Vad är maskininlärning?
Maskininlärning är begreppet att ett datorprogram kan lära sig och anpassa sig till nya data utan mänsklig inblandning. Maskininlärning är ett fält av artificiell intelligens (AI) som håller en dators inbyggda algoritmer uppdaterade oavsett förändringar i den globala ekonomin.
Maskininlärning förklarad
Olika sektorer i ekonomin har att göra med enorma mängder data tillgängliga i olika format från olika källor. Den enorma mängden data, så kallad big data, blir lätt tillgänglig och tillgänglig på grund av den gradvisa användningen av teknik. Företag och regeringar inser de enorma insikter som kan erhållas genom att utnyttja big data men saknar resurser och tid som krävs för att kamma igenom sin rikedom av information. Som sådan används åtgärder av artificiell intelligens av olika branscher för att samla in, bearbeta, kommunicera och dela användbar information från datamängder. En metod för AI som allt mer används för stordatabehandling är maskininlärning.
Machine Learning Applications
De olika datapplikationerna för maskininlärning bildas genom en komplex algoritm eller källkod inbyggd i maskinen eller datorn. Denna programmeringskod skapar en modell som identifierar data och bygger förutsägelser kring de data som de identifierar. Modellen använder parametrar inbyggda i algoritmen för att bilda mönster för sin beslutsprocess. När ny eller ytterligare data blir tillgängliga, justerar algoritmen automatiskt parametrarna för att kontrollera om en mönsterändring, om någon. Men modellen bör inte ändras.
Maskininlärning används i olika sektorer av olika skäl. Handelssystem kan kalibreras för att identifiera nya investeringsmöjligheter. Marknadsförings- och e-handelsplattformar kan vara inställda för att ge exakta och personliga rekommendationer till sina användare baserat på användarens internethistorik eller tidigare transaktioner. Utlåningsinstitutioner kan integrera maskininlärning för att förutsäga dåliga lån och bygga en kreditriskmodell. Informationshub kan använda maskininlärning för att täcka enorma mängder nyheter från alla världshörnor. Banker kan skapa verktyg för att upptäcka bedrägerier från maskininlärningstekniker. Integreringen av maskininlärning i den digitala kunniga eran är oändlig när företag och regeringar blir mer medvetna om de möjligheter som big data ger.
Hur maskininlärning fungerar
Hur maskininlärning fungerar kan förklaras bättre med en illustration i finansvärlden. Traditionellt investerar aktörer på värdepappersmarknaden som finansforskare, analytiker, kapitalförvaltare och enskilda investerare genom mycket information från olika företag runt om i världen för att fatta lönsamma investeringsbeslut. Viss relevant information kanske emellertid inte offentliggörs i stort av media och kan vara beredd för bara några få som har fördelen att vara anställda i företaget eller bosatta i det land där informationen kommer från. Dessutom finns det bara så mycket information som människor kan samla in och bearbeta inom en viss tidsram. Det är här maskininlärning kommer in.
Ett kapitalförvaltningsföretag kan använda maskininlärning inom sitt investeringsanalys och forskningsområde. Säg att kapitalförvaltaren bara investerar i gruvaktier. Modellen inbyggd i systemet skannar på nätet och samlar in alla typer av nyhetshändelser från företag, industrier, städer och länder, och denna information som samlas utgör datauppsättningen. Företagets tillgångshanterare och forskare skulle inte ha kunnat få informationen i datauppsättningen med hjälp av deras mänskliga krafter och intelligenser. Parametrarna byggda vid sidan av modellen extraherar endast data om gruvföretag, regleringspolicy för prospekteringssektorn och politiska händelser i utvalda länder från datauppsättningen. Säg att ett gruvföretag XYZ just upptäckte en diamantgruva i en liten stad i Sydafrika, maskininlärnings-appen skulle lyfta fram detta som relevant data. Modellen kan sedan använda ett analysverktyg som kallas prediktiv analys för att göra förutsägelser om gruvindustrin kommer att vara lönsam under en tidsperiod, eller vilka gruvbestånd som sannolikt kommer att öka i värde vid en viss tidpunkt. Denna information vidarebefordras till kapitalförvaltaren för att analysera och fatta ett beslut för sin portfölj. Kapitalförvaltaren kan fatta beslut om att investera miljoner dollar i XYZ-aktien.
I kölvattnet av en ogynnsam händelse, såsom sydafrikanska gruvarbetare som går i strejk, justerar datalgoritmen sina parametrar automatiskt för att skapa ett nytt mönster. På detta sätt förblir den beräknade modellen inbyggd i maskinen aktuell även med förändringar i världshändelser och utan att behöva en människa för att justera sin kod för att återspegla förändringarna. Eftersom tillgångshanteraren fick denna nya information i tid kan de begränsa hans förluster genom att lämna aktien.
