Tek zekadan grup koordinasyonuna, optimizasyon algoritmaları yeni bir yapay zeka dalgası yaratıyor | AI ana yuvarlak masası
Son iki yılda yapay zekada, özellikle derin öğrenme algoritmalarıyla temsil edilen Çin pazarında bir artış oldu. McKinsey'in istatistiklerine göre, küresel teknoloji devleri 2016 yılında 20 milyar ABD Doları ile 30 milyar ABD Doları arasında yapay zeka yatırımı yaptı ve VC / PE yatırım ve finansmanı 6 milyar ABD Doları ile 9 milyar ABD Doları'na ulaştı. Çin'de, Titanium Medianın TMTbase küresel risk sermayesi veri tabanından alınan istatistiklere göre, Çindeki toplam 398 yapay zeka şirketi dahil edildi ve 571 yatırım olayı, toplam 57,1 milyar yuan yatırımla gerçekleşti.
AlphaGo dünyaya ve Çinli Go ustalarına meydan okuduktan hemen sonra, yapay zeka hakkındaki aldatmaca daha da gürültülü hale geldi ve endüstri uzmanları ayrıca yapay zeka balonları hakkında uyarılar yayınladı. Ancak yapay zeka balonu olgusunun beklenmedik bir etkisi var. 24 Haziran 2017'de Titanium Media ve büyük veri optimizasyon şirketi Shanshu Technology tarafından ortaklaşa düzenlenen "Titanium Media AI Masters Roundtable" da ABD ve Çin'den en iyi optimizasyon algoritması uzmanları, yapay zekanın tropikal bölgeye taşındığını belirtti. Optimizasyon algoritması patlaması.
Stanford Üniversitesi Li Guoding Mühendislik Başkanı Profesör, Çin Operasyon Araştırma Lideri ve Shanshu Teknolojisinin Baş Bilimsel Danışmanı Ye Yinyu, makine öğrenimi algoritmalarının tek bir makinenin zekasını güçlendirdiğini, ancak bir grup robot birlikte çalıştığında, "genel değerlendirme ve genel optimizasyon" optimizasyonunun gerekli olduğunu söyledi. algoritması. Kesin olarak bulut bilişim, büyük veri ve yapay zekanın patlaması nedeniyle süper büyük ölçekli büyük verilerin ortaya çıkmasıdır.Bu, optimizasyon algoritmalarının refahının temelidir.Optimizasyon algoritmalarının geliştirilmesi, sırayla yapay zekanın yeni bir aşamaya girmesini teşvik edecektir.
Algoritma Savaşları ve Savaş Algoritmaları
Stanford Üniversitesi Li Guoding Başkan Mühendislik Profesörü, Çin Yöneylem Araştırmaları Lideri ve Shanshu Teknolojisinden Baş Bilimsel Danışmanı Ye Yinyu
26 Nisan 2017'de ABD Savunma Bakanlığı bir notta "savaş algoritması" nı tanımladı ve "algoritmik savaş" kavramını ve daha da önemlisi, bir "algoritma savaşları çapraz fonksiyonlu ekip" oluşturulmasını önerdi. Zengin savaş zekası elde etmek için dronlar tarafından toplanan büyük video verilerini analiz etmek için yapay zeka kullanmak gibi yapay zeka ve makine öğrenimi gibi kodlar yazarak savaşın şeklini değiştirin.
II.Dünya Savaşı gibi erken bir tarihte, büyük veri ve hatta bilgisayarlar yoktu. Veri toplama erişiminin, miktarının ve hızının çok sınırlı olduğu varsayımı altında, küresel toplum ve ekonomi üzerinde geniş bir etkiye sahip olan "savaş algoritması" doğdu: Yöneylem Araştırması . Ye Yinyu, operasyon araştırmasının bir optimizasyon çalışması olduğunu söyledi.Gerçek hayatta ortaya çıkan tüm sorunlar için, sadece uygulanabilir bir çözüm bulmak değil, en iyi çözümü bulmaktır. Modern terimlerle, işleri aşırı yapmaktır.
1707'den 1783'e kadar yaşamış olan ünlü İsveçli matematikçi Leonhard Euler bir keresinde şöyle demişti: Bu dünyadaki her şeyin bir maksimum veya minimum değeri vardır. II.Dünya Savaşı'nda Müttefikler, radar konuşlandırma sorunları, konvoy eskort sorunları, denizaltı bomba atma sorunları, Pasifik adası askeri malzeme depolama sorunları, proje yönetimi sorunları gibi çeşitli operasyonel optimizasyon problemlerini çözmek için matematiksel modeller kullandılar. Sorunun çözümü nihai zaferi garanti etti.
