Q:
Hvorfor er rationelle agenter for maskinlæring så vigtige for detailapplikationer?
EN:Rationelle agenter tjener forskellige formål i maskinlæring og kunstig intelligens projekter, men de er især nyttige i detailapplikationer som vigtige aspekter af spilteori og forudsigelig modellering.
I detailhandlen bruges ofte maskinlæringsmodeller til at forsøge at forudsige optimale resultater. Virksomheder forsøger at tage big data om kunder og vurdere dem gennem linsen af menneskelig følelse og motivation - for at se på menneskelig adfærd på et kollektivt grundlag. Med andre ord studerer de masser af kunder og laver modeller af deres kollektive opførsel og prøver at finde ud af, hvordan alle disse individuelle valg kombineres for at informere deres forretningsinformation.
| Gratis download: Machine Learning og Why It Matters |
Med det for øje spiller rationelle agenter en nyttig rolle i spilteori eller anden adfærdsmodellering. Detailhandlere vil bruge rationelle agenter og modeller for at prøve at finde ud af, hvordan man bedst kan betjene kunder.
Tag f.eks. En maskinindlæringsmodel, der evaluerer drive-through-service. I dette tilfælde ville de rationelle aktører være individuelle drivere. En maskinlæringsmodel ville indtaste big data - for eksempel ville den undersøge data i realtid om hastighed på tjenesten, hvordan chauffører navigerer gennem gennemkørselsområdet, hvordan de vælger at flytte deres køretøjer, og hvordan det påvirker andre beslutninger, ned til et meget detaljeret adfærdsniveau.
Dette er kun et eksempel - rationelle agenter i maskinlæringsmodeller kan simulere menneskelige valg om siddepladser, stå i kø for produkter eller tjenester, shoppe online, shoppe i et udendørs indkøbscenter eller række butikker eller næsten alt andet, som forretningsførere vil måle.
Grundlæggende bygger brugen af maskinindlæringsmodeller intelligens, som virksomhederne kan bruge til at markedsføre og sælge bedre. Rationelle agenter spiller den særlige rolle i modellerne for at vise beslutningstagere mere om, hvordan deres forretningsbeslutninger kan spille ud i den virkelige verden.
En sekundær brug af rationelle agenter i detailhandelen involverer at skabe autonome maskiner, der kan tage deres egne beslutninger. Det er sandsynligt, at vi vil se mere af denne form for markedsføring, når maskinlæring og fremskridt med kunstig intelligens starter. Du har måske en digital edderkop, der gennemsøger internettet, eller et andet netværk eller interaktion med smartphone-enheder til at markedsføre varer individuelt til kunder - tænk på de futuristiske hologrammer i science fiction-film fra 1980'erne og 1990'erne, der aggressivt markedsførte produkter til enkeltpersoner ved navn . Det er den slags ting, som rationelle detailhandlere kan gøre i nutidens udviklende kunstige intelligensmiljø.
I resuméet er der specifikke måder, hvorpå detailhandlen kan drage en stor fordel af maskinlæring. Maskinlæringsmodeller, der involverer rationelle agenter og andre elementer, kan tage meget af gætterne ud af forretningsbeslutninger. Virksomheder, der ikke bruger disse avancerede modeller til at drive forretningsinformation, vil blive efterladt, når virksomheder bliver klogere på at tjene deres målgrupper.
