Gartner: к 2019 году глубинному обучению не будет равных в прогнозировании спроса, распознавании мошенничеств и предсказании сбоев
Аналитики Gartner уверены, что уже к 2019 году глубинное обучение станет основой лучших в своем классе систем прогнозирования спроса, распознавания мошенничеств и предсказания отказов. В числе перспективных применений глубинного обучения в компании называют интерпретацию медицинских снимков для ранней диагностики рака, восстановление зрения слабовидящих, управление робомобилями и понимание речи.
В Gartner приводят примеры успешного применения глубинного обучения: сервисы преобразования речи в текст Baidu сегодня справляются с этой задачей лучше людей, в PayPal глубинное обучение показало превосходство перед другими методами блокировки мошеннических платежей, позволив вдвое снизить число ложных срабатываний, а в Amazon именно глубинное обучение позволяет выдавать лучшие рекомендации по покупкам.
Пока что глубинное обучение чаще применяется для обработки изображений, текста и звука, но растет и использование для прогнозирования спроса, выявления недостатков качества услуг и брака изделий, распознавания новых видов мошенничества, аналитики потоков данных и профилактического техобслуживания.
В Gartner прогнозируют, что уже к 2018 году 80% специалистов по данным будут иметь средства глубинного обучения в своем инструментарии. При этом даже если специалисты организации не имеют опыта разработки алгоритмов, эксперименты в области машинного обучения можно начинать, пользуясь готовыми приложениями или интерфейсами программирования, отмечают в Gartner.
Начать освоение машинного обучения аналитики советуют с простого - данных из часто используемых отчетов, например, о заказах по регионам; прогноз количества заказов на следующий месяц позволит продемонстрировать возможности новшества бизнесу.
Среди ограничений машинного обучения аналитики называют неспособность нейронной сети оценить, являются ли принимаемые ею решения этичными.
