爲何說基於機器學習的AI預測更智能？

趨勢

當下，人工智能已成爲科技領域最熱門的技術。機器學習、深度學習、人臉識別、無人駕駛、NLP，各類名詞不絕於耳。人工智能的應用一方面在不斷改變咱們每一個人的生活方式，另外一方面也在逐漸改變着企業的經營模式、決策方式。愈來愈多的企業經營者、高級管理人員、決策者都在這場瞭解人工智能的競賽中感到焦慮，他們意識到，人工智能即將從根本上改變他們的行業。

在這場轟轟烈烈的人工智能浪潮中，咱們發現，對於商業企業來講，人工智能並無給他們帶來太多所謂的智能，它帶來的是智能的一個關鍵組成部分——AI預測。

預測是根據事物以往和現今的數據，經過必定的科學方法和邏輯推理，對事物將來發展的趨勢做出預計、推測和判斷，尋求事物的將來發展規律。預測不只研究事物的自己，並且還要研究它和環境之間的相互做用、相互影響。預測的過程就是在調查研究或科學試驗的基礎上的分析過程，簡稱爲預測分析。

預測其實是一種填補缺失信息的過程。好比將很是規的信用卡交易歸類爲盜刷，將醫學影像中的腫瘤分類爲惡性，或是判斷當前拿着手機的人是不是真正的機主，即運用你如今掌握的信息（一般稱爲數據），生成你還沒有掌握的信息。這既包含了對於將來數據的時序預測，也包含了對當前與歷史數據的分析判斷，是更廣義的預測。

在人工智能技術介入前，預測早已隨處可見，小到我的股票投資，大到企業經營決策、國家制訂國民經濟發展規劃，社會的方方面面無不體現着預測的重要性。而人工智能的飛速發展，將爲預測技術提供了更多可行的思路和方案，使得預測的準確度可以獲得有效提高，爲各行各業提供超越傳通通計學分析的決策支持能力。

這當中，更爲重要的是，AI預測更廉價。「若是某樣東西的價格降低，那麼咱們會更多地使用它。」——這是最簡單的經濟學，現在這種狀況正出如今預測領域。運算的成本變得足夠低，繼而幫助咱們快速找到成千上萬種應用方式。預測成本的降低也將影響其餘東西的價值：好比提升互補品（數據、判斷和行動）的價值，以及下降替代品（人類預測）的價值。

圖片描述

智能

那麼，預測技術發展到現在，何以稱得上智能呢？回過頭來看，應該歸功於更好的數據、模型和計算能力，它們促使預測技術飛速發展，從而走上「智能」之路。機器學習即是功臣之一。

歷史上，預測的主流分析方法是使用數據挖掘的一系列技術，而這其中被常用的是一種被稱爲「迴歸」的統計技術。迴歸作的是什麼？它主要是根據過去發生時間的「平均值」來尋找一種預測。固然，迴歸也有不少種實現方式，有簡單的線性迴歸，多項式迴歸，也有多因素的Logistic迴歸，本質上都是一種曲線的擬合，是不一樣模型的「條件均值」預測。

在機器學習以前，多元迴歸分析提供了一種處理多樣條件的有效方法，能夠嘗試找到一個預測數據失誤最小化，「擬合優度」最大化的結果。可是，迴歸分析中，對於歷史數據的無誤差預測的渴求，並不能保證將來預測數據的準確度，這就是所謂的「過渡擬合」。

與迴歸分析不一樣，機器學習的預測不追求平均值的準確性，容許誤差，但求減小方差。過去，因爲數據和計算能力的匱乏，機器學習的表現不如迴歸分析來得好。但現在，一切都不同了，隨着數據體量的不斷增加，計算能力的不斷提高，使用機器學習和（神經網絡）深度學習來作預測效果比其餘全部方法表現得都要更好，這使得咱們利用統計學進行預測的方法發生了完全的轉變。把人工智能與機器學習的最新發展做爲傳通通計學的延伸與增強這是很是誘人的想法！

那麼，若是僅僅是預測，爲何能稱得上「智能」呢？這是由於，某些狀況下，咱們預測的效果已經好到咱們能夠直接用來作決策，而無需再應用基於規則的邏輯。這其實也在改變着計算機編程的方式。

想象一下，原先複雜的業務場景下，基於「if...then...」以及傳統的統計學方法來實現的代碼邏輯，老是沒法覆蓋全部的條件組合。而近年來，支撐預測方法進步的一種黑科技叫作「深度學習」，它與人類大腦有着相似的工做方式，利用「反向傳播」的方法從數據中不斷訓練、反饋、學習，獲取「知識」。就預測而言，隨着不斷的訓練、自我學習，預測模型會獲得不斷優化，預測準確性也在隨着學習而改進，而愈來愈高的預測準確性爲商業決策提供了可信賴的基礎。

圖片描述

預測支持決策

一個完整的預測支持決策的迴路包括下圖所示8個組成部分。這中間，數據在整個歷史數據輸入、模型訓練、數據預測、決策、執行、結果收集、數據反饋的完整迴路中流轉。

▧ 數據清洗與特徵工程是有效輸入的核心。實際狀況中，因爲預測項目開始前對數據的統一管理不夠重視，對歷史數據進行清洗整理會佔掉整個預測項目的近一半時間。數據質量的優劣，實際上是預測項目成敗極其重要因素。而有了優質的數據，提取恰當的特徵也是預測成功與否的重中之重。

▧ 足夠豐富的帶特徵數據是預測模型得以訓練的基礎。

▧ 預測是決策的核心輸入。依賴訓練獲得的模型與將來有限的肯定因素，來爲決策提供數據預測支持。

▧ 而決策執行的結果又將反饋到訓練模型，優化預測。

小結

本文主要給你們介紹了AI發展的趨勢，AI預測的應用邏輯，何爲智能預測，以及「數據——預測——決策——反饋」完整鏈路。

下一篇咱們會跟你們聊聊AI預測在零售業銷售場景的應用及效益，敬請關注！