Урьдчилан таамаглах хиймэл оюун ухаан гэж юу вэ?

Урьдчилан таамаглах хиймэл оюун ухаан нь гоёмсог сонсогдож байгаа ч санаа нь энгийн: өнгөрсөн үеийн өгөгдлийг ашиглан дараа нь юу болохыг таах. Аль хэрэглэгч машинд үйлчилгээ хэрэгтэй үед шилжих нь түүхэн хэв маягийг ирээдүй рүү чиглэсэн дохио болгон хувиргах тухай юм. Энэ бол ид шид биш - энэ бол бага зэрэг эрүүл эргэлзээ, олон давталттай замбараагүй бодит байдалтай тулгарсан математик юм.

Доорх нь практик, хялбархан тайлбарласан материал юм. Хэрэв та энд хиймэл оюун ухаан гэж юу вэ , энэ нь танай багт хэрэгтэй эсэхийг гайхаж ирсэн бол энэ нь таныг нэг дороос л "ой" болгож чадна.☕️

Үүний дараа таны унших дуртай нийтлэлүүд:

🔗 Бизнестээ хиймэл оюун ухааныг хэрхэн нэвтрүүлэх вэ
Ухаалаг бизнесийн өсөлтөд зориулж хиймэл оюун ухааны хэрэгслүүдийг нэгтгэх практик алхамууд.

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

🔗 Хиймэл оюун ухааны чадварууд гэж юу вэ
Ирээдүйд бэлэн мэргэжилтнүүдэд зайлшгүй шаардлагатай хиймэл оюун ухааны гол чадваруудыг сур.

Урьдчилан таамаглах хиймэл оюун ухаан гэж юу вэ? Тодорхойлолт 🤖

Урьдчилан таамаглах хиймэл оюун ухаан нь түүхэн өгөгдлөөс хэв маягийг олж, хэн худалдаж авах, юу бүтэлгүйтэх, эрэлт хэзээ огцом өсөх зэрэг магадлалтай үр дүнг урьдчилан таамаглахын тулд статистикийн шинжилгээ болон машин сургалтыг ашигладаг. Илүү нарийвчлалтайгаар хэлбэл, энэ нь ойрын ирээдүйн талаарх магадлал эсвэл утгыг тооцоолохын тулд сонгодог статистикийг машины алгоритмуудтай хослуулдаг. Урьдчилан таамаглах аналитиктай ижил утгатай; өөр шошго, дараа нь юу болохыг урьдчилан таамаглах ижил санаа [5].

Хэрэв та албан ёсны лавлагаа, стандартын байгууллага болон техникийн гарын авлагад дуртай бол урьдчилсан мэдээг ирээдүйн утгыг урьдчилан таамаглахын тулд цаг хугацааны дараалсан өгөгдлөөс дохио (чиг хандлага, улирлын шинж чанар, автокорреляци) гаргаж авах хэлбэрээр авч үзнэ [2].

Урьдчилан таамаглах хиймэл оюун ухааныг юу ашигтай болгодог вэ ✅

Товчхондоо: энэ нь зөвхөн хяналтын самбараас гадна шийдвэр гаргахад нөлөөлдөг. Сайн тал дөрвөн шинж чанараас үүдэлтэй:

• Үйлдэл хийх чадвар - дараагийн алхмуудын газрын зургийг гаргадаг: батлах, чиглүүлэх, мессеж бичих, шалгах.

• Магадлалд анхаарлаа хандуулдаг - та зөвхөн чичиргээг бус, харин тохируулсан магадлалыг авдаг [3].

• Давтагдах боломжтой - нэг удаа байрлуулсан загварууд нь хэзээ ч унтдаггүй чимээгүй хамт ажиллагч шиг байнга ажилладаг.

• Хэмжиж болох - өргөлт, нарийвчлал, RMSE - та юу гэж нэрлээд байгаа юм бэ - амжилтыг тоон үзүүлэлтээр илэрхийлж болно.

Шударгаар хэлэхэд: урьдчилан таамаглах хиймэл оюун ухааныг сайн хийх үед бараг л уйтгартай санагддаг. Мэдэгдэл ирж, кампанит ажил өөрсдийгөө чиглүүлж, төлөвлөгчид бараа материалын захиалгыг эрт хийдэг. Уйтгартай байх нь үзэсгэлэнтэй.

