تکنیک های تصمیم گیری در ماشین لرنینگ

مقدمه

در این مقالات، با انواع تکنیک‌های تصمیم‌گیری آشنا می‌شویم. روش‌های AI/ML احتمالاً می‌توانند وسیله‌ای برای رسیدن به هدف برای تصمیم‌گیری منطقی ما باشند. هدف این مقاله، ارائه شهود در مورد رایج‌ترین تکنیک‌های تصمیم گیری است که توسط AI/ML هدایت می‌گردند. همه ما از هنگام بیدار شدن از خواب و پشت سر گذاشتن یک روز و بازگشت به رختخواب دنجمان تا زمان بازنشستگی، مدام در حال تصمیم گیری هستیم که همین تصمیمات درست، زمینه‌ شکوفایی ما را فراهم می‌سازند. تخمین زده شده که یک انسان در طول روز به طور متوسط ​​حدود ۳۵۰۰۰ تصمیم می‌گیرد. حتی یک تصمیم کوچک می‌تواند پیامدهای عظیمی بر مجموعه‌ای از رویدادها داشته باشد، مانند آنچه در «اثر پروانه‌ای» بسیار معروف گفته شده است: گاهی، یک تغییر جزئی مانند بال زدن پروانه می‌تواند تغییری خارق‌العاده ایجاد کند. کلید تصمیم گیری موثر، تعیین نتایج ممکن و ارزیابی آن‌ها برای رسیدن به بهترین نتیجه است. با ظهور هوش مصنوعی، ما برای اکثر تصمیمات منطقی خود به سمت آن گرایش داریم، خواه یافتن کوتاه‌ترین مسیر برای رسیدن به کار باشد و یا انتخاب‌های تجاری پیچیده. استفاده از تکنیک‌های AI/ML برای تصمیم ‌گیری به ما اجازه می‌دهد تا با آزمایش نتایج مختلف ممکن برای یک مشکل، راه‌حل بهینه را پیدا بیابیم.

تکنیک‌های برتر تصمیم گیری با استفاده از AI/ML

تصمیم گیری، فرآیندی مستمر و هدفمند است و مجموعه‌ای از اقدامات را دربرمی‌گیرد که باید برای رسیدن به یک هدف تعریف شده، انجام شوند. تکنیک‌های زیر، راه‌حل‌هایی را برای مشکلات کسب‌وکار مدرن ارائه می‌دهند و در نتیجه توانایی تصمیم‌ گیری را برای ارائه رشد مؤثر، مقرون‌ به ‌صرفه و سودآور در هر زمینه‌ای افزایش می‌دهند.

۱. سیستم‌های توصیه شده:

بیایید لحظه‌ای را به بررسی فعالیت‌های روزانه خود اختصاص دهیم. بیشتر روز ما با گوشی‌های هوشمندمان شروع می‌شود و به همین منوال ادامه می‌یابد. به عبارتی، ماشین‌ها در مورد آنچه ممکن است ما به آن علاقه‌مند باشیم، تصمیم می‌گیرند. این موضوع از طریق ساختن سیستمی حاصل می‌شود که از تکنیک‌های زیر پیروی می‌کند: الف) از فیلتر عبور دادن بر اساس محتوا: به صورتی که تصمیمات بر اساس تعامل کاربر با سیستم بر اساس علاقه‌مندی و دوست نداشتن آن‌ها گرفته می‌شود. ب) فیلترینگ مشارکتی: تصمیمات به صورت گروهی و از تعاملات کاربر با سیستم بر اساس تعامل گذشته آن‌ها گرفته می‌شود. ج) سیستم پیشنهادی ترکیبی: به گونه‌ای که موارد الف و ب به صورت ترکیبی با یکدیگر برای به دست آوردن بهترین نتیجه و یافتن مشابه‌ترین کاربران و موارد ترکیب شده است. ۲. آنالیزهای پیش بینی‌کننده: مدل‌های پیش‌بین، به مدل‌هایی اطلاق می‌گردد که از تکنیک‌های مبتنی بر آمار برای تخمین یا پیش‌بینی نتایج احتمالی با داده‌های معتبر مناسب استفاده می‌کنند و الزامات و نیازهای سناریوهای مختلف را در نظر می‌گیرد. مدل پیش‌بینی اغلب با الگوریتم‌های ماشین لرنینگ، ترکیب شده تا نتیجه کسب‌وکار مؤثری حاصل گردد. این امر با جستجوی داده‌ها، تعیین روندها و الگوهای هدف و اعمال الگوریتم مناسب طبقه‌بندی (برای پیش‌بینی کلاس‌های مختلف) یا رگرسیون (برای پیش‌بینی اعداد) به دست می‌آید. از کاربرد آنالیز پیش‌بینی کننده در صنایع مختلف می‌توان به موارد زیر اشاره نمود: الف) فروش: ۱. روندها و تغییرات در بازار را پیش بینی کنید. ۲. مطالعه و آنالیز ارزش‌های مشتری ب) امنیت سایبری: ۱. برای تشخیص ناهنجاری‌ها و شناسایی الگوهای موجود در داده‌ها ۲. برای دستکاری و استخراج اطلاعات مفید از داده‌ها ج) مراقبت‌های بهداشتی: ۱. بررسی و پیش بینی احتمال ابتلای بیمار به بیماری مزمن ۲. مدیریت هزینه‌ها و بهبود درمان با تشخیص صحیح د) بانکداری / امور مالی: ۱. برای شناسایی جنبه‌های تجارت غیرقانونی، عدم دریافت کارت اعتباری یا وام ۲. پیش‌بینی‌های سهام و سودآوری آینده

۳. تصمیم گیری بر اساس منطق فازی

اصطلاح “فازی” به معنای مبهم است. بسیاری از تصمیمات ما را نمی‌توان قاطعانه سیاه یا سفید دانست. گاهی اوقات، لازم است تا آن‌ها را در گروه خاکستری قرار داد. منطق فازی برای شبیه سازی استدلال انسان در ماشین‌ها استفاده می شود. منطق فازی اغلب همراه با سیستم‌های کنترلی برای ارائه یک نتیجه واقعی قابل قبول اجرا می‌شود. هنگامی که با شبکه‌های عصبی و تکنیک‌های تقویتی ترکیب می‌شوند، می‌توان از سیستم‌های فازی برای دستیابی به هوش و ثبات مورد نیاز برای سناریوهای دنیای واقعی استفاده نمود. سیستم‌های فازی، عملکرد بیشتری دارند و نسبت به نویزهای خارجی حساسیت کمتری دارند. این سیستم‌ها انعطاف‌پذیرتر هستند و می‌توانند بیش از دو موقعیت ممکن را نشان ‌دهند. اگرچه سیستم‌های فازی همیشه دقیق نیستند، اما قوی‌ هستند و در اکثر محصولات خانگی مانند تهویه مطبوع، اجاق‌های مایکروویو، ماشین لباسشویی، یخچال، تلویزیون و غیره کاربرد دارند.

اهمیت تصمیم گیری

نکات مهم تکنیک‌های تصمیم گیری شامل: این یک واقعیت شناخته شده است که هر روز بیش از ۲.۵ کوینتیلیون (عدد یک با ۱۸ صفر بتوان ۲) بایت داده تولید می‌شود که هر روزه در حال افزایش است. بنابراین می‌توان نتیجه گرفت که برای شرکت‌های «داده محور» کمبود داده وجود ندارد. با این حال، از آنجا که بیشتر این داده‌ها ساختاری ندارند، به استخراج و پاکسازی آن‌ها نیاز می‌باشد تا بتوان اطلاعات مفیدی را از داده‌های مذکور استخراج نمود. موفقیت هر کسب و کاری در مسیری است که آنها برای دسترسی به مشتریان خود طی می کنند و اینکه مشتریان چقدر از محصولات مورد نظر خود راضی هستند. موفقیت هر کسب و کاری در مسیری است که آن‌ها برای دسترسی به مشتریان خود طی می‌کنند و اینکه مشتریان چقدر از محصولات مورد نظر خود راضی هستند. استفاده از تکنیک‌های هوش مصنوعی Al و ML برای کسب و کار جهت درک وضعیت بازار، مسیر مستقیم به سمت نوآوری و استفاده موثر از منابع موجود مهم است. این تکنیک‌ها به عنوان پلی برای به دست آوردن داده‌ها و استفاده از آن‌ها برای تصمیم گیری‌های پیچیده عمل می کنند و کسب و کار را قادر می‌سازند تا درک عمیق‌تر و شخصی از مشتریان خود داشته باشند، در نتیجه پیوند قوی‌تری بین آن‌ها و فرصت‌های تجاری بهتر برای اکتشاف ایجاد می‌شود.

مزایای تصمیم گیری

مزایای تصمیم گیری شامل: ۱. کاوش در گزینه‌های بیشتر: به دلیل داده‌های کثیر، امکانات زیادی برای کاوش و استخراج بینش مفید از آن‌ها وجود دارد. در حالی که این کار برای انسان خسته کننده است اما ماشین‌ها می‌توانند به ما در نیل به هدف کمک کنند. در مسیر دستیابی به یک تصمیم ایده‌آل، داده‌ها تجزیه و تحلیل شده و به منظور جایگزین‌های متعدد برای یافتن راه حل سوالات حل نشده مورد مطالعه قرار می‌گیرند. ۲. صرفه جویی در زمان: همزمان با رشد پلتفرم دیجیتال، دستیابی به نتایج سریع نیاز لحظه‌ای و مهمی است و این موضوع با مشارکت ماشین‌های کارآمد و آموزش دیده که به منظور ارائه بهترین خروجی به ما، قوانین پیچیده ریاضی را به کار می‌گیرند، امکان پذیر است. با پیشرفت‌های شبکه‌های عصبی مصنوعی و ابررایانه‌ها، این الگوریتم‌های پیچیده اکنون در عرض چند ثانیه تا چند ساعت به جای چند روز انجام می‌شوند. ۳. دقت و کارایی بیشتر: علاوه بر صرفه جویی در زمان، سیستم‌های هوش مصنوعی Al و ML نتایج دقیقی را برای مشکلات در اختیار ما قرار می‌دهند. این امر با حجم زیادی از داده‌های قابل قبول ماشینی که به این سیستم‌ها وارد می‌کنیم امکان‌پذیر می‌شود و طی گذشت زمان با جمع‌آوری داده‌های تاریخی، تصمیمات تفسیر شده بهتر و بهتر می‌شوند. ۴. درک مصرف‌کنندگان: حفظ و ثبات مصرف‌کنندگان به اندازه به دست آوردن و جذب آن‌ها مهم است. کسب‌وکار می‌تواند از داده‌هایی که از مشتریان خود دریافت می‌کند استفاده نموده و روی رویکرد موجود کار کند و تصمیم بگیرد که چه چیزی برای هر دو بهترین است و مطمئن شود که مصرف‌کنندگانشان به این زودی‌ها از بین نمی‌روند. نتیجه تکنیک‌های تصمیم‌ گیری، نگاهی اجمالی به گزینه‌های مختلف ممکن را در اختیار ما قرار می‌دهد تا بتوانیم بهترین تصمیم را انتخاب نماییم. اخیراً ما به هوش مصنوعی تکیه کرده‌ایم تا بیشتر تصمیم‌ها را برای خودمان بگیریم و در تصمیم‌ گیری، دقیق‌تر و بهتر عمل کنیم. اگرچه این برای پیشرفت ما در آینده بسیار مهم است، اما همه تصمیماتی که توسط ماشین‌ها و الگوریتم‌ها گرفته می‌شود نمی‌توانند جایگزین تصمیماتی شوند که انسان‌ها می‌گیرند و اصلاً قابل قیاس نیستند. اخلاقی که در تصمیم گیری‌های انسانی وجود دارد (صرف نظر از سوگیری توسط خالق خود یا داده‌هایی که به آن‌ها ارائه مي‌شود) چیزی است که تصمیمات مبتنی بر ماشین عمدتاً فاقد آن هستند. اما دامنه هوش مصنوعی یا Al که در فرآیند تصمیم گیری ما نقش دارند به این زودی‌ها از حرکت باز نخواهند ایستاد. تنها راه برای پیشرفت بیشتر ما این است که رویکردی هوشمندانه‌تر و حسابگرانه‌تر برای بهبود تصمیماتی که نتایج اقدامات ما هستند اتخاذ کنیم. خلاصه کلید تصمیم گیری موثر، تعیین نتایج ممکن و ارزیابی آن‌ها برای رسیدن به بهترین نتیجه است. با ظهور هوش مصنوعی، ما برای اکثر تصمیمات منطقی خود به سمت آن گرایش داریم، خواه یافتن کوتاه‌ترین مسیر برای رسیدن به کار باشد و یا انتخاب‌های تجاری پیچیده. استفاده از تکنیک‌های AI/ML برای تصمیم ‌گیری به ما اجازه می‌دهد تا با آزمایش نتایج مختلف ممکن برای یک مشکل، راه‌حل بهینه را پیدا بیابیم. منابع آرشیو اخبار و مطالب علمی ژنیران