脑中。咱们也能够将它们编程到计较机中。
关于鉴于绳尺的模子，咱们大白报告计较机怎样将输出（比方黑云）变换为输出（比方雨）。可是，关于缺少划定规矩的情况，咱们能够转背天生数据启动的模子的手艺——那即是机械进修的感化。
机械进修

固然现在机械进修可以戴有一点儿奥妙感，但是它实际上是一个简朴的观点。机械进修（ML）是计较机颠末示例截至进修的才气[3]。
它的事情道理是，没有是大白报告计较机怎样将输出映照到输出，而是计较机颠末检察很多示例去进修这类干系。
那是一项强大的手艺，因为它许可咱们即使缺少对于根底实物的实践理解，仍然能够建立模子，那正在很多范围中皆十分有效，比方贩卖、营销、金融、气候、消耗者举动等。
机械进修能够分为二个步调。正在第一步中，咱们将输出-输出对于（即猜测果子战目标）通报给机械进修算法，以获得一个机械进修模子。而后，脚中有了模子后，咱们能够将新数据输出此中，以天生猜测。上面的图示分析了那一历程。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/ac2ceb92a5a27dc5c422aef660618601.png
机械进修的二步历程。图源：作家。
咱们怎样使用它？

到今朝为行，咱们已经会商了三个枢纽术语。起首，咱们会商了野生智能（AI）并将其界说为计较机处置成就战干出决议计划的才气。交着，咱们介绍了模子，它们是智能的枢纽部门，使咱们能够对于幻想天下干出猜测。最初，咱们合成了机械进修，它是一种咱们能够开辟天下数据启动模子的办法。
固然那些皆是强大的观点，但是怎样正在贸易情况中使用它们去缔造代价借没有完整分明。正在那里，尔将分享一个活泼的示例，展示野生智能正在实践中的使用，（期望）能激起您怎样开端正在事情中使用野生智能的设法。
示例：诺言决议计划

野生智能的一个热门使用是用它去干诺言决议计划，即赞成或者拒绝存款。让咱们瞅瞅那是甚么样的。
保守办法

保守的办法是，当或人背银止（或者其余金融效劳供给商）提接存款恳求时，启保人会检查该恳求并决定可否赞成存款。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/ceb3c68b17a12e90733ea0ca721fac98.png
保守的诺言决议计划方法。图片由作家供给。
可是，既然咱们已经理解了野生智能战机械进修，咱们可以会问：“岂非咱们不克不及用 AI 启销员代替野生启销员吗？”
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/87c81a7f2053670719b81ed16afea1cd.png
咱们可以期望 AI 怎样干出诺言决议计划。图片由作家供给。
那个成就的谜底是“是的……但是可以比您设想的更庞大”。
AI 方法

正在实践中，“AI 启销员”瞅起去更像上面的图示，而没有是咱们上面瞅到的简朴图象。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/ec341fb3fff772ca60b5ff28d8c5677e.png
使用 AI 干出诺言决议计划的幻想。图片由作家供给。
请留神，咱们没有会简朴天将存款恳求提接到机械进修模子中而后完毕。而是，恳求将颠末多个营业战 IT 过程，才会涉及所有机械进修（即诺言危急模子）。
那是野生智能正在实践中的一个枢纽圆里。也即是道，它一般为多个过程战手艺配合合作去处置一定成就的收集。
搁下这把锤子

这类 AI 的幻想凸显了一个最被高估的幻想——它其实不简单。更糟糕的是，很多人陷入了一个罕见的骗局，使患上历程变患上比理论需要的更艰难——他们从手艺入手，而没有是从成就入手。
尔的旧数据科学副总裁老是道，“当您有一把锤子时，甚么皆像钉子。”那句话捉住了咱们（即人类）正在建立 AI处置 计划时的偏见。也即是道，咱们偏向于接纳手艺劣先而非成就劣先的办法。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/5ccaa04d1eeb980ad8c799fe5e9cc5a3.png
那即是为何咱们不克不及具有美好实物的启事。图片由作家供给。
手艺劣先的办法存留二个主要成就。起首，胜利的几率较高（出格是假设您没有是大师）。其次，可挑选的手艺太多了。
一种（更）佳的办法是从成就开端，因为正在贸易中，处置成就 =发明 代价。并且，因为咱们没有会因为用 AI处置 成就而得到分外的嘉奖分，因而咱们应当追求最自制、最快速、最可靠的处置计划。
从简朴、快速、简单开端

邪如咱们正在诺言决议计划的例子中所瞅到的，理论的 AI处置 计划可以比咱们设想的要庞大很多。其（反直观的）秘密正在于，它是颠末短工妇很多小而简朴的步调所积聚的成果。换句话道，庞大性面前 的秘密是迭代。
一朝您肯定了要处置的成就，尔倡议接纳简朴、快速、简单的办法，那三个词汇皆有其主要意思。
简朴 — 您该当从简朴的方法开端，因为庞大性是高贵且懦弱的（它失利的方法近比胜利的方法多）。那表示着假设有一个更简朴的处置计划，能够抛却 AI处置 计划。
快速—— 交下来，您需要劣先思考快速的处置计划，因为（再次夸大）庞大性的法门正在于迭代。假设您破费 6 个月时间才气建立第一个处置计划，您将没法充足快速天截至迭代，进而开辟出故意义的工具（更不消道，正在目前立异的速率下，您的处置计划可以会变患上过期）。
简朴——最初 ，您期望它是简朴的。换句话道，没有要让人们易以使用该处置计划。那有二个主要启事。第一，假设不人使用它，您会错太重要的反应。第两，假设它很易，这可以表示着它分歧适您现有的营业过程。
交下来干甚么？

固然那不过一个下条理的介绍，但是尔期望它能为您供给一点儿对于 AI 和怎样开端理论使用它的明了思路。主要的是要记着，AI（正在实践中）一般为多个体系战手艺的汇合，它们配合事情以处置幻想天下中的成就。开辟那些处置计划的二个枢纽因素是以成就为先战迭代。
那是对于正在贸易中使用 AI 战 ML 的系列文章中的第一篇。正在该系列的未来文章中，尔将具体解说数据科学的名目办理和 ML 模子开辟的枢纽思考因素。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/02eefb458c6eeff7cd29d40c212e3b22.png
Shaw Talebi
贸易中的 AI

检察列表4 篇小说https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/53c82d19787deb182180252ed4e14a63.pnghttps://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/50a9ecedba9241c5d29069610250bc73.pnghttps://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/e1ae2db5ae74f6fd2a5d436af16d5f5b.png
资本

联系：尔的网站 | 预约通话 | 问尔所有成就
交际媒介：YouTube 🎥 | LinkedIn | Twitter
撑持：请尔喝杯咖啡 ☕️
[## 获得尔写的每篇新文章的免费会见权力
获得尔写的每篇新文章的免费会见权力 P.S. 尔没有会取所有人分享您的电子邮件。颠末备案，您将创立一个…

shawhin.medium.com](https://shawhin.medium.com/subscribe?source=post_page-----24bcf9754038--------------------------------)
[1] arXiv:2303.12712 [cs.CL]
[2] 去自 Canva 的 AI 天生图象
[3] 皇野教会. (2017). (复印). 机械进修：颠末真例进修的计较机的气力取远景。于 2024 年 1 月 20 日获得，滥觞：royalsociety.org/~/media/policy/projects/machine-learning/publications/machine-learning-report.pdf.