Predictive AI гэж юу вэ?

Урьдчилан таамаглах хиймэл оюун ухаан нь гайхалтай сонсогдож байгаа ч санаа нь энгийн: дараа нь юу болохыг таамаглахын тулд өмнөх өгөгдлийг ашиглана уу. Үйлчлүүлэгч ямар машинд үйлчилгээ хэрэгтэй болохоос эхлээд түүхийн хэв маягийг ирээдүйг харсан дохио болгон хувиргах явдал юм. Энэ бол ид шид биш, бага зэрэг эрүүл эргэлзэх, олон давталт бүхий математикийн эмх замбараагүй бодит байдалтай уулзах явдал юм.

Доорх нь практик, skimable тайлбарлагч юм. Хэрэв та энд ирээд урьдчилан таамаглах хиймэл оюун ухаан гэж юу вэ? Энэ нь танай багт ашигтай эсэхээс үл хамааран энэ нь таныг нэг суултаар өө-өө болтол нь ойлгох болно.☕️

Үүний дараа унших дуртай нийтлэлүүд:

🔗 AI-г бизнестээ хэрхэн оруулах вэ
Бизнесийн илүү ухаалаг өсөлтөд зориулж хиймэл оюун ухааны хэрэгслүүдийг нэгтгэх бодит алхмууд.

🔗 Илүү бүтээмжтэй байхын тулд хиймэл оюун ухааныг хэрхэн ашиглах вэ
Цаг хэмнэж, үр ашгийг нэмэгдүүлэх үр дүнтэй хиймэл оюун ухааны ажлын урсгалыг олж мэд.

🔗 AI ур чадвар гэж юу вэ
Ирээдүйд бэлэн байгаа мэргэжилтнүүдэд зайлшгүй шаардлагатай хиймэл оюун ухааны үндсэн чадамжуудыг олж мэдээрэй.

Predictive AI гэж юу вэ? Тодорхойлолт 🤖

Урьдчилан таамаглах хиймэл оюун ухаан нь статистик дүн шинжилгээ, машин сургалтыг ашиглан түүхэн өгөгдлүүдийн хэв маягийг олж, хэн худалдаж авах, юу нь бүтэлгүйтэх, эрэлт нэмэгдэх үед гарах магадлалтай үр дүнг урьдчилан таамаглах боломжтой. Нарийвчилсан хэллэгээр бол энэ нь сонгодог статистикийг ML алгоритмтай хольж ойрын ирээдүйн талаарх магадлал эсвэл утгыг тооцоолоход ашигладаг. Урьдчилан таамаглах аналитиктай ижил сүнс; өөр шошго, дараа нь юу болохыг урьдчилан таамаглах ижил санаа [5].

Хэрэв та албан ёсны лавлагаа, стандартын байгууллага, техникийн гарын авлагад дуртай бол ирээдүйн утгыг урьдчилан таамаглахын тулд цаг хугацааны дараалсан өгөгдлөөс дохио (трэнд, улирлын шинж чанар, автокорреляци) гаргаж авахын тулд урьдчилан таамагладаг.

Урьдчилан таамаглах хиймэл оюун ухааныг юу ашигтай болгодог вэ ✅

Богино хариулт: энэ нь зөвхөн хяналтын самбар биш шийдвэр гаргадаг. Сайн нь дөрвөн шинж чанараас үүдэлтэй:

• Үйлдэл - дараагийн алхмуудын газрын зургийг гаргана: батлах, чиглүүлэх, мессеж, шалгах.

• Магадлалыг мэддэг - та зөвхөн чичиргээ биш харин тохируулсан магадлалыг авах болно [3].

• Дахин давтагдах боломжтой - нэгэнт байрлуулсан бол загвар өмсөгчид хэзээ ч унтдаггүй чимээгүй хамтран ажиллагсад шиг байнга ажилладаг.

• Хэмжих боломжтой - өргөлт, нарийвчлал, RMSE-та үүнийг нэрлэх-амжилтыг тоогоор илэрхийлэх боломжтой.