Түргэн түүх: бид зах зээлийн дунд зэргийн багууд хоцрогдол болон хуанлийн функцуудыг ашиглан "дараагийн 7 хоногийн нөөц дуусах эрсдэл"-ийг оноодог жижиг градиент нэмэгдүүлэх загварыг нэвтрүүлж байхыг харсан. Гүн сүлжээ байхгүй, зөвхөн цэвэр өгөгдөл, тодорхой босго. Ялалт нь гэнэтийн зүйл биш, харин үйл ажиллагааны үеэр бага зэрэг алдаа гарсан явдал байв.

Урьдчилан таамаглах хиймэл оюун ухаан ба үүсгэгч хиймэл оюун ухаан - хурдан хуваагдал ⚖️

• Өгөгдлийн тархалтыг загварчилж, тэдгээрээс түүвэрлэн авах замаар үүсгэгч хиймэл оюун ухаан нь

• Урьдчилан таамаглах хиймэл оюун ухаан нь нөхцөлт магадлал эсвэл түүхэн хэв маягаас утгыг тооцоолох замаар үр дүнг урьдчилан таамаглах - зах зээлийн алдагдал, ирэх долоо хоногийн эрэлт, төлбөрийн чадваргүй байдлын магадлал [5].

Бүтээлч студи, урьдчилан таамаглахыг цаг агаарын үйлчилгээ гэж бодоорой. Нэг ижил хэрэгсэл (ML), өөр өөр зорилго.

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

1. Танд хамаатай шошготой түүхэн өгөгдлийн үр дүн болон тэдгээрийг тайлбарлаж болох оролтыг цуглуул

2. Инженерийн онцлогууд - түүхий өгөгдлийг ашигтай дохио болгон хувиргах (хоцрогдол, өнхрөх статистик, текст оруулах, ангиллын кодчилол).

3. Оролт ба үр дүнгийн хоорондын хамаарлыг сурдаг загварт тохирох алгоритмуудыг сургах

4. Бизнесийн үнэ цэнийг тусгасан үзүүлэлтүүдээр хадгалах өгөгдөл дээр үнэлгээ

5. Байршуулах - таамаглалыг апп, ажлын урсгал эсвэл сэрэмжлүүлгийн систем рүүгээ илгээх.

6. хянах өгөгдөл / концепцийн хэлбэлзлийг ажиглах , давтан сургалт/дахин тохируулга хийх. Тэргүүлэх хүрээ нь хэлбэлзэл, нэг талыг баримтлах байдал, өгөгдлийн чанарыг засаглал, хяналт шаарддаг тасралтгүй эрсдэл гэж тодорхой нэрлэдэг [1].

Алгоритмууд нь шугаман загвараас эхлээд модны чуулга, мэдрэлийн сүлжээ хүртэл янз бүр байдаг. Эрх бүхий баримт бичгүүд нь ердийн сэжигтнүүдийг - логистик регресс, санамсаргүй ой мод, градиентийн өсөлт гэх мэтийг - сайн зохион байгуулалттай оноо хэрэгтэй үед тайлбартайгаар болон магадлалын тохируулгын сонголтуудтай хамт каталогжуулдаг [3].

Барилгын блокууд - өгөгдөл, шошго, загварууд 🧱

• Өгөгдөл - үйл явдлууд, гүйлгээ, телеметр, товшилтууд, мэдрэгчийн уншилтууд. Бүтцийн хүснэгтүүд түгээмэл байдаг ч текст болон зургийг тоон шинж чанар болгон хөрвүүлж болно.

• Шошго - таны таамаглаж буй зүйл: худалдаж авсан ба худалдаж аваагүй, дампуурал хүртэлх өдрүүд, эрэлтийн доллар.

• Алгоритмууд

  • Үр дүн нь ангиллын дагуу өөрчлөгдсөн эсэхээс үл хамааран ангилах

  • регресс - хэдэн нэгж зарагдсан бэ.

  • Цаг хугацааны цуваагаар дараалал чухал үед чиг хандлага болон улирлын шинж чанарыг тодорхой тайлбарлах шаардлагатай үед цаг хугацааны туршид утгыг урьдчилан таамаглах [2].

Цаг хугацааны цувааны урьдчилсан мэдээ нь экспоненциал тэгшитгэх эсвэл ARIMA-гэр бүлийн загварууд зэрэг холимог аргуудад улирлын шинж чанар болон чиг хандлагыг нэмдэг бөгөөд энэ нь орчин үеийн ML-тэй зэрэгцэн суурь шугам хэвээр байгаа сонгодог хэрэгслүүд юм [2].

Үнэндээ хүргэлттэй нийтлэг хэрэглээний тохиолдлууд 📦

• Орлого ба өсөлт

  • Харилцагчийн оноо, хөрвүүлэлтийг нэмэгдүүлэх, хувь хүнд тохирсон зөвлөмж.

• Эрсдэл ба хууль ёсны байдал

  • Луйврын илрүүлэлт, зээлийн эрсдэл, AML-ийн дарцаг, аномали илрүүлэлт.

• Хангамж ба үйл ажиллагаа

  • Эрэлтийн урьдчилсан тооцоо, ажиллах хүчний төлөвлөлт, бараа материалын оновчлол.

• Найдвартай байдал ба засвар үйлчилгээ

  • Тоног төхөөрөмжийн урьдчилан таамагласан засвар үйлчилгээ - эвдрэлээс өмнө арга хэмжээ авах.

• Эрүүл мэнд ба олон нийтийн эрүүл мэнд

  • Дахин хэвтэх, яаралтай ангилах эсвэл өвчний эрсдэлийн загваруудыг урьдчилан таамаглах (болгоомжтой баталгаажуулалт, засаглалтай хамт)

Хэрэв та "Энэ гүйлгээ сэжигтэй харагдаж байна" гэсэн SMS хүлээн авч байсан бол та урьдчилан таамаглах хиймэл оюун ухаантай зэрлэг байгальд таарсан гэсэн үг.

Харьцуулсан хүснэгт - Урьдчилан таамаглах хиймэл оюун ухааны хэрэгслүүд 🧰

Тэмдэглэл: үнэ нь өргөн хүрээтэй - нээлттэй эх үүсвэр нь үнэгүй, үүлэн технологи нь хэрэглээнд суурилсан, бизнесийн хувьд харилцан адилгүй байдаг. Бодит байдлын үүднээс бага зэрэг хачин зүйл үлдээсэн..

жорын хэрхэн харьцуулагддаг вэ 🧭

нь юу болох магадлалтайг хариулдаг . Зааварчилгаа нь цаашлаад бид үүний талаар юу хийх ёстой вэ гэдэг асуултыг тавьж, хязгаарлалтын үед үр дүнг оновчтой болгох үйлдлүүдийг сонгодог. Мэргэжлийн нийгэмлэгүүд зааварчилгааны аналитикийг зөвхөн урьдчилсан мэдээ биш, харин оновчтой үйлдлүүдийг санал болгоход загвар ашиглах гэж тодорхойлдог [5]. Практикт таамаглал нь зааварчилгааг өгдөг.

Загваруудыг үнэлэх - чухал үзүүлэлтүүд 📊

Шийдвэрт тохирох үзүүлэлтүүдийг сонгоно уу:

• Ангилал

  • Сэрэмжлүүлэг үнэтэй үед хуурамч эерэг үр дүнгээс зайлсхийх нарийвчлал

  • Алдаа гаргах нь үнэтэй үед илүү олон бодит үйл явдлыг харахын тулд эргэн санаарай

  • Босго утгуудын дагуу зэрэглэлийн чанарыг харьцуулах AUC-ROC

• Регресс

  • Нийт алдааны хэмжээний хувьд RMSE/MAE

  • Харьцангуй алдаа чухал үед MAPE

• Урьдчилан таамаглах

  • Цаг хугацааны цувааны харьцуулалтын хувьд MASE, sMAPE

  • Урьдчилан таамаглах интервалын хамрах хүрээ

Миний дуртай нэг дүрэм: буруу байгаа төсөвтэйгөө нийцэж буй хэмжүүрийг оновчтой болго.

Байршуулалтын бодит байдал - хазайлт, нэг талыг баримтлах байдал болон хяналт 🌦️

Загварууд доройтдог. Өгөгдөл өөрчлөгддөг. Зан төлөв өөрчлөгддөг. Энэ бол бүтэлгүйтэл биш, харин дэлхий ертөнц хөдөлж байгаа явдал юм. Тэргүүлэх хүрээнүүд нь өгөгдлийн зөрүү болон ойлголтын зөрүүг , алдаа дутагдал болон өгөгдлийн чанарын эрсдэлийг онцолж, баримтжуулалт, хандалтын хяналт, амьдралын мөчлөгийн засаглалыг санал болгодог [1].

• Ойлголтын хэлбэлзэл - оролт болон зорилтын хоорондын харилцаа хувьсан өөрчлөгддөг тул өчигдрийн хэв маяг маргаашийн үр дүнг тийм ч сайн таамаглахаа больсон.

• Загвар эсвэл өгөгдлийн шилжилт - оролтын тархалт өөрчлөгдөж, мэдрэгчүүд өөрчлөгдөж, хэрэглэгчийн зан төлөв өөрчлөгдөж, гүйцэтгэл буурдаг. Илрүүлж, арга хэмжээ авах.

Практик гарын авлага: үйлдвэрлэлд үзүүлэлтүүдийг хянах, дрифт тест хийх, давтан сургалтын хэмнэлийг хадгалах, буцаан туршилтын үр дүнг урьдчилан таамаглахтай харьцуулан бүртгэх. Энгийн хянах стратеги нь таны хэзээ ч хэрэгжүүлдэггүй нарийн төвөгтэй стратегиас илүү давуу талтай.

Хуулбарлаж болох энгийн эхлэлийн ажлын урсгал 📝

1. Шийдвэрийг тодорхойлох - өөр өөр босго дээрх таамаглалыг та юу хийх вэ?

2. Өгөгдөл цуглуулах - тодорхой үр дүнтэй түүхэн жишээнүүдийг цуглуулах.

3. Хуваах - сургах, баталгаажуулах, үнэхээр тогтвортой байдлын тест.

4. Суурь шугам - логистик регресс эсвэл жижиг модны чуулгаас эхэлнэ. Суурь шугамууд нь эвгүй үнэнийг өгүүлдэг [3].

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

6. Шилжүүлэг - таны системд таамаглал бичдэг API төгсгөлийн цэг эсвэл багцын ажил.

7. Цаг - чанарын хяналтын самбар, дрифт дохиолол, давтан сургах триггерүүд [1].

Хэрэв энэ их сонсогдож байгаа бол тийм л байна - гэхдээ та үүнийг үе шаттайгаар хийж болно. Жижиг нь нийлмэл байдлаар хождог.

Өгөгдлийн төрөл ба загварчлалын хэв маяг - хурдан цохилтууд 🧩

• Хүснэгтийн бичлэгүүд - градиент өсгөх болон шугаман загваруудын гэрийн зүлгэн дээр суурилсан [3].

• Цагийн цуваа - ML-ээс өмнө чиг хандлага/улирлын шинж чанар/үлдэгдэлд задрах нь ихэвчлэн ашиг тустай байдаг. Экспоненциал тэгшитгэх зэрэг сонгодог аргууд нь хүчтэй суурь хэвээр байна [2].

• Текст, зураг - тоон векторт суулгаад дараа нь хүснэгтэн хэлбэрээр таамаглана.

• Графикууд - хэрэглэгчийн сүлжээ, төхөөрөмжийн харилцаа холбоо - заримдаа график загвар тусалдаг, заримдаа хэт инженерчлэл хийдэг. Та үүнийг мэдэж байгаа.

Эрсдэл ба хашлага - учир нь бодит амьдрал замбараагүй байдаг 🛑

• Нэг талыг барьсан байдал ба төлөөлөл - дутуу төлөөлөл нь жигд бус алдаа гаргахад хүргэдэг. Баримтжуулж, хяна [1].

• Алдагдал - санамсаргүйгээр ирээдүйн мэдээллийн хорын баталгаажуулалтыг багтаасан онцлог шинж чанарууд.

• Хуурамч хамаарал - загварууд товчлолуудыг ашигладаг.

