Разблокировка принятия решений искусственный интеллект соединяет теоретические концепции с технологическими достижениями
Искусственный интеллект разблокирует процесс принятия решений, соединяя теоретические концепции с технологическими достижениями
Краткий обзор того, как наука о данных и искусственный интеллект помогают принятию решений
Наши жизни состоят из постоянных решений и выборов. Поскольку последствия наших решений могут иметь значительные экономические и социальные последствия, исследования в области принятия решений были высокоинтердисциплинарными с самого начала. Ученые из математики, социологии, психологии, экономики, политической науки и компьютерных наук активно изучают, как принимать более правильные решения начиная с середины 20-го века. Среди множества достижений в этих областях наиболее известными являются теория ожидаемой полезности, теория перспективы и теория игр. Эти теории руководствуются математическими моделями, но часто сталкиваются с вызовами эмпирической проверки реальных сценариев.
С огромным увеличением вычислительной мощности и расцветом облачных технологий системы поддержки принятия решений (DSS) развивались параллельно с теориями принятия решений, чтобы помогать людям принимать решения, особенно в деловом и организационном контексте. Типичная DSS включает масштабируемые базы знаний для сбора и хранения больших объемов информации, статистические и аналитические алгоритмы для прогнозирования и прогнозистических расчетов, и пользовательские интерфейсы (включая графики и панели инструментов), чтобы визуализировать и взаимодействовать с процессом принятия решений.
Однако большинство человеческих решений являются результатом постепенного изучения методом проб и ошибок. Итеративный подход особенно эффективен при работе с неизвестными в новой среде. Он требует исследования новой информации и оценки ошибок для совершенствования принятия решений. Замечательно, что глубокое обучение с подкреплением воссоздало метод проб и ошибок при принятии решений, превзойдя человеческих игроков в определенных играх.
Обучение с подкреплением (RL) было одной из тех областей машинного обучения, которые существовали с самого начала. Его значительный прорыв произошел после применения глубокой нейронной сети к модели. Глубокое RL – всего лишь один из примеров того, как искусственный интеллект и глубокое обучение революционизируют область принятия решений. Сейчас мы находимся в эпохе, где искусственный интеллект обеспечивает основу для объединения всех дисциплин принятия решений и ускоряет…