Шударгаар хэлье: урьдчилан таамаглах хиймэл оюун ухаан сайн хийгдсэн үед энэ нь бараг уйтгартай санагддаг. Сэрэмжлүүлэг ирж, кампанит ажил нь өөрсдийгөө чиглүүлж, төлөвлөгчид бараа материалаа эрт захиалж байна. Уйтгарлах нь үзэсгэлэнтэй юм.

Шуурхай түүх: Дундаж зах зээлийн багууд хоцрогдол болон хуанлийн функцуудыг ашиглан "дараагийн 7 хоногийн нөөцийн эрсдэл"-ийн оноог авсан жижиг градиентийг нэмэгдүүлэх загварыг нийлүүлж байгааг бид харсан. Гүн сүлжээ байхгүй, зүгээр л цэвэр өгөгдөл, тодорхой босго. Энэ ялалт нь гялалзсан зүйл биш байсан - энэ нь үйл ажиллагааны явцад цөөн тооны скрембл дуудлага байсан.

Урьдчилан таамаглах AI ба Generative AI - хурдан хуваагдал ⚖️

• Generative AI нь өгөгдлийн тархалтыг загварчлах, тэдгээрээс түүвэрлэх замаар шинэ контент-текст, зураг, кодыг бүтээдэг [4].

• Урьдчилан таамаглах хиймэл оюун ухаан нь түүхэн хэв маягаас нөхцөлт магадлал эсвэл утгыг тооцоолох замаар үр дүнг урьдчилан таамагладаг - алдагдлын эрсдэл, ирэх долоо хоногт эрэлт, анхдагч магадлал.

Генеративыг бүтээлч студи, урьдчилан таамаглахыг цаг агаарын үйлчилгээ гэж бодоорой. Ижил хэрэгслийн хайрцаг (ML), өөр зорилго.

Тэгэхээр ... практикт урьдчилан таамаглах хиймэл оюун ухаан гэж юу вэ? 🔧

1. Танд чухал ач холбогдолтой түүхэн өгөгдлийн үр дүн болон тэдгээрийг тайлбарлаж болох орцуудыг цуглуул

2. Инженерийн онцлогууд - түүхий өгөгдлийг ашигтай дохио болгон хувиргах (хоцролт, эргэлдэх статистик, текст оруулах, категорийн кодчилол).

3. Оролт ба үр дүнгийн хоорондын хамаарлыг судлах загвар-fit алгоритмуудыг сургах

4. Үнэлгээ хийх - бизнесийн үнэ цэнийг тусгасан хэмжигдэхүүнээр хүлээгдэж буй өгөгдөл дээр баталгаажуулах.

5. Байршуулах - өөрийн апп, ажлын урсгал эсвэл дохиоллын систем рүү таамаглал илгээх.

6. хянах өгөгдөл / үзэл баримтлалын шилжилтийг ажиглах , давтан сургах/дахин тохируулга хийх. Тэргүүлэх хүрээнүүд зөрөх, хазайлт, өгөгдлийн чанарыг засаглал, хяналт шаарддаг байнгын эрсдэл гэж тодорхой дурдсан байдаг [1].

Алгоритмууд нь шугаман загвараас эхлээд модны чуулга, мэдрэлийн сүлжээ хүртэл байдаг. Эрх бүхий баримт бичгүүд нь ердийн сэжигтнүүдийн каталоги - логистикийн регресс, санамсаргүй ой, градиентийг нэмэгдүүлэх гэх мэт - танд зөв төлөвшилтэй оноо авах шаардлагатай үед тайлбарласан солилцоо, магадлалын тохируулгын сонголтуудтай [3].

Барилгын материалууд - өгөгдөл, шошго, загварууд 🧱

• Өгөгдөл - үйл явдал, гүйлгээ, телеметр, товшилт, мэдрэгчийн уншилт. Бүтэцлэгдсэн хүснэгтүүд нь нийтлэг боловч текст болон зургийг тоон шинж чанар болгон хувиргах боломжтой.

• Шошго - таны таамаглаж буй зүйл: худалдаж авсан ба үгүй, бүтэлгүйтэл, долларын эрэлт.

• Алгоритмууд

  • Үр дүн нь категориал-хувирсан эсвэл үгүй ​​бол ангилал

  • регресс - хэдэн ширхэг зарагдсан.