II.Dünya Savaşı'nın sona ermesinden sonra insanlar, üretim, hizmet ve finans gibi endüstriler de dahil olmak üzere işletmelere ve hükümetlere yönelik operasyon araştırmalarını yaygın olarak uyguladılar. Yöneylem araştırması, gerçek dünyadaki karar verme problemlerini çözmekten kaynaklandığından, çok sayıda yöneylem araştırması algoritması daha sonra ortaya çıktı ve doğrusal programlama, doğrusal olmayan programlama, tamsayı programlama, kombinatoryal programlama, grafik teorisi ve ağ akışı dahil olmak üzere önemli yöneylem araştırması dalları hızla gelişti. Karar analizi, kuyruk teorisi, güvenilirlik matematik teorisi, envanter teorisi, oyun teorisi, arama teorisi vb.
Modern yöneylem araştırması, kısıtlamaları tatmin etme koşulunda belirli bir hedefi en üst düzeye çıkarabilen / en aza indirebilen karmaşık bir problem için en uygun kararı bulmak için istatistik, matematiksel modeller ve algoritmalar gibi yöntemler kullanır.Tipik bir uygulama, karmaşık dev sistemlerin optimizasyon kararı problemini çözmektir. . Karmaşık dev bir sistem, güç sistemleri, kentsel ulaşım ağları, dijital iletişim ağları, esnek üretim sistemleri, su kaynakları sistemleri ve sosyo-ekonomik sistemler gibi büyük ölçekli, karmaşık kurucu unsurları ve çok sayıda alt sistemi olan bir sistemi ifade eder.
Karmaşık dev sistemin performansının optimizasyonu, büyük ekonomik veya sosyal faydalar sağlayacaktır ve yöneylem araştırmasının uygulanması önemli bir rol oynayabilir. Örneğin, fabrika üretimi, mal envanteri, satış merkezi ve tüketim alanının yönetimi, her bir bağlantıdan ayrı olarak incelenemez ve yönetilemez.Küresel olarak optimize edilmiş bir operasyon yönetimi elde etmek için bu bağlantılar bağlanmalıdır.
Karmaşık dev sistemlerin optimizasyon problemlerini çözme yeteneği, operasyon araştırması tarafından temsil edilen optimizasyon algoritmalarının en büyük değeridir ve hatta bir ülke için stratejik öneme sahiptir. İş değeri açısından bakıldığında, büyük veri 0'dan 1'e, yapay zeka 1'den 2'ye, istatistik ve operasyon araştırması optimizasyon algoritmaları 2'den N'ye kadardır. Yalnızca yöneylem araştırmasının temsil ettiği optimizasyon algoritmalarına hakim olarak gelecekteki algoritma savaşlarını gerçekten kazanabiliriz.
Büyük veri çağında iş kararları
Chen Xi, Yardımcı Doçent, New York Üniversitesi
Ye Yinyu, Amerikan Yöneylem Araştırması ve Yönetimi Derneği Von Neumann Teorisi Ödülü'nü (yöneylem araştırması ve yönetimi alanındaki en yüksek ödül) kazandı ve şimdiye kadar tek Çinli kazanan, 2014 Amerikan Uygulamalı Matematik Optimizasyon Ödülü (her üç yılda bir kişi değerlendirilir) ve 2012 Uluslararası Matematik Planlama Konferansı Tseng Lectureship Award (üç yılda bir değerlendirilir), Boeing, FICO, American Express, ABD Sağlık Bakanlığı, ABD Bilim Vakfı, ABD Enerji Bakanlığı ve ABD Hava Kuvvetleri Araştırma Dairesi gibi birçok bilimsel araştırma projesine ev sahipliği yapmış ve bunlara katılmıştır.
1982'de Ye Yinyu, ileri araştırmalar için Amerika Birleşik Devletleri'ne gitti.O zamanlar, bir yapay zeka dalgasından sonra, büyük veri gibi modern teknolojinin eksikliği nedeniyle, teorik araştırmalar ve ticari uygulamalar durgun bir durumdaydı, ancak yöneylem araştırması hayatın her alanında yükselişteydi. , Üretim planlama, envanter yönetimi, lojistik ve nakliye, finansal muhasebeden personel yönetimine, ekipman bakımı, mühendislik optimizasyonu, bilgisayar ve iletişim sistemleri ve şehir yönetimi geniş bir uygulama alanına sahiptir.
