Cum învață inteligența artificială ceea ce trebuie făcut - EOS en Suisse

Dacă este programată corect, inteligența artificială poate scuti oamenii de multă muncă. Cu toate acestea, există și nenorociri. Ori de câte ori te antrenezi cu date greșite. Dar cum învață AI să facă ceea ce trebuie?

  • Dacă instruiți un algoritm de auto-învățare cu date incorecte, riscați defecțiuni.
  • „Doar datele curate împiedică aparatele să ia decizii incorecte.”
  • Succes măsurabil la EOS: plăți primite cu un procent mai mare datorită utilizării AI.

Ce se poate întâmpla dacă instruiți un algoritm de auto-învățare cu date incorecte a fost arătat de aplicația de filtrare a fotografiilor Faceapp cu filtrul său „fierbinte”, un fel de filtru de atractivitate. Acum doi ani, portretul cu pielea închisă la culoare s-a transformat brusc în oameni albi. Motivul schimbării pielii: inteligența artificială (AI) a fost instruită doar cu un set de date de fețe caucaziene cu piele deschisă. Dacă toate grupurile etnice ar fi fost luate în considerare în timpul antrenamentului, defalcarea nu ar fi avut loc.

Dezavantaj de la datele proaste.

Andreas Dix de la echipa Data Science de la EOS din Germania este cineva care știe să antreneze corect sistemele AI. Specialistul în date instruiește mașini pentru procese repetate și care necesită mult timp. „Numai datele curate împiedică aparatele să ia decizii incorecte.”

„Trebuie să știm exact unde sunt conexiunile, astfel încât inteligența artificială să funcționeze corect pe baza antrenamentului nostru.” Andreas Dix

O modalitate de a evita aceste erori este prin explorarea corectă a datelor. Aceasta înseamnă că abordați setul de date fără ipoteze. Deci neutru, fără acceptare neconfirmată. Apoi, expertul încearcă să afle ce informații utilizabile sunt în setul de date. Există variabile în ea care nu au deloc variații? Sau există variabile care conțin prea multe valori lipsă? Aceste date ar trebui excluse deoarece pot avea o influență falsă. „Trebuie să știm exact unde sunt conexiunile, astfel încât inteligența artificială să funcționeze corect pe baza antrenamentului nostru”, spune Dix.

Programarea inteligentă.

Algoritmii de învățare automată au nevoie de date curate pentru a recunoaște structurile și a trage concluzii. „Regulile și condițiile stabilite de algoritm în timpul antrenamentului nu trebuie să fie prea specifice, pentru că atunci nu au nicio valoare pentru a prezice cu adevărat ceva. Se vorbește apoi de supra-dotare. O generalizare ar fi mai bună, adică să se găsească structuri mai puțin specifice și, prin urmare, să se obțină o precizie bună, pe baza datelor nou achiziționate, printre altele. ”Acest lucru se poate realiza, de exemplu, prin optimizarea hiperparametrilor algoritmului și prin utilizarea mai multor date de instruire.

Revendicări complet automate.

În ceea ce privește activitatea de colectare a datoriilor la EOS, aceasta înseamnă că AI prezice, de exemplu, cea mai bună activitate următoare. Mai exact, datele care sunt disponibile în sistem până în acest moment cu privire la creanță și plătitorii care nu se încadrează sunt colectate, cumulate și procesate. Abia atunci toate modelele sunt interogate cu aceste date pentru a prezice cât de reușită va fi fiecare activitate de colectare pentru această revendicare în acest moment. Sau pentru a spune mai clar: cât de mult se poate aștepta plățile primite de EOS. În cele din urmă, activitatea care a fost evaluată cel mai bine după aplicarea tuturor criteriilor este efectuată de sistemul de colectare a datoriilor.

Succes măsurabil.
De fapt, există deja succese măsurabile de raportat datorită AI la EOS. „La EOS din Germania, folosim productiv sistemul de AI bazat pe date D3, Data Driven Decisions. Îl folosim pentru a controla procesul de colectare și a primi cu aproximativ zece la sută mai multe plăți primite decât înainte. Ca rezultat, obținem câștiguri cu aproximativ cinci la sută mai mari după costurile activității în comparație cu metoda anterioară de procesare a creanțelor ”, spune Dix.

inteligența

Gata, constant, pleacă: specialistul în date Andreas Dix știe exact de ce date are nevoie inteligența artificială pentru antrenament

Inteligența umană este primordială.

Când este întrebat dacă oamenii pot deveni superflui în procese la un moment dat, deoarece programele de învățare devin independente, specialistul în date face o pauză pentru un moment. „În cele din urmă, cred că sistemele cu inteligență artificială sunt întotdeauna un plus util pentru oameni. Mai presus de toate, totuși, este întotdeauna persoana care controlează și ia decizii importante. ”La urma urmei, în cele din urmă, trebuie să fie persoana care alimentează mașina cu datele corecte.

Informatii suplimentare? Va rog sa ne contactati!

Credite foto: Achim Multhaupt

Doit aprins.

învață

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

artificială

Cum blockchain vă poate ajuta și nu vă poate ajuta să vă cunoașteți clientul.

învață

Cu DSP2, Uniunea Europeană revoluționară le paiement en ligne

Titlu

Parametrii cookie-ului

Noi utilizăm cookie-uri pe site-ul nostru pentru a oferi cea mai bună vizită posibilă. Certains cookies sunt necesare pentru un bun funcționare al site-ului, altele sunt utilizate exclusivitate până la cele de statistică anonimă, altele încă care permit amelioratorului funcționalităților și convivialității de pe site-ul nostru sau vă propune un conținut personalizat în funcția dvs. centres d'intérêt. Vous pouvez décider vous-même d’autoriser ou non l’utilisation des cookies statistiques, de convivialité și marketing. Puteți, de asemenea, să modificați sau să vă retrageți consimțământul în tot moment și să faceți clic pe „Modifier les paramètres de cookies” în baza paginii site-ului. Pour plus information, veuillez consulter notre Politica de confidențialitate.

  • Necesari
  • Fonctionnels
  • Statistici
  • marketing

Necesari

Nous utilisons des cookies nécessaires. Aceste cookie-uri nu sunt indispensabile pe buna funcționare a site-ului web. În special, ele permit activarea funcțiilor de securitate a site-ului nostru. Fără cookie-uri, anumite petreceri ale site-ului nu pot funcționa. Se adaugă informații suplimentare despre cookie-urile pe care le folosim, faceți clic aici.

Fonctionnels

Noi folosim cookie-urile statistice. Cookie-urile care permit ameliorarea noastră oferă, adaptarea concepției site-ului pentru necesitățile utilizatorilor și optimizarea continuă a site-ului nostru. Pour cela, nous collectons des données anonymisées à des fins statistiques et d'analysis. Ces cookies permettent, by example, de mesurer le trafic et d’analyser le com-portement des users sur le site, ainsi que d’adapter et d’améliorer notre content și l’expérience utilisateur. Se adaugă informații suplimentare despre cookie-urile pe care le folosim, faceți clic aici.

Statistici

Nous utilisons des cookies de convivialité. Aceste cookie-uri permit ameliorarea funcționalităților de pe site-ul nostru și vă facilitează navigarea. Dacă sunteți consultat la noul nostru site pentru a face apel la serviciile noastre, recunoaștere automată că aveți deja rendu vizită. The saisies et paramétrages que vous avez précédemment effectués will automically reconnus et vous n’aurez pas besoin de les saisir une nouvelle fois. De exemplu, nu aveți nevoie să pătrundeți la fiecare dată când utilizați datele dvs.: veți avea deja acces la acestea când veți fi accesibil atunci când veți vizita următoarea.
Se adaugă informații suplimentare despre cookie-urile pe care le folosim, faceți clic aici.

marketing

Nous utilizează marketingul cookie-urilor. Aceste cookie-uri vă permit să propuneți, atunci când vizitați, un conținut personalizat și pertinent în funcția dvs. de centre de interes.
Se adaugă informații suplimentare despre cookie-urile pe care le folosim, faceți clic aici.