  • цаг хугацааны цуваа- цаг хугацааны туршид үнэ цэнийг урьдчилан таамаглах, чиг хандлага, улирлын шинж чанарыг тодорхой зохицуулах шаардлагатай байдаг [2].

Цаг хугацааны цуврал таамаглал нь экспоненциал тэгшитгэх эсвэл ARIMA-гэр бүлийн загварууд нь орчин үеийн ML [2]-ийн хажуугаар суурь үзүүлэлт болж байгаа сонгодог хэрэгслүүд юм.

Жинхэнэ тээвэрлэдэг нийтлэг хэрэглээний тохиолдлууд 📦

• Орлого ба өсөлт

  • Тэргүүлэх оноо, хөрвүүлэлтийн өсөлт, хувийн болгосон зөвлөмж.

• Эрсдэл ба дагаж мөрдөх

  • Залилан илрүүлэх, зээлийн эрсдэл, AML туг, гажиг илрүүлэх.

• Нийлүүлэлт ба үйл ажиллагаа

  • Эрэлтийн таамаглал, ажиллах хүчний төлөвлөлт, бараа материалын оновчлол.

• Найдвартай байдал, засвар үйлчилгээ

  • Тоног төхөөрөмжийн урьдчилан таамаглах засвар үйлчилгээ - эвдрэлээс өмнө ажиллах.

• Эрүүл мэнд, нийгмийн эрүүл мэнд

  • Дахин хэвтэн эмчлүүлэх, яаралтай оношлох, эсвэл өвчний эрсдэлийн загваруудыг урьдчилан таамаглах (нямбай баталгаажуулалт, засаглалтай)

Хэрэв танд "энэ гүйлгээ сэжигтэй харагдаж байна" гэсэн мессеж ирсэн бол та зэрлэг байгальд урьдчилан таамаглах хиймэл оюун ухаантай тааралдсан байна.

Харьцуулалтын хүснэгт - Урьдчилан таамаглах хиймэл оюун ухаанд зориулсан хэрэгслүүд 🧰

Анхаарна уу: үнэ нь өргөн цар хүрээтэй, нээлттэй эх үүсвэр үнэ төлбөргүй, үүл нь хэрэглээнд суурилсан, аж ахуйн нэгж өөр өөр байдаг. Бодит байдлыг харуулахын тулд өчүүхэн хоёр хачирхалтай зүйл үлддэг ...

зааварчилгааны аналитиктай хэрхэн харьцуулагддаг вэ

Юу болох магадлалтайг урьдчилан таамаглах хариултууд . Хязгаарлагдмал нөхцөлд үр дүнг оновчтой болгох үйлдлүүдийг сонгон, энэ талаар бид юу хийх ёстой вэ Мэргэжлийн нийгэмлэгүүд захиалгын аналитикийг зөвхөн таамаглал бус оновчтой арга хэмжээг санал болгоход загвар ашиглах гэж тодорхойлдог [5]. Практикт урьдчилан таамаглах нь жороор хооллодог.

Загваруудыг үнэлэх - чухал хэмжүүрүүд 📊

Шийдвэрт тохирох хэмжүүрүүдийг сонгоно уу:

• Ангилал

  • Сэрэмжлүүлэг нь үнэтэй байх үед худал мэдээлэл өгөхөөс зайлсхийх нарийвчлал

  • санаарай .

  • Босго хоорондын зэрэглэлийн чанарыг харьцуулахын тулд AUC-ROC

• Регресс

  • Нийт алдааны хэмжээг RMSE/MAE

  • Харьцангуй алдаа чухал үед MAPE

• Урьдчилан таамаглах

  • MASE, sMAPE нь цагийн цуваа харьцуулах боломжтой.

  • хамрах хүрээ - таны тодорхойгүй байдлын зурвасууд үнэнийг агуулж байна уу?

Надад таалагддаг энгийн дүрэм: таны төсөвт тохирох хэмжүүрийг буруу гэж оновчтой болгох.

Байршуулах бодит байдал - зөрөх, хазайлт, хяналт 🌦️

Загварууд доройтдог. Өгөгдлийн шилжилт. Зан үйлийн өөрчлөлт. Энэ бол бүтэлгүйтэл биш, дэлхий хөдөлж байна. өгөгдлийн шилжилт болон концепцийн шилжилтийг тасралтгүй хянах , өгөгдлийн гажуудал, чанарын эрсдэлийг онцолж, баримт бичиг, хандалтын хяналт, амьдралын мөчлөгийн засаглалыг санал болгодог [1].

• Үзэл баримтлалын шилжилт - оролт ба зорилтын хоорондын харилцаа өөрчлөгддөг тул өчигдрийн хэв маяг маргаашийн үр дүнг сайн таамаглахаа больсон.

• Загвар эсвэл өгөгдлийн шилжилт - оролтын хуваарилалт шилжих, мэдрэгч өөрчлөгдөх, хэрэглэгчийн зан төлөвийн өөрчлөлт, гүйцэтгэлийн бууралт. Илрүүлж, үйлдэл хийх.

Практик тоглоомын дэвтэр: үйлдвэрлэлийн хэмжүүрийг хянах, зөрөх тест хийх, давтан сургалтын хэмжүүрийг хадгалах, арын тестийн үр дүнгийн таамаглалыг бүртгэх. Хяналтын энгийн стратеги нь таны хэзээ ч ажиллуулж байгаагүй төвөгтэй стратегийг ялдаг.

Хуулбарлах боломжтой энгийн эхлэлийн ажлын урсгал 📝

1. Шийдвэрээ тодорхойл - өөр өөр босгон дээр таамагласнаар та юу хийх вэ?

2. Өгөгдөл цуглуулах - тодорхой үр дүн бүхий түүхэн жишээ цуглуулах.

3. Хуваах - галт тэрэг, баталгаажуулалт, жинхэнэ саатуулах тест.

4. Суурь - логистикийн регресс эсвэл жижиг модны чуулгаас эхэлнэ. Суурь үзүүлэлтүүд эвгүй үнэнийг хэлдэг [3].

5. Сайжруулах - онцлог инженерчлэл, хөндлөн баталгаажуулалт, болгоомжтой зохицуулалт.

6. Ship - таны системд таамаглал бичдэг API төгсгөлийн цэг эсвэл багц ажил.

7. Цаг - чанарын хяналтын самбар, зөрөх дохиолол, давтан сургах гох [1].

Хэрэв энэ нь маш их сонсогдож байгаа бол энэ нь тийм боловч та үүнийг үе шаттайгаар хийж болно. Жижигхэн ялалтын нэгдэл.

Өгөгдлийн төрөл ба загварчлалын загварууд - хурдан хит 🧩

• Хүснэгтийн бүртгэл - градиентийг нэмэгдүүлэх, шугаман загварт зориулсан гэрийн зүлэг [3].

• Хугацааны цуваа - ML-ээс өмнө чиг хандлага/улирлын шинж/үлдэгдэл болгон задлах нь ихэвчлэн ашиг тустай. Экспоненциал тэгшитгэх зэрэг сонгодог аргууд нь бат бөх суурь хэвээр байна [2].

• Текст, зураг - тоон векторууд руу оруулаад дараа нь хүснэгт шиг таамаглана.

• График - хэрэглэгчийн сүлжээ, төхөөрөмжийн харилцаа - заримдаа график загвар нь тусалдаг, заримдаа энэ нь хэт их инженерчлэлтэй байдаг. Яаж байгааг нь та мэднэ.

Эрсдэл ба хашлага - учир нь бодит амьдрал замбараагүй 🛑

• Хязгаарлалт ба төлөөлөл - дутуу илэрхийлэгдсэн контекст нь жигд бус алдаа гаргахад хүргэдэг. Баримт бичиг, хяналт [1].

• Нэвчилт - ирээдүйн мэдээллийн хордлогын баталгаажуулалтыг санамсаргүйгээр багтаасан шинж чанарууд.

• Хуурамч хамаарал - загварууд нь товчлол дээр түгжигддэг.

• Хэт таарсан - бэлтгэл дээр гайхалтай, үйлдвэрлэлд гунигтай.

• Засаглал - удам угсаа, зөвшөөрөл, хандалтын хяналтыг хянах нь уйтгартай боловч чухал [1].