• Хэт их тохируулгатай - сургалтанд маш сайн, үйлдвэрлэлд гунигтай.

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

Хэрэв та онгоц газардуулахдаа өгөгдөлд найдах дургүй бол зээл олгохоос татгалзахдаа ч битгий найда. Бага зэрэг хэтрүүлэгтэй ч гэсэн та сэтгэлийг нь ойлгож байна.

Гүнзгий шумбалт: Хөдөлж буй зүйлсийг урьдчилан таамаглах ⏱️

Эрэлт, эрчим хүчний ачаалал эсвэл вэб урсгалыг урьдчилан таамаглахдаа цагийн цувааны сэтгэлгээ чухал байдаг. Утга нь эрэмбэлэгддэг тул та цаг хугацааны бүтцийг хүндэтгэдэг. Улирлын чиг хандлагын задралаас эхэлж, экспоненциал тэгшитгэх эсвэл ARIMA-гэр бүлийн суурь шугамуудыг туршиж үзээрэй, хоцрогдсон шинж чанар, хуанлийн нөлөөллийг багтаасан сайжруулсан модтой харьцуул. Жижиг, сайн тохируулсан суурь шугам ч гэсэн өгөгдөл бага эсвэл шуугиантай үед гялгар загвараас илүү сайн ажиллаж чадна. Инженерийн гарын авлагад эдгээр үндсэн зарчмуудыг тодорхой тайлбарласан болно [2].

Түгээмэл асуултууд маягийн жижиг тайлбар толь 💬

• Урьдчилан таамаглах хиймэл оюун ухаан гэж юу вэ? Машины технологи болон түүхэн хэв маягаас үүдэлтэй магадлалтай үр дүнг урьдчилан таамагладаг статистик. Програм хангамжийн ажлын урсгалд хэрэглэгддэг урьдчилан таамаглах аналитиктай ижил утгатай [5].

• Энэ нь үүсгэгч хиймэл оюун ухаанаас юугаараа ялгаатай вэ? Бүтээл ба урьдчилсан мэдээ. Үүсгэгч нь шинэ контент үүсгэдэг; урьдчилан таамаглах нь магадлал эсвэл утгыг тооцоолдог [4].

• Надад гүнзгий суралцах шаардлагатай юу? Үргэлж тийм биш. Өндөр ROI хэрэглээний олон тохиолдлууд мод эсвэл шугаман загвар дээр ажилладаг. Энгийнээс эхлээд өргөжүүл [3].

• Журам эсвэл хүрээний талаар юу хэлэх вэ? Эрсдэлийн удирдлага болон засаглалын хувьд итгэмжлэгдсэн хүрээг ашигла - тэдгээр нь нэг талыг баримтлах, хазайлт хийх, баримтжуулахыг онцолдог [1].

Хэтэрхий урт байна. Уншаагүй байна!🎯

Урьдчилан таамаглах хиймэл оюун ухаан бол нууцлаг зүйл биш. Энэ бол өчигдрөөс суралцах, өнөөдөр илүү ухаалаг ажиллах сахилга баттай дадал юм. Хэрэв та хэрэгслүүдийг үнэлж байгаа бол алгоритмаас биш, шийдвэрээсээ эхэл. Найдвартай суурь шугам тогтоож, зан төлөвийг хаана өөрчлөхийг нь байрлуулж, тасралтгүй хэмж. Мөн санаарай - загварууд дарс биш, сүү шиг хөгширдөг тул хяналт, давтан сургалтын төлөвлөгөө гарга. Бага зэрэг даруу байдал нь маш их зүйлийг авчирдаг.

Лавлагаа

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

2. NIST ITL - Инженерийн статистикийн гарын авлага: Цагийн цувааны шинжилгээний танилцуулга. Холбоос

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

4. NIST - Хиймэл оюун ухааны эрсдэлийн удирдлагын хүрээ: Бүтээлч хиймэл оюун ухааны профайл. Холбоос

5. INFORMS - Үйл ажиллагааны судалгаа ба аналитик (аналитикийн төрлүүдийн тойм). Холбоос

Албан ёсны хиймэл оюун ухааны туслах дэлгүүрээс хамгийн сүүлийн үеийн хиймэл оюун ухааныг олоорой

Бидний тухай