Címlapon

Werschitz Ottó, Neuron Solutions
Werschitz Ottó, Neuron Solutions
Forrás: ITB
Üveggömb helyett algoritmus, avagy a prediktív analitika mindent látó szeme

Modern Nostradamusok: a tanuló algoritmusok kora

A mesterséges intelligencia az új elektromosság – fogalmazta meg a Google Brain teamjének alapítója és korábbi vezetője, a mesterséges intelligencia fejlesztésének, oktatásának és alkalmazásának egyik legismertebb alakja. Remekül összefoglalja a technológiához való hozzáállásunkat. Ki gondolta volna az áram előállítása előtt, hogy az egyáltalán lehetséges, vagy azt, hogy mi mindenre lesz használható? Azóta pedig lámpa- és neonfényárban úszik a világ. Nincs ez máshogy az MI-vel és az arra épülő prediktív analitikával sem.

„Sokkal több felhasználási módja látszik ma, mint hat-hét évvel ezelőtt, amikor elkezdett fejlődni, és még több lesz. Ahhoz viszont az kell, hogy minél több ember ismerje és értse meg, hiszen minél több use case, ötlet lesz, minél több tanításra használható adat, annál szerteágazóbb lesz a felhasználása”, mondta Werschitz Ottó, a Neuron Solutions üzletfejlesztési vezetője.

 

Az üzleti döntések tarot kártyája?

Eddig is voltak statisztikák, amelyekre támaszkodhattunk, a különbség annyi, hogy a tanuló algoritmus a múltbeli adatokból tanulva különböző modellezési módszerekkel ténylegesen valamekkora valószínűséggel meg tudja jósolni, hogy mi fog bekövetkeztetni. „A predikció pontossága sohasem száz százalék, a prediktív modelleket akkor érdemes bekapcsolni, ha a pontosság az elvárt tűrésen belül van. Tehát mondjuk kilencvenöt százalékos bekövetkezési valószínűség és öt százalékos hibarés esetén az adott területtől függően már érdemes lehet alkalmazni”, mondta a szakértő. A gyakorlatban ez azt jelenti, hogy ha egy gyártóüzemben a gépek meghibásodását a prediktív rendszerünk 95 százalékos pontossággal jelzi, azaz a tényleges hibákhoz képest öt százalékkal többször állítjuk le a gépeket szervizelésre, de az ehhez tartozó termelés- és bevételkiesés kisebb, mint az ad hoc jellegű, tényleges meghibásodás miatti leállásból fakadó, akkor megéri bevezetni a rendszert.

„A mesterséges intelligencia egyik legjelentősebb hatását a prediktív analitikán keresztül fejti ki a gazdasági és az üzleti élet számos területén. A »Prediction Machines« című könyv az AI közgazdasági hasznát, és ennek következményeit elemzi. Az egyik fő gondolat, hogy ahhoz hasonlóan, hogy a számítógépek a 80-as években a »számolási feladatokat« (az aritmetikát) tették olcsóvá, úgy az AI a predikció költségeit viszi le. A predikció pedig fontos, ha bizonytalan tényezők között kell üzleti döntéseket hoznunk”, mondta Werschitz Ottó.

Akár üzleti döntésekről, akár egyéb területekhez kapcsolódó predikcióról beszélünk, a prediktív analitika – a teljesség igénye nélkül – a sport, a távközlés, a bank, a sales és marketing, a járműipar, a gyártóipar, a HR, a mezőgazdaság, illetve az energetika területén nyit teljesen új dimenziót.

Mesterséges intelligencia vagy tanuló algoritmus?

A prediktív analitikai megoldások iránti érdeklődés gyorsan nő majd a gyártóiparban, az Allied Market Research prognózisa szerint a 2018-as alig több mint félmilliárd dollár után 2026-ban már 2,5 milliárd dollárt költenek majd ilyen rendszerekre. Az ipar 4.0 térhódítása, az IIoT (ipari dolgok internete) fejlődése és a big data növekvő alkalmazása jelentős lökést ad a folyamatnak, amelyet támogat az adatvezérelt szervezetek létrejötte, illetve a mesterséges intelligencia növekvő bevonása is az ipari termelésbe.

A gyártóipar jellemzője, hogy igyekeznek helyben (on-premise) alkalmazni az előrejelző megoldásokat, az üzemekben telepített rendszerek a teljes piac mintegy kétharmadát adják. Azonban a felhőalapú megoldások térnyerése itt is megfigyelhető, a várakozások szerint a következő hat évben az ezekre költött összeg gyorsabban nő majd, mint az on-premise rendszerekre szánt pénz.

Mindent tud, mindent lát, mindent elárul

A sales és marketing területén az ügyfélviselkedés előrejelzésében, a promóciós kampány egy adott ügyfélre gyakorolt hatásának elemzésében nyújt segítséget a prediktív analitika, a B2B üzletben pedig előre látja, hogy mely leadekből lesz ügyfél, kikbe érdemes energiát fektetni.

Az egészségügyi alkalmazások területén nem kell elmenni a szélsőségekig. Képes arra prediktív analitika, hogy megjósolja az ember leendő betegségeit, továbbá arra is használható, hogy felvázolja a járványok terjedését a megbetegedési trendeket, de az adminisztratív, logisztikai terhet is képes csökkenteni. A „historikus adatok és személyiségi profiladatok alapján megjósolja, eljön-e a beteg kontrollra, vagy azt, hogy mennyi beteg fog felvételre jelentkezni (például influenzajárvány idején), amely alapján előre be lehet osztani az orvosokat és nővéreket”, mondta a szakértő.

A távközlésben is több alkalmazási terület lehetséges mind pl. az ügyfélmenedzsment, mind a hálózatüzemeltetés terén. De egy például egy marketing kampány sikerességét, vagy a hálózati hibák valós idejű előrejelzését is rá lehet bízni. A Lidl pedig arra használta a prediktív analitikát, hogy kiszámolja, mennyi romló árut tegyen ki a polcokra, hogy azok el is fogyjanak, ezzel csökkentve a pazarlást.

„A járművekből gyűjtött szenzoradatok alapján nemcsak az adott jármű meghibásodására, alkatrész-problémáira következtethetünk, hanem ha flottákat veszünk figyelembe, akkor tendenciózus alkatrész-meghibásodásra, típushibákra következtethetünk, előre jelezhetjük, hogy termék-visszahívásra lesz szükség. A közúti, vasúti flották esetén kiderül melyek azok az alkatrészek, amelyek nagyobb valószínűséggel mennek tönkre, és emiatt készleteznünk kell adott mennyiséget”, tette hozzá Werschitz Ottó.

A sport is sokat profitálhat, mert előre megjósolhatóvá válik az is, hogy ki lehet élsportoló, de a sérülések előrejelzése (megelőzése), a játékosok jó vagy rossz teljesítménye bizonyos meccs-szituációkban, és természetesen a meccsek kimenetelének valószínűsítése is beláthatóvá válik.

 

Mi vár a humán munkaerőre a prediktív jövőben?

Az automatizáláshoz hasonlóan a prediktív analitika bizonyos munkaköröket kiválthat – viszont az értéket igénylő feladatköröket támogatni fogja. „Azt gondolom, hogy sok területen mikro szinten, az emberek munkájának minőségében hozhat javulást: az időrabló, értéket nem hordozó feladatokat át tudja vállalni. Az egész gazdaságra nézve is nagy változás lesz, hiszen azok a cégek, amelyek lemaradnak a mesterséges intelligencia, prediktív analitika alkalmazásában, azok versenyhátrányban lesznek, ami pedig piaci átrendeződéshez fog vezetni”, zárta gondolatait Werschitz Ottó.