Bilgisayar teknolojisinin hızla gelişmesi ile çözülmesi gereken sorunların ölçeği artmaya devam etmekte ve yöneylem araştırmasının uygulama kapsamı da devrim niteliğinde atılımlar gerçekleştirmiştir. Çok sayıda algoritma ve yazılım üretildi ve büyük veri çağı, operasyon araştırmalarına daha fazla canlılık getirdi - büyük verilerin en uygun kararlara nasıl dönüştürüleceği, yöneylem araştırmasının önemli bir konusu haline geldi. New York Üniversitesi'nde yardımcı doçent olan ve makine öğreniminin babası (Ant Financial Think Tank'ın Başkanı) Michael I Jordan'ın yanında araştırma yapan doktora sonrası araştırmacı Chen Xi, büyük verilerin ortaya çıkmasının makine öğrenimi, büyük ölçekli istatistiksel çıkarım ve operasyon araştırma algoritmalarının üç ana alanını desteklediğine inanıyor. Birlikte ileriye dönük olarak, büyük veriye dayalı iş kararları oluşturuldu.
Ye Yinyu, işle ilgili karar verme sürecinin büyük veriye dayalı üç aşamasını tanıttı: Veri toplama ve yönetime dayalı tanımlayıcı karar verme. Veriler, büyük veri çağında iş kararlarının temeli ve şirket gelişimi için "ham yakıt" haline gelir. Bilgi bilimi teknolojisi tamamlanır; düzenlilik analizine dayalı tahmine dayalı karar verme, büyük veriden bilgi çıkarma, şeylerin arkasındaki yasaları elde etme, genellikle istatistik ve makine öğrenimi teknolojisi ile tamamlanır; ancak yalnızca verilerin yönetimi ve düzenlilik analizi Verinin muazzam değeri açığa çıkarılamaz.Büyük verinin önemli bir değer üretmesini sağlamak için karar verme kalitesini gerçekten iyileştirmek ve büyük verilerden yasaları keşfetmek gerekir.Bu, karar modelleme ve çözüme dayalı kuralcı karar verme sürecidir.
İşlem araştırması, gerçek karar verme sorunlarını matematiksel modellere dönüştürür, bunları verimli optimizasyon algoritmalarıyla çözer, en iyi kararları ve stratejileri elde etmek için sistem bilimi ve optimizasyon algoritmalarını kullanır ve karar vermenin otomasyonunu, akışını ve standardizasyonunu gerçekleştirir. Amerika Birleşik Devletleri ve Avrupa'da, yöneylem araştırması algoritmalarının yazılımı ve araçları gerçekleştirilmiştir. Örneğin portföy optimizasyonu ve ilgili karar verme alanında Barra, Axioma, ITG ve Mosek gibi tanınmış yazılımlar vardır.Bunlardan Mosek'in büyük ölçekli veri optimizasyon yazılımı Avrupa'nın en büyük optimizasyon yazılımıdır.Profesör Ye Yinyu aynı zamanda şirketin teknoloji danışma komitesi başkanlığını da yürütmektedir. Kurucu ayrıca Ye Yinyu'nun rehberliğinde optimizasyon algoritmaları hakkında derinlemesine bir anlayışa sahipti ve şirketi kurdu.Şu anda, Wall Street üzerindeki risk kontrolü için birçok yazılım çözücü Mosek yazılımını kullanıyor.
Ye Yinyu şöyle düşünüyor: Yüksek frekanslı ticaret yarışı, algoritma hızının yarışıdır. Bir yazılımın model çözme hızı 10 saniye sürerse ve diğer yazılımın hızı 0,04 saniye ise, o zaman 0,04 saniyelik çözüm yazılımının kaynak kodunda ustalaşan kişi temel rekabet gücüne sahiptir ve algoritma 10 saniyeden 0,04 saniyeye kadardır. güç.
Kısa süre önce United Airlines olayı, belirsiz bir ortamda tipik bir envanter yönetimi karar verme sorunuydu. Uçak bileti çifte rezervasyon, yolcuların% 5 ila% 10'unun çeşitli nedenlerle uçağa binmemesi ve belirsiz koşullar altında kaybı telafi etmek için havayolunun kaç uçak bileti için çifte rezervasyon yapması gerektiğinden kaynaklanmaktadır. İniş yapmaya istekli olması durumunda, yolcuları bir sonraki uçuşa geçmeye nasıl teşvik edileceği, optimizasyon algoritmasının kapsamıdır. Belirsizlik ve belirsizlik içeren rastgele veya karmaşık ortamlarda zor kararlar, yapay zeka ve makine öğrenimi algoritmalarının da zayıf yönleridir.
Veriye dayalı iş senaryolarında karar optimizasyonu
Minnