28.05.2020 Экспертиза, Искусственный интеллект, Промышленная автоматизация/САПРВ последние годы анализ данных играет ключевую роль во многих отраслях, в том числе промышленном производстве и инженерном проектировании. В сочетании с предметными знаниями аналитика может быть незаменима в определении причин перебоев и потери прибыли. Однако результаты сильно зависят от контекста данных, а выводы могут оказаться ложными. Необходимость в указаниях Технический директор одной молодой компании, которая занимается машинным обучением, как-то сказал: «Дайте мне данные, и я решу любые проблемы». Хотел бы я повторить эти слова, но, к сожалению, это так не работает. Технологии анализа данных, в том числе машинного обучения, универсальны для всех отраслей, а предметные знания — нет. Поэтому для успешной работы нужны оба слагаемых. Аналитическое решение должно отличать причинно-следственные связи от простой корреляции и сообщать только о реальных проблемах. Но анализ данных, в том числе машинное обучение, — не палочка-выручалочка. Чтобы с помощью аналитики находить верные ответы на вопросы, нужны указания. В противном случае возникают бессмысленные корреляции, например, знаменитое утверждение о том, что рост потребления маргарина приводит к разводам в штате Мэн. Указания — это предметные знания, которые ограничивают контекстуальные данные, определяют разумные ожидания и исключают ничего не значащие взаимосвязи. Машинное обучение помогает обнаружить всевозможные корреляции данных, многие из которых совершенно бесполезны. Чтобы установить причинно-следственные связи ...
читать далее.
