Vad är maskininlärning?

Maskininlärning är den gren av AI som de flesta företagstillämpningar faktiskt bygger på. Namnet beskriver exakt vad det gör: maskiner som lär sig.

Traditionell programvara är programmerad. Du skriver reglerna, maskinen följer dem. Maskininlärning vänder på det. Du tillhandahåller exempel på input och rätt output, och systemet lär sig reglerna själv.

Ett enkelt exempel: du vill bygga ett system som förutsäger vilka kunder som troligen kommer säga upp sig. Med traditionell programvara skulle du skriva regler, om en kund inte loggat in på 30 dagar och deras senaste supportärende inte är löst, flagga dem. Maskininlärning tar ett annat grepp. Du matar in historisk data, tusentals kunder, deras beteendemönster och om de sa upp sig, och systemet upptäcker vilka kombinationer av faktorer som faktiskt förutspådde uppsägning. Det hittar ofta mönster en människa inte skulle tänka på att leta efter.

Tre typer värda att känna till

Övervakad inlärning är vanligast. Du tillhandahåller märkta exempel, det här mejlet är spam, det här är inte, och systemet lär sig klassificera nya exempel. Det mesta av affärs-AI är övervakad inlärning.

Oövervakad inlärning hittar mönster i data utan att bli tillsagd vad den ska leta efter. Användbart för kundsegmentering, gruppera kunder efter beteende utan att fördefiniera grupperna.

Förstärkningsinlärning lär sig genom försök och misstag och får återkoppling på varje åtgärd. Används i mer komplexa system som rekommendationsmotorer och robotik.

Det praktiska

Det mesta av affärsmaskininlärning är övervakad inlärning tillämpad på prediktionsproblem, vilka leads kommer konvertera, vilka fakturor kommer betalas sent, vilka kunder är i riskzonen. Har du historisk data och en fråga du vill ha besvarad är maskininlärning ofta en direkt väg till svar.