"Machine Learning" bilan qanday g'alaba qozonish mumkin?
Maqolaning qisqacha xulosasi: Ko'pgina kompaniyalar o'zlarining mahsulotlari va xizmatlarini sezilarli darajada yaxshilashlari mumkin. Bu Machine Learning - qabul qilingan ma'lumotlar orqali iqtisodiy tendensiyalarni bashorat – ya'ni prognoz qilishni o'z ichiga olgan sun'iy intellektni o'rganish orqali amalga oshiriladi. Amazon, Google va boshqa bir qancha texno-gigantlar allaqachon ushbu texnologiyadan foydalanish bo'yicha mutaxassisga aylanganlar. Kichik korxonalar va raqobat bozoriga endi kirib kelganlar esa bozordan o'z ulushlarini olish uchun qanday qilib MLdan foydalanish kerakligini hozircha yaxshi bilishmaydi.
Ushbu maqola, muvaffaqiyat uchun ertaroq harakatlanuvchilar aniq prognoz qilish uchun yetarli ma'lumotga ega bo'lsalar va mijozlardan olingan fikrlarni tezda inobatga olib, o'z algoritmlarini yaxshilab borsalar, bozorda eng yetakchi bo'lish harita mumkinligi Yangi texnologiyalarni o'z biznesi yoxud xizmat ko'rsatish sohasida qo'llash uchun raqobatchilaridan ortda qolganlar esa raqobatbardosh bo'lishlari uchun vaziyatga boshqacha yondashishlari kerak. Ular uchun yagona yo'l - foydalanilmagan ma'lumot manbalarini yoki e'tibordan chetda qolgan mijoz fikr-mulohazalarini izlab topish yoki prognozlarni maxsus guruhlarda tahlil qilish orqali o'zlarini boshqalardan ajratib ko'rsatish.
Fikrlar
Muammo
Bugunga kelib ko'pgina kompaniyalar o'zlarining sun'iy intellekt tomonidan qo'llab-quvvatlanadigan mahsulotlari va xizmatlari uchun mo'ljallangan kompyuter sistemasi/texnologiyasi; keyingi o'rinlarda - ML) dan foydalanayotgani sababli, bozordagi pozitsiyalarini belgilab olishda qiyinchilikka duch kelmoqdalar, xossatan ular bozorga raqobatchilaridan kechroq kirib kelgan bo'lsalar.
Qanday qilib boshqalardan oldinlab ketish mumkin?
Eng muvaffaqiyatli sun'iy intellekt foydalanuvchilarining asosiy ustunliklari shuki, ular mijoz istaklarini o'zida aks ettirgan ma'lumotlarni ertaroq to'plashadi. So'ngra o'zlari va ta'qibchilari o'rtasidagi ma'lum bir farqlarni - mijoz istaklarini topa bilish sifati nuqtai nazaridan - aniqlash uchun ana shu ma'lumotlardan foydalanishadi.
Qanday qilib holatni yaxshilash mumkin?
Bozorga kechroq kirib kelganlar esa yuqori darajada ahamiyatga ega mijoz fikr-mulohazalarini to'play olsalar yoki o'zlarining prognozlarini raqobat maqsadida ma'lum bir kategoriyalarga moslashtira olsalar, hali ham o'zlari uchun bozordagi uchun bozordagi mustahminlashmlikni ta
So'nggi o'n yilda sun'iy intellektning ajoyib yo'nalishi - ML bo'yicha ulkan yutuqlarga erishildi. Ma'lumot qabul qilib oluvchi va ularni tahlil qilib, iqtisodiy prognoz qiluvchi ushbu mexanizm Amazon, Apple, Facebook va Google kabi texnologiya gigantlariga o'z mahsulot va xizmatlarini sezilarli darajada yaxshilashga imkon berdi. Bu, shuningdek, bir qancha startaplarning “Big Tech” (ya'ni katta beshlik: Google, Apple, Meta, Amazon va Microsoft kompaniyalari) bilan raqobatlashib, yangi mahsulotlar va platformalarni ishga tushirishiga turtki bo'ldi.
Masalan, dori ishlab chiqarish jarayonini tezlashtirishga xizmat qiladigan, Torontoda joylashgan “BenchSci” kompaniyasini olaylik. Bu kompaniya farmasevtika kompaniyalarining ichki ma'lumot bazalarida va katta hajmda chop etilgan ilmiy nashrlardagi eng muhim ma'lumotlarga bor diqqat e'tiborlarini qaratish va u ma'lumotlarning saralaridan foydalanish qali ilmiy jarayonlarni soddalashtirishni maqolzigan uchili maqolsirishni. Odatda, ehtimoldagi yangi dori vositalarini klinik muolajalarda sinab ko'rish farmatsevt olimlardan uzoq vaqt, katta mablag', yana son-sanoqsiz tajribalar o'tkazishni talab qiladi.
Darhaqiqat, “BenchSci” shuni anglab yetdiki, agar dorishunos olimlar MLning boshqalar uchun allaqachon keng qulayliklar yaratib bergan imkoniyatlaridan o'z sohalarida ham foydalansalar, odatda klinik tadqiqotlar uchun dori-darmonlarni tayyorlash uchun zarur bo'lgan tajribalar sonini ikki baravar kamaytirish mumkin. Aniqroq aytganda, dorishunoslar, masalan, oqsilning ta'sir qilish ulushi hamda miqdorini o'lchash uchun kerakli biologik reagentlarni topish maqsadida ushbu texnologiyadan foydalanishlari mumkin. Moddalar tarkibini noldan qayta kashf etish o'rniga, nashr etilgan adabiyotlardagi ma'lum bir tadqiqotga aloqador ma'lumotlarni jamlash va oqilona foydalanish orqali yangi dorilarni ishlab chiqarish vaqtini sezilarli darajada qisqartirishga har yili 17 milliard dollardan ko'proq mablag'ni tejab qolishga hamda farmatsevtika bozorida keskin burilish yasashga sabab bo'ladigan o' ta muhim va keng ko'lamli ilmiy-tadqiqot ishlariga qaytishga sababchi bo'lishi mumkin. Bundan tashqari, yangi dorilarni tezroq iste'mol bozoriga olib chiqish orqali ko'plab bemorlarning hayotini ham saqlab qolish mumkin.
Shunisi e’tiborga loyiqki, “BenchSci” o’zining xususiy domenida Google’ning butun internet foydalanuvchilari uchun qilgan ishiga o’xshash narsani qilyapti: ya’ni qidiruvda yetakchilik qilish uchun MLdan foydalanyapti. Masalan, Google o’z foydalanuvchilariga dishvosher (idish yuvish mashinasi)ni qanday tuzatishni o’rganishga va kutubxonaga uzoq va tirband marshurt yo’nalishi orqali borgandan ko’ra, qanday qilib tezroq va arzonroq yetib olish mumkinligini aniqlashga yoki juda qimmatga tushadigan biror bir xizmat ko’rsatish turidan foydalanish o’rniga (You tube orqali) bepul layfhaklar tomosha qilib, pulingizni tejab qolishigizga yordam beradi. “BenchSci” esa o’z olimlariga ortiqcha tadqiqotlar, tajribalar yoki xarajatlarsiz o’zlari uchun eng kerak reagent (dori uchun zarur bo’lgadigan kimyoviy modda)ni aniqlashga yordam beradi. Ilgari olimlar dastlab Google yoki PubMed’dan kerakli ma’lumotlarni qidirar (bu bir necha kun davom etadigan jarayon), so’ngra mavzuga aloqador adabiyotlarni o’qib chiqar (bu ham ancha vaqt talab qiladigan ish) hamda yana so’nggi qarorga kelish uchun (bir necha hafta davomida) uchtadan oltitagacha reagentlar ustida tajribalar o’tkazar edilar. Endi ular “BenchSci” saytida bir necha daqiqagina sarflab, kerakli ma’lumotni qidirib topadilar. So’ngra bir necha hafta davomida kamroq sinovlarni o’tkazadilar va bittadan uchtagacha reagentlarni tekshirib, amaliyot so’ngida tayyorlanayotgan dori uchun eng maqbul reagentga buyurtma beradilar.
Ko'pgina kompaniyalar allaqachon sun'iy intellekt bilan ish olib bormoqda va uni o'z faoliyatiga qo'shish va uning kuchidan foydalanishning amaliy qadamlaridan xabardor. Ammo bu bilim o'sishi bilan kompaniyalar boshqa bir kattaroq masalani ko'rib chiqishlari kerak bo'ladi: raqobatchilar osonlikcha taqlid (ya'ni copycatting) qila olmaydigan narsani yaratish maqsadida biznesingiz atrofida himoya devorini qurish uchun MLyd qalanday izfo? Masalan, “BenchSci” kompaniyasining dastlabki muvaffaqiyati Google tomonidan raqobatni jalb qiladimi va agar shunday bo'lsa, “BenchSci” qanday qilib o'z yetakchiligini saqlab qoladi?
Quyida biz sun'iy intellekt tomonidan ishlab chiqarilgan mahsulot yoki xizmat bilan bog'liq sohalarda faoliyat yuritmoqchi bo'lgan kompaniyalar qanday qilib barqaror raqobatbardoshlikni yaratishi va o'z raqobatchilari bozorga kirib kelishigazni qarshio'siqnatiqi "haumida qarshio'siqkiniqi" yuritamiz. Ushbu o'rinda boshqalardan ko'ra ertaroq harakat qilish ko'pincha katta ustunlik bo'lishi mumkinligini yana bir bor ta'kidlaymiz. Ammo bu hali hammasi emas. Muhokama qilayotganimizdek, o'z sohasi uchun yangi texnologiyalarni kech qabul qiluvchilar hali ham o'z faoliyatlarini olg'a siljitishlari yoki hech bo'lmaganda, raqobat bozorida o'zlari uchun munosib o'rinni topib olishlari mumkin.
Sun'iy intellekt bilan prognoz qilish
Korxonalar mijoz ehtiyojlarini aniqlab olish va mijozlarni jalb qiladigan, operatsiyalarni yaxshilaydigan hamda mahsulotni sifatini oshirishga yordam beradigan xususiyatlar to'g'risida prognoz qilish uchun MLdan foydalanadilar. Biznes egalaridan bunday prognozlar atrofida strategiyani ishlab chiqishdan oldin prognoz qilish uchun zarur bo'lgan ma'lumotlardan, ushbu ma'lumotlarni olish bilan bog'liq muammolardan xabardor bo'lish talab qilinadi hamda vaqt o'tishi bilan yaxshiroq prognoz qilish uchun yanada murakkabroq algoritmlarni yaratishda ham mijoz yoki iste'molchi fikr-mulohazalarning roli kata ekanini tushunishlari kerak bo'ladi.
ML nuqtai nazaridan olib qaraganda, prognoz qilish - ba'zi ma'lumotlarni kiritish va algoritmni ishga tushirish natijasida kelib chiqadigan ma'lumot turi. Masalan, sizning mobil navigatsiya ilovangiz ikki nuqta: A va Borasidagi eng yaxshi marshrut haqida prognoz qilganda, u yo'l tirbandligi darajasi, tezlik cheklovlari, yo'l o'lchamlari va boshqa omillar to'g'risidagi ma'lumotlardan foydalanadi. Keyin esa yig'ilgan ma'lumotlar asosida eng tezkor yo'lni va vaqtni taxmin qilish uchun algoritmni qo'llaydi.
Har qanday prognoz qilish jarayonining asosiy vazifasi shundan iboratki, oqilona natijalarga erishish uchun sizga kerak bo'lgan (misol uchun, narsalarni tasniflash uchun mutaxassislarni yollash) yoki mavjud manbalardan ishlab chiqarilgan (aytaylik, salomatlik daftarchasi) ma'lumotlar bazasini yaratish kerak. Ba'zi ma'lumotlarni ommaviy manbalardan olish oson (ob-havo va xarita ma'lumotlari, masalan). Iste'molchilar, shuningdek, shaxsiy ma'lumotlarini ham, agar ular bundan manfaat ko'rsalar, sun'iy intellektga bajonidil taqdim etishlari mumkin. Masalan, Fitbit va Apple Watch foydalanuvchilari kompaniyalarga jismoniy mashqlar darajasi, kunlik kaloriya iste'moli va hokazolar haqida foydalanuvchilarning sog'lig'i va jismoniy holatini boshqarish uchun kiyadigan qurilmalar orqali ma'lum bir radio'lchov ma'lumotlarini be'plashotlarini to'.
Erta harakat qilish ko'pincha katta ustunlik bo'lishi mumkin, ammo bu hali hammasi emas.
Agar bu uni taqdim etishdan bevosita manfaatdor bo'lmaydigan ko'plab individuallarning hamkorligini talab qilsa, prognozlarni amalga oshirish uchun zarur ma'lumotlarni olish qiyin bo'lishi mumkin. Masalan, yo'l ko'rsatuvchi navigatsiya ilovasi foydalanuvchilarni kuzatib borish va ulardan axborot to'plash orqali yo'l harakati holati to'g'risidagi ma'lumotlarni to'playdi. Bu ilovaga tirbandlik yuzaga kelishi mumkin bo'lgan joylarni aniqlashga va o'sha marshurtga qarab harakatlanayotgan boshqa haydovchilarni ogohlantirishga imkon beradi. Ammo katta tirbandliklarga duch kelgan haydovchilar ilovaga ma'lumot uzatishdan to'g'ridan-to'g'ri foyda topmaydilar va ilova har qanday vaqtda (ilova qayerdaligimni biladi va harakatlarimni yozib oladi degan fikr) ularni bezovta qilishi mumkin.
Ma'lumotlarni vaqti-vaqti bilan yangilab turish zarurati yana bir muammo bo'lishi mumkin. Ammo bu har doim ham qiyin emas; agar prognoz qilingan asosiy kontekst doimiy bo'lib qolsa, uni har doim yangilashga zarurat yo'q. Masalan, rentgenologiya inson fiziologiyasini tahlil qiladi. Bu, odatda, o'zgarmasdir va vaqt o'tishi bilan ham odamdan odamga mos kelaveradi. Shunday qilib, ma'lum bir nuqtadan so'ng, ma'lumotlar bazasida qo'shimcha yozuvning arzimas qiymati deyarli nolga teng bo'lib qoladi. Biroq boshqa holatlarda algoritmlarni doimiy ravishda yangilab turish kerak bo'lishi mumkin, bu, asosan, atrof-muhitdagi o'zgarishlarni aks ettiradi. Masalan, yangi yo'llar yoki yo'l harakati halqalari, nomi o'zgartirilgan ko'chalar va shunga o'xshash o'zgarishlar. Agar ma'lumotlarning asosiy qismini tashkil etuvchi xaritalar yangilanmasa,
Ko'pgina holatlarda natijalarni prognoz qilishga xizmat qilgan ma'lumotlarni xaritalash orqali algoritmlarni doimiy ravishda takomillashtirish mumkin. Ushbu vosita aniq belgilangan chegaralarda, sezilarli darajada o'zgarishi mumkin bo'lgan holatlarda, ayniqsa, foydalidir. Masalan, xavfsizlik uchun, ya'ni yuzni tanib olish texnologiyasi orqali telefonni blokdan chiqarish texnologiyasi rasmingizdan foydalansa, sizni tanib olish uchun telefonga taqdim qilingan ma'lumot - dastlabki qabul qilingan suratdan foydalanadi. Ammo vaqt o'tishi bilan yuzingiz sezilarli darajada o'zgarishi mumkin. Masalan, keying safar ko'zoynak taqqan yoki taqmagan bo'lishingiz mumkin. Ehtimol, siz yangi soch turmagi bilan, vazn olgan yoki vazn yo'qotgan holda ham bo'lishingiz tabiiy. Shunday qilib, agar telefon faqat dastlabki ma'lumotlarga tayansa, siz ma'lum bir vaqtdan keyin hatto o'z smartfoningizni ham “face-ID” (yuzni aniqlash texnologiyasi) orqali ocholmay qolishingiz mumkin. Ammo aslida nima sodir bo'ladi? Smartfon har safar uni ochganingizda taqdim etgan barcha tasvirlardan foydalanib, algoritmni yangilab boradi.
Ushbu turdagi texnologik kombinatsiyalarni yaratish dinamik kontekstlarda to'g'ridan-to'g'ri emas va bu yerda fikr-mulohazalarni osongina ajratish va topish mumkin emas. Masalan, smartfonning yuzni tanib olish ilovasi uchun agar yuz ma'lumotlarini kiritadigan yagona odam telefon egasi bo'lsa, u yaxshiroq prognozlarni yaratadi. Agar boshqa odamlar telefonga kirish va undan foydalanishni davom ettirish uchun yetarlicha o'xshash bo'lsa, telefonning foydalanuvchi egasi haqidagi prognozi ishonchsiz bo'lib qoladi.
MLga ayniqsa bir nechta omillar ta'sir qilib turgan bo'lsa, fikr-mulohazalarni kiritish xavfli bo'lishi mumkin. Aytaylik, qarz beruvchi kredit arizachilarining kredit xavfini baholash uchun sun'iy intellektni qo'llab-quvvatlaydigan jarayonda ularning daromad darajasi, bandlik tarixi, demografik xususiyatlari va boshqalarni hisobga olgan holda foydalanadi. Agar algoritm bo'yicha taqdim qilingan ma'lumotlar ma'lum bir guruhni debtorlik uchun xavfli deb topsa, (masalan yevropoid bo'lmaganlarni) mexanizm bu noto'g'ri fikrni davomli standart o'lchovi uchun normal deb qabul qiladi va hatto ta' kidlaydi. Hamda shu tufayli ana shu irqdan boshqa murojaat etuvchilar rad etilishi ehtimoli ko'proq bo'lib qoladi. Shuning uchun aloqa algoritmiga ma'lumotlari ehtiyotkorlik bilan aniqlangan parametrlar va ishonchli,
Prognoz qilishda raqobatdosh ustunlikni yaratish
Ko'p jihatdan, ML sohasida barqaror biznes qurish har qanday sohada barqaror biznes qurishga o'xshaydi. Siz sotiladigan mahsulot bilan tanishishingiz, himoya qilinadigan pozitsiyani o'ylab topishingiz va sizning orqangizdan bozorga yana kimdir kirishini qiyinlashtirishingiz kerak. Buni qila olasizmi, yoki yo'q, bu ushbu uchta savolga beradigan javobingizga bog'liq:
1. Sizda yetarlicha ma'lumot bormi?
Eng avvalo, prognoz qilish mashinasidan tijorat maqsadlarida foydalanish uchun yetarlicha yaxshi bo'lgan prognozlarni chiqarishi kerak. Yetarlicha yaxshi atamasining ta'rifi esa rasmiy qonun hujjatlari orqali o'rnatilishi mumkin (masalan, tibbiy tashxis qo'yish uchun sun'iy intellekt davlat standartlariga javob berishi kerak; foydalanish osonligini oladigan bo'lsak, call-markazlariroqi operator bilan gaplashishni soatlab kutishdan ko'ra, chat-botga javob berishlari uchun u yetarli darajada muammosiz ishlashi kerak; yoki raqobat jihatidan: internet qidiruv bozoriga kirishni istagan kompaniya
2. Fikr-mulohazalar bilan ishlash mexanizmingiz qanchalik tez?
Prognoz qilish mashinalari an'anaviy ravishda insonning afzalligi bo'lgan narsalardan foydalanadilar. Agar ular barcha ma'lumotlarni birlashtira olsalar, kelib chiqadigan xulosalardan ko'p narsalarni o'rganishlari va keyingi prognoz sifatini yaxshilashlari mumkin. Ammo ushbu afzallikning darajasi fikr-mulohazalarni olish vaqtiga bog'liq.
3. Prognozlaringiz mijoz uchun qanchalik foydali?
Oxir oqibat har qanday mahsulotning muvaffaqiyati mijoz to'langan puli uchun nimaga ega bo'lishiga bog'liq. Agar iste'molchilarga bir xil narxda ikkita o'xshash mahsulot taklif etilsa, ular odatda yuqori sifatli deb hisoblagan mahsulotni tanlaydilar. Prognoz qilish sifatini, yuqorida aytib o'tganimizdek, ko'pincha baholash oson. Radiologiya, qidiruv, reklama va boshqa ko'plab sohalarda kompaniyalar sifat uchun aniq, yagona metrikaga ega bo'lgan sun'iy intellektlarni loyihalashtirishlari mumkin. Boshqa sohalarda bo'lgani kabi, eng yuqori sifatli mahsulotlar ham yuqori talabdan foyda ko'radi. Sun'iy intellektga asoslangan mahsulotlar boshqalardan farq qiladi, chunki boshqa ko'plab mahsulotlar uchun sifat ko'proq narx turadi va past tovarlarni sotuvchilar esa arzonroq materiallar yoki arzonroq ishlab chiqarish vositalaridan foydalanib, mahsulotlariga ham arzon narxlarni qo'yish orqali bozorda jon saqlab qoladilar. Ushbu strategiya sun'iy intellekt nuqtai nazaridan amalga oshirilmaydi. Sun'iy intellekt dasturiy ta'minotga asoslanganligi sababli, past sifatli prognoz yuqori sifatli mahsulot kabi qimmatga tushadi va chegirma narxlarini haqiqatga yaqinlashtiradi. Va agar yaxshiroq prognoz eng yomoni bilan bir xil bo'lsa, past sifatli mahsulotni sotib olish uchun hech qanday sabab qolmaydi.
Holatni yaxshilash
Xulosa shuki, sun'iy intellektda, agar aloqa tez va ishlash sifati aniq bo'lsa, erta harakatlanuvchi biznes egasi raqobatchilari uzra keng miqyosli raqobatbardosh ustunlikni yaratishi mumkin. Xo'sh, bu kech harakat qiluvchilar uchun nimani anglatadi? Uchta savolga ko'milgan sir bu - kech ish boshlovchi bozorda o'z o'rnini topishi mumkin bo'lgan ikkita usul mavjudligidir. Nomzodlar ushbu yondashuvlardan birini tanlashlari shart emas; ikkalasini ham sinab ko'rishlari mumkin.
1. Muqobil ma'lumotlar manbalarini aniqlang va xavfsizlantiring.
Ba'zi bozorlarda prognoz qilish vositalari uchun potentsial ma'lumotlar to'plamlari mavjud bo'lishi mumkin. Rentgenologiya misoliga qarasak, har yili o'n minglab shifokorlar yiliga minglab skanerlarni ko'zdan kechiradilar. Bu esa umumiy ma'lumotlar bazasida yuzlab million (yoki hatto milliardlab) yangi ma'lumotlar punktlari mavjudligini anglatadi. Raqobat bozoriga erta kiruvchilarda bir necha yuz rentgenologning ma'lumotlari bo'ladi. Albatta, ularning dasturiy ta'minoti sohada ishlayotganda skanerlash soni va ularning ma'lumotlar bazasidagi aloqa miqdori sezilarli darajada oshadi, ammo ilgari tahlil qilingan va tekshirilgan milliardlab skanerlar, agar ularni ham jamlab olishsa, bu bozorda konushir uktiya yetakchilikni.
Agar shunday bo'lsa, ular bozorga chiqish uchun yetarlicha prognoz qiladigan sun'iy intellektni ishlab chiqishi mumkin, shundan so'ng ular ham mijoz fikr-mulohazalardan foyda olishlari mumkin. Ortda qolganlar, shuningdek, inson tashxisidan ko'ra patologiya ma'lumotlari yordamida sun'iy intellektni qo'llash masalasini ko'rib chiqishi mumkin. Ushbu strategiya ularga tez orada sifat chegarasiga erishishga imkon beradi (chunki biopsiya (kasallik sababini aniqlash uchun organizmdan hujayralarni ajratib olib tekshirish) va avtopsiya (o'lim sababini aniqlash uchun murdani yorish) tana tekshiruvidan ko'rair).
Shu bilan bir qatorda, ma’lumotlarning foydalanilmagan manbalarini topish o’rniga, ortda qolayotganlar amaldagi yetakchilardan ko’ra tezroq o’rganishga imkon beradigan yangi ma’lumot manbalarini izlashlari mumkin (“BenchSci” bu ishni uddalagan kompaniyalarning namunasidir). Ma’lumotlarni tezroq yetkazib berish bilan birinchi bo’lib, bozorga yangi kelganlar o’z mahsulotini yaxshilash uchun foydalanuvchilarning harakatlari va tanlovlaridan xulosalar olishi mumkin. Ammo ma’lumot uzatish liniyalari juda tez bo’lgan va amaldagi yetakchilar keng miqyosda faoliyat yuritayotgan bozorlarda ushbu yondashuvni bekor qilish imkoniyatlari nisbatan cheklangan bo’ladi.
2. Prognozni farqlang.
Ortda qolayotganlarning raqobatbardosh bo’lishiga yordam beradigan yana bir taktika, ba’zi mijozlar uchun bo’lsa ham, yaxshiroq prognoz qiladigan faktorni aniqlashdir. Masalan, rentgenologiyada bunday strategiya turli xil prognozlarga bozor talabi mavjud bo’lsa, mumkin. Yangi raqobatchilarning aksariyati o’zlarining algoritmlarini bitta kasalxona tizimi, bitta turdagi apparat yoki bitta mamlakat ma’lumotlari bilan o’rnatishgan. O’quv ma’lumotlari (va keyin boshqa tizim yoki boshqa mamlakatning aloqa ma’lumotlari)dan foydalangan holda, agar u yetarlicha aniq bo’lsa, yangi foydalanuvchi segmenti uchun sun’iy intellektni sozlashi mumkin. Aytaylik, shaharlik amerikaliklar va Xitoyning qishloq aholisi turli xil sog’liq sharoitlarini boshdan kechirishga moyil bo’lsalar, keyin ushbu guruhlardan birini tashxislash uchun qurilgan prognoz qilish mashinasi boshqa guruhdagi bemorlarni tashxislash uchun aniq bo’lmasligi mumkin.
Bozorga kech kirib kelganlar mijoz istaklarini tezroq o’rganishga imkon beradigan yangi ma’lumot manbalarini izlashlari maqsadga muvofiq.
Muayyan turdagi uskunadan olingan ma’lumotlarga tayanadigan prognozlarni yaratish, agar ushbu biznes modeli arzon xarajatlarga olib keladigan bo’lsa yoki mijozlar uchun qulaylikni oshirsa, bozordan mustahkam o’rin olish imkoniyatini ham berishi mumkin. Bugungi kunda ko’plab radiologiya sohasidagi sun’iy intellektlar GE (General Electric), Siemens va boshqa ishlab chiqaruvchilar tomonidan ishlab chiqarilgan va eng ko’p ishlatiladigan rentgen apparatlari, skanerlar va ultratovush moslamalarining ma’lumotlariga asoslanadi. Ammo, agar algoritmlar boshqa mashinalarning ma’lumotlariga qo’llanilsa, natijada olingan prognozlar nisbatan kamroq aniq bo’lishi mumkin. Shunday qilib, bozorga kech kirib kelgan kishi yoki kompaniya boshqa asbob-uskunalarga moslashtirilgan mahsulotni taklif qilish orqali unda o’z joyini topishi mumkin, agar uni sotib olish yoki ishlatish arzonroq bo’lsa. Bunda tibbiy muassasalardan foydalanish muayyan mijozlarning ehtiyojlarini qondirish uchun manfaatli bo’lishi mumkin.
Xulosa
Prognoz qilish mashinalarining potentsiali juda katta va texnik gigantlarning boshqalardan ko’ra ustunligi borligiga shubha yo’q. Ammo shuni yodda tutish kerakki, prognozlar aniq maqsadlar va kontekstlar uchun to’liq moslashtirilgan, aniq ishlab chiqilgan mahsulotlarga o’xshaydi. Agar siz maqsadlar va kontekstlarni ozgina farqlay olsangiz, bozorda mahsulotingiz uchun himoyalangan pozitsiya yaratishingiz mumkin. Garchi g’arazli kuchlar ma’lumotlarni qanday to’plash va ulardan foydalanish tafsilotlarida bilsa-da, bu sizning kurash (raqobat) maydonidagi najotingizga xavf sola olmaydi.
Shunga qaramay, aqlli mashinalar bilan ishlaydigan sohalarda Big Tech bilan muvaffaqiyatli raqobatlashishning haqiqiy siri faqat inson javob berishi mumkin bo’lgan savolning javobi ostida yotadi: Siz nimani prognoz qilmoqchisiz? Albatta, bu savolga javobni aniqlash oson emas. Buning uchun bozor dinamikasini chuqur anglash va aniq prognozlar va ularda joylashtirilgan mahsulotlar va xizmatlarning potentsial qiymatini sinchkovlik bilan tahlil qilish zarur. Shuning uchun “BenchSci”ni moliyalashtirishdagi yetakchi investor Kanadadagi ko’plab mahalliy texnologik investorlardan biri emas, balki “Gradient Ventures” deb nomlangan Googlega qarashli sun’iy intellektga ixtisoslashtirilgan venchur kapital firmasi bo’lganligi ajablanarli emas.
Manba: HBR.org
Ingliz tilidan Qobiljon Sobirjon o'g'li tarjimasi