Хэрэв та онгоц буухдаа өгөгдөлд найдахгүй бол зээл авахаас татгалзаж болохгүй. Бага зэрэг хэтрүүлсэн, гэхдээ та сүнсийг олж авдаг.

Гүн шумбах: хөдөлж буй зүйлийг урьдчилан таамаглах ⏱️

Эрэлт, эрчим хүчний ачаалал эсвэл вэб траффикийг урьдчилан таамаглахад цаг хугацааны цуврал бодол чухал байдаг. Үнэт зүйлс нь эрэмблэгдсэн байдаг тул та цаг хугацааны бүтцийг хүндэтгэдэг. Улирлын чиг хандлагын задралаас эхэлж, экспоненциал тэгшитгэх эсвэл ARIMA гэр бүлийн суурь үзүүлэлтүүдийг туршиж үзээд хоцрогдсон функцууд болон календарийн эффектүүдийг агуулсан модтой харьцуулаарай. Өгөгдөл нимгэн эсвэл чимээ шуугиантай үед жижиг, сайн тохируулсан суурь нь ч гэсэн гялалзсан загвараас илүү байж болно. Инженерийн гарын авлагад эдгээр үндсийг тодорхой тайлбарласан байдаг [2].

FAQ-ish mini толь бичиг 💬

• Predictive AI гэж юу вэ? Түүхэн хэв маягаас гарч болзошгүй үр дүнг урьдчилан таамаглах ML нэмэх статистик. Програм хангамжийн ажлын урсгалд ашигладаг урьдчилан таамаглах аналитиктай ижил сүнс [5].

• Энэ нь хиймэл хиймэл оюун ухаанаас юугаараа ялгаатай вэ? Бүтээлийн эсрэг урьдчилан таамаглах. Generative нь шинэ контент үүсгэдэг; магадлал эсвэл утгыг урьдчилан таамаглах тооцоолол [4].

• Надад гүн гүнзгий суралцах хэрэгтэй байна уу? Үргэлж биш. Өндөр ROI ашиглах олон тохиолдлууд мод эсвэл шугаман загвар дээр ажилладаг. Энгийнээр эхэлж, дараа нь ахиулна [3].

• Дүрэм журам эсвэл тогтолцооны талаар юу хэлэх вэ? Эрсдэлийн удирдлага, засаглалд итгэмжлэгдсэн тогтолцоог ашиглах - тэдгээр нь хэт хазайлт, хазайлт, баримтжуулалтыг чухалчилдаг [1].

Хэт урт. Уншаагүй!🎯

Урьдчилан таамаглах хиймэл оюун ухаан нь нууцлаг зүйл биш юм. Энэ бол өчигдрөөс суралцаж, өнөөдөр илүү ухаалаг ажиллахын тулд сахилга баттай дадлага юм. Хэрэв та багаж хэрэгслийг үнэлж байгаа бол алгоритмаас биш шийдвэрээсээ эхэл. Найдвартай суурь үзүүлэлтийг бий болгож, зан төлөвийг өөрчилдөг газар байрлуулж, тасралтгүй хэмжилт хий. Загвар өмсөгчид дарс биш харин сүү шиг хөгширдөг тул хяналт тавих, давтан сургах талаар төлөвлө. Жаахан даруу байдал нь урт замыг туулдаг.

Лавлагаа

1. NIST - Хиймэл оюун ухааны эрсдэлийн удирдлагын тогтолцоо (AI RMF 1.0). Холбоос

2. NIST ITL - Инженерийн статистикийн гарын авлага: Цаг хугацааны цуврал шинжилгээний танилцуулга. Холбоос

3. scikit-learn - Хяналттай сургалтын хэрэглэгчийн гарын авлага. Холбоос

4. NIST - AI Эрсдэлийн удирдлагын тогтолцоо: Хиймэл оюун ухааны профайл. Холбоос

5. INFORMS - Үйл ажиллагааны судалгаа ба аналитик (шинжилгээний тойм төрлүүд). Холбоос

Албан ёсны AI Assistant дэлгүүрээс хамгийн сүүлийн үеийн хиймэл оюун ухааныг олоорой

Бидний тухай