Hogyan tanulja meg a mesterséges intelligencia a helyes dolgot - EOS en Suisse

Helyes programozás esetén a mesterséges intelligencia rengeteg munkától mentesítheti az embereket. Vannak azonban balesetek is. Ha rossz adatokkal edz. De hogyan tanulja meg az AI a helyes dolgot?

  • Ha helytelen adatokkal képez egy önálló tanulási algoritmust, kockáztatja a lebontásokat.
  • "Csak a tiszta adatok akadályozzák meg a gépeket abban, hogy hibás döntéseket hozzanak."
  • Mérhető siker az EOS-nál: tizenegy százalékkal magasabb bejövő fizetések az AI használatának köszönhetően.

Mi történhet, ha hibás adatokkal képez egy önállóan tanuló algoritmust, megmutatta a Faceapp fotószűrő alkalmazás a „hotness” szűrővel, egyfajta vonzó szűrővel. Két évvel ezelőtt az ábrázolt sötét bőrű hirtelen fehér emberré vált. A bőrelváltozás oka: A mesterséges intelligenciát (KA) csak kaukázusi szép bőrű arcok adataival képezték ki. Ha az összes etnikai csoportot figyelembe vették volna a képzés során, a bontás nem következett volna be.

Hátrány a rossz adatokkal szemben.

Andreas Dix, a németországi EOS Data Science csapatának tagja, aki tudja, hogyan kell helyesen képezni az AI rendszereket. Az adatszakember gépeket képez ki ismétlődő és időigényes folyamatokhoz. "Csak a tiszta adatok akadályozzák meg a gépeket abban, hogy hibás döntéseket hozzanak."

"Pontosan tudnunk kell a kapcsolódási pontokat, hogy a mesterséges intelligencia megfelelően működjön a képzésünk alapján." Andreas Dix

A hibák elkerülésének egyik módja a megfelelő adatfeltárás. Ez azt jelenti, hogy hipotézisek nélkül közelít az adathalmazhoz. Olyan semleges, megerősítetlen elfogadás nélkül. Ezután a szakember megpróbálja kideríteni, hogy milyen használható információk vannak az adathalmazban. Vannak benne olyan változók, amelyeknek egyáltalán nincs változata? Vagy vannak benne olyan változók, amelyeknek túl sok hiányzó értéke van? Ezeket az adatokat ki kell zárni, mivel hamis befolyással bírhatnak. "Pontosan tudnunk kell, hol vannak a kapcsolatok, hogy a mesterséges intelligencia megfelelően működjön az edzésünk alapján" - mondja Dix.

Intelligens programozás.

A gépi tanulási algoritmusoknak tiszta adatokra van szükségük a struktúrák felismeréséhez és következtetések levonásához. „Az algoritmus által a képzés során megállapított szabályok és feltételek nem lehetnek túl specifikusak, mert akkor semmiféle értékük nincs ahhoz, hogy valamit valóban megjósoljanak. Ezután az egyik túlterhelésről beszél. Jobb lenne egy általánosítás, azaz kevésbé specifikus struktúrákat találni, és ezáltal jó pontosságot elérni, többek között újonnan megszerzett adatok alapján. ”Ez elérhető például az algoritmus hiperparamétereinek optimalizálásával és több oktatási adat felhasználásával.

Teljesen automatikus követelések.

Az EOS-nál történő behajtási munka szempontjából ez azt jelenti, hogy az AI jósolja például a legjobb következő tevékenységet. Pontosabban összegyűjtik, összesítik és feldolgozzák azokat az adatokat, amelyek a rendszerben a követelésre és a nemteljesítő fizetőkre ezen a ponton rendelkezésre állnak. Csak ezután kérjük az összes modellt ezekkel az adatokkal annak megjóslására, hogy az egyes gyűjtési tevékenységek mennyire lesznek sikeresek ebben az igényben ebben az időpontban. Vagy egyértelműbben fogalmazva: Mennyit várhat az EOS a beérkező fizetésekre. Végül azt a tevékenységet, amelyet minden kritérium alkalmazása után a legjobban értékeltek, az adósságbehajtási rendszer végzi.

Mérhető siker.
Valójában már mérhető sikerekről kell beszámolni az AI-nek köszönhetően az EOS-on. „A németországi EOS-nál produktívan használjuk a D3 adatközpontú AI rendszert, a Data Driven Decisions-t. A beszedési folyamat ellenőrzésére használjuk, és körülbelül tíz százalékkal több bejövő fizetést kapunk, mint korábban. Ennek eredményeként körülbelül öt százalékkal magasabb jövedelmet érünk el a tevékenység költségei után, mint a korábbi követelések feldolgozási módszerében. ”- mondja Dix.

tanulja

Készen áll, stabil, megy: Andreas Dix adatszakértő pontosan tudja, hogy a mesterséges intelligencia milyen adatokra van szüksége a képzéshez

Az emberi intelligencia a legfontosabb.

Arra a kérdésre, hogy az emberek valamikor feleslegessé válhatnak-e a folyamatokban, mert a tanulási programok függetlenné válnak, az adatszakértő egy pillanatra szünetel. „Végül azt gondolom, hogy a mesterséges intelligenciával rendelkező rendszerek mindig hasznos kiegészítői az embereknek. Mindenekelőtt azonban mindig az az ember irányítja és hozza meg a fontos döntéseket. ”Végül is végül is annak kell lennie, aki a megfelelő adatokkal eteti a gépet.

További információ? Kérjük, vegye fel velünk a kapcsolatot!

Fotóhitelek: Achim Multhaupt

Doit világított.

tanulja

Pourquoi la zone euro tarde-t-elle à adoptátor le paiement mobile ?

mesterséges

Hogyan tud - és nem - segíteni a blockchain az ügyfelének megismerésében.

hogyan

Avec la DSP2, l'Union européenne révolutionne le paiement en ligne

Cím

A süti paraméterei

A cookie-k számos felhasználása a webhelyen nem elérhető webhelyen a lehető legmegfelelőbb webhelyet kínálja. Bizonyos sütik sont nécessaires au bon fonctionnement du site, d'autres sont utilisés kizárólagosság à des fins de statistiques anonymes, d'autres encore permettent d'améliorer les fonctionnalités et la convivialité de notre site ou de vous proposer un contenu personnalisé en fonction de vos központok d'intérêt. Vous pouvez décider vous-même d’autoriser ou non l’utilisation des cookies statistic, de convivialité et marketing. Vous pouvez également modifier ou retirer your hozzájárulás а tout moment and cliquant on "Modifier les paramètres de cookies" and the site of site. Öntsön plusz információkat, veuillez consulter notre Politique de confidenceité.

  • Nécessaires
  • Fonctionnels
  • Statistiques
  • marketing

Nécessaires

Nous utilisons des cookies nécessaires. Ezek a sütik nem nélkülözhetetlenek a bon fonction-nement du weboldalon. Részletesebben, a pergetens d’activer les fonctions de sécurité de notre webhelyen. Nincsenek sütik, bizonyos pártok a webhelyen ne peuvent pas fonctionner. Öntsön plusz információt a sütik használatáról, kattintson a ici gombra.

Fonctionnels

Nous utilisons des cookies statistiques. A sütik permettent d’améliorer notre offre, d’adapter la conception du site aux besoins des utilisateurs et d’optimiser continuellement notre site. Pour cela, nous collectons des données anonymisées à des fins statistiques et d'analysis. Ces cookie permettent, example, de mesurer le trafic et d’analyser le com-portement des utilisateurs sur le site, ainsi que d’adapter et d’améliorer notre contenu et l’expérience utilisateur. Öntsön plusz információt a sütik használatáról, kattintson a ici gombra.

Statistiques

Nous utilisons des cookies de convivialité. Ezek a cookie-k lehetővé teszik a notre site fonctionnalités és a navigáció megkönnyítését. Ez az új webhely notre site for faire appel à nos services, il reconnaîtra automatiquement que vous nous avez déjà rendu visite. A saisies et paramétrages que vous avez précédemment effectués seront automatiquement reconnus et vous n’aurez pas besoin de les saisir une nouvelle fois. Például, vous ne devrez pas saisir à chaque fois vos données utilisateur: celles déjà saisies precédemment vous seront accessibles lors votre prochaine visite.
Öntsön plusz információt a sütik használatáról, kattintson a ici gombra.

marketing

Nous a sütik marketingjét használja. Ces cookie permettent de vous proposer, lors de votre visite, un contenu personnalisé et relevant relevant fonction de vos centres d'intérêt.
Öntsön plusz információt a sütik használatáról, kattintson a ici gombra.