0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

机器学习算法帮助我们做出更好的决定

XcAI_avfline 来源:YXQ 2019-08-14 16:47 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

机器学习算法,可以帮助我们做出更好的决策,通过将人类的偏见最小化,使用更完整的数据集,或者弥补我们决策软件中已知的缺陷。

虽然古老的计算机科学公理“垃圾输入,垃圾输出”仍然适用,但精心设计的具有完全代表性数据集的系统,可以帮助我们做出更明智的决策。

考虑一下招聘场景。Textio开发了一种软件产品,帮助人们写工作描述,这种描述最有可能吸引有资格、有能力做特定工作的人。

这家公司由一个微软 Office 老员工团队创办,在你写内容时在屏幕上提供指导。

例如,当你在某个特定的时间点,使用某个性别比另一个性别更有吸引力的词语时,Textio 会提醒你。

诸如详尽、强制、无畏之类的词汇已经被统计学证明,会让你的人才库偏向男性。

Textio还指出了地区差异。

例如,如果你用“好的职业道德”来描述你的理想候选人,这可能会吸引圣何塞的工人,但会阻止华盛顿地区的工人。如果你的目标是埃弗雷特的候选人,最好不要说这句话。

鉴于Textio可以访问广泛的数据集,比如现有的职位描述、应用统计数据和工作表现数据等等,可以帮助你消除招聘过程中的盲点。

机器学习还可以帮助你,找出是什么让你最优秀的员工如此高效,并帮助你在第一天就把新手变成专家。

Cresta.ai观察最有效的销售人员在聊天时如何与潜在客户互动:弄清楚潜在客户需要什么,推荐产品,回答问题。

这个系统提取最佳实践方案,并将其转化为实时建议,供经验不足或效率较低的销售人员在与潜在客户互动时使用。

在 Intuit 这样的客户部署中,销售团队的转化率上升了20% ,培训时间节省了66%。

换句话说,与没有使用这个系统相比,销售代表在培训较少的情况下完成了更多的业务。

这个系统对销售人员和客户都有好处。

正如一位 Intuit 代表所描述的,“我担心使用这个系统会破坏与客户的个人关系或对话,但是将这个人工智能作为工作助手,有助于展开个性化对话。”

机器学习也有助于提高非常熟练的专业人员的决策能力,例如寻找特定矿物的地质学家。

锂离子电池(如手机、笔记本电脑或电动汽车中的电池)内部可能含有一种叫做钴的矿物质,这种矿物质可以帮助电池在多次充放电循环后依旧保持性能。

随着特斯拉的Gigafactory等电池工厂生产更多的锂离子电池,钴的需求正在迅速增长。

不幸的是,世界已知钴储量的65%在刚果民主共和国,这个国家政治不稳定,据报道可能有多达40000名儿童在开采钴矿。

如果我们在刚果民主共和国政府中有一个可靠的政治伙伴,我们可能会努力改善所有矿工的工作条件,但是我们也应该寻找新的钴来源。

这正是KoBold Metals正在做的事情。

通过查看许多不同的数据源,如地形数据、在某一地区生长的植物、磁和电磁模式、水和天气模式、岩石类型等等,在我们派遣非常昂贵的探险队开采之前,这个系统可以帮助地质学家找到钴的可能存在的位置。

另一个很好的例子是金融技术。

向首次借款人发放贷款是有风险的,尤其是在第三世界国家,如肯尼亚、坦桑尼亚或尼日利亚。

在这些国家,信用机构要么不存在,要么无法接触到所有人,致使很多人无法获得传统贷款。

我们的投资组合公司Branch,一直致力于在这些领域为首次借款人提供贷款。

在没有信用机构的情况下,Branch试图根据借款人的移动应用程序使用情况和通过其移动应用程序收集的行为来确定借款人的资格。

使用机器学习,Branch分析了数据,并确定了几个行为指标,这些指标已经被证明,可以预测贷款偿还的可能性。

以下是一些令人惊讶的因素或行为,使得Branch的借款人更有可能偿还贷款的特征:

使用三星或HTC等品牌的手机

节约使用电池

晚上接大部分电话

收到的短信比发送的多

Facebook账户更活跃

在手机上运行赌博应用程序

除了最后一个指标,列表上的大多数指标都不太令人惊讶。

数据发现,如果一个人是赌徒,并且手机上有赌博应用,他们更有可能偿还贷款。

如果你觉得这有点违反直觉,你并不孤单。

这只是证明了一个人类决策者是多么的不靠谱,这是由于个人偏见和过去的经验造成的。

这是否意味着算法在所有决策方面都比人类好?还没有。

从组织样本中比较癌症诊断性能的研究显示,例如哈佛医学院2016年6月发表的这一项研究和谷歌AI Health研究员2018年10月发表的另一项研究,当人类与算法竞争时,始终提供最准确诊断的是人类+算法,它们的表现优于单独的算法和单独的人类。

为了让你了解医生用来诊断癌症的方法,这里有两张并排的图片。左边的一张显示了已经染色的组织切片。

右边的图显示了计算机视觉算法叠加“热图”的结果,热图显示了它认为更多(红色)或更少(蓝色)含有癌组织的区域。

为什么人类使用的算法比单独的算法和单独的人表现更好?一种可能性是,这些算法改进决策的方式,与语法和拼写检查有助于提高我们的写作水平的方式相似。

一般来说,这些检查器能很好地发现我们的打字错误和语法错误(真正的优点)。但是偶尔,检查器会标记出错误(假阳性)或者给出一个你不同意的语法暗示。

在这些情况下,你最终将重写检查器。这种过程最终的结果是,写出的东西比任何一方自己写出的东西都要好。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 算法
    +关注

    关注

    23

    文章

    4816

    浏览量

    98758
  • 机器学习
    +关注

    关注

    67

    文章

    8570

    浏览量

    137390
收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    它人机器人深度参与机器人移动算法测评规范国标制定

    近日,由上海机器人产业技术研究院有限公司牵头起草的《机器人移动算法测评规范》国家标准(计划号:20256386-T-604)第一次工作组会议,在杭州云栖小镇国际会展中心顺利召开。它人机器
    的头像 发表于 05-16 10:22 538次阅读

    机器学习中的数据质量双保障:从“验证”到“标记”

    机器学习的世界里,有句老话尤为贴切:“garbagein,garbageout”(输入垃圾,输出垃圾)。无论模型架构多先进、算法多精妙,数据的质量始终是决定模型性能的核心。本文聚焦数
    的头像 发表于 04-24 15:48 163次阅读
    <b class='flag-5'>机器</b><b class='flag-5'>学习</b>中的数据质量双保障:从“验证”到“标记”

    机器学习特征工程:缩放、编码、聚合、嵌入与自动化

    本文转自:DeepHubIMBA好模型的秘诀不在于更花哨的算法,而在于更好的特征。第1部分:数值特征1.1缩放多数机器学习算法对尺度敏感。一
    的头像 发表于 04-08 14:41 800次阅读
    <b class='flag-5'>机器</b><b class='flag-5'>学习</b>特征工程:缩放、编码、聚合、嵌入与自动化

    算法工程师需要具备哪些技能?

    算法工程师需要掌握一系列跨学科的技能,涵盖数学基础、编程能力、算法理论、工程实践以及业务理解等多个方面。 以下是具体技能及学习建议: 线性代数核心内容:矩阵运算、特征值分解、向量空间等。应用场
    发表于 02-27 10:53

    机器学习和深度学习中需避免的 7 个常见错误与局限性

    无论你是刚入门还是已经从事人工智能模型相关工作一段时间,机器学习和深度学习中都存在一些我们需要时刻关注并铭记的常见错误。如果对这些错误置之不理,日后可能会引发诸多麻烦!只要
    的头像 发表于 01-07 15:37 394次阅读
    <b class='flag-5'>机器</b><b class='flag-5'>学习</b>和深度<b class='flag-5'>学习</b>中需避免的 7 个常见错误与局限性

    红外热成像是什么?它是怎么让我们“看见热”的?

    我们的日常生活中,眼睛作为我们感知世界的重要器官,帮助我们观察世界。但是在可见光之外,还有眼睛无法观测到的不可见光世界。红外热成像技术正是打破这一局限的神奇窗口—它让我们“看见”物体
    的头像 发表于 01-05 16:32 2047次阅读
    红外热成像是什么?它是怎么让<b class='flag-5'>我们</b>“看见热”的?

    从“能动”到“好用”,人形机器人关节模组决定性能,也决定未来

    关节模组是机器人的“运动枢纽”, 连接并驱动各个部件,实现流畅的运动。根据机械工程原理,关节模组的关键在于将电能转化为机械运动,并且确保精确控制和稳定性,这直接决定了动作的精确度和可靠性。
    的头像 发表于 12-11 09:07 1832次阅读
    从“能动”到“好用”,人形<b class='flag-5'>机器</b>人关节模组<b class='flag-5'>决定</b>性能,也<b class='flag-5'>决定</b>未来

    瑞萨电子MCU/MPU产品助力AIoT设计

    人工智能(Artificial Intelligence,AI)是一门让机器进行感知、理解、推理和学习的技术,核心的实现方式是机器学习或深度学习
    的头像 发表于 12-02 14:18 3046次阅读
    瑞萨电子MCU/MPU产品助力AIoT设计

    如何深度学习机器视觉的应用场景

    深度学习视觉应用场景大全 工业制造领域 复杂缺陷检测:处理传统算法难以描述的非标准化缺陷模式 非标产品分类:对形状、颜色、纹理多变的产品进行智能分类 外观质量评估:基于学习的外观质量标准判定 精密
    的头像 发表于 11-27 10:19 393次阅读

    量子机器学习入门:三种数据编码方法对比与应用

    在传统机器学习中数据编码确实相对直观:独热编码处理类别变量,标准化调整数值范围,然后直接输入模型训练。整个过程更像是数据清洗,而非核心算法组件。量子机器
    的头像 发表于 09-15 10:27 1050次阅读
    量子<b class='flag-5'>机器</b><b class='flag-5'>学习</b>入门:三种数据编码方法对比与应用

    瑞芯微RK3576人体关键点识别算法(骨骼点)

    人体关键点识别是一种基于深度学习的对人进行检测定位与姿势估计的模型,广泛应用于体育分析、动物行为监测和机器人等领域,帮助机器实时解读物理动作。本算法
    的头像 发表于 08-27 10:07 1210次阅读
    瑞芯微RK3576人体关键点识别<b class='flag-5'>算法</b>(骨骼点)

    AI 驱动三维逆向:点云降噪算法工具与机器学习建模能力的前沿应用

    在三维逆向工程领域,传统方法在处理复杂数据和构建高精度模型时面临诸多挑战。随着人工智能(AI)技术的发展,点云降噪算法工具与机器学习建模能力的应用,为三维逆向工程带来了创新性解决方案,显著提升
    的头像 发表于 08-20 10:00 931次阅读
    AI 驱动三维逆向:点云降噪<b class='flag-5'>算法</b>工具与<b class='flag-5'>机器</b><b class='flag-5'>学习</b>建模能力的前沿应用

    PID控制算法学习笔记资料

    用于新手学习PID控制算法
    发表于 08-12 16:22 7次下载

    FPGA在机器学习中的具体应用

    ,越来越多地被应用于机器学习任务中。本文将探讨 FPGA 在机器学习中的应用,特别是在加速神经网络推理、优化算法和提升处理效率方面的优势。
    的头像 发表于 07-16 15:34 3175次阅读

    【嘉楠堪智K230开发板试用体验】K230机器视觉相关功能体验

    K230开发板摄像头及AI功能测评 摄像头作为机器视觉应用的基础,能够给机器学习模型提供输入,提供输入的质量直接影响机器学习模型的效果。 K
    发表于 07-08 17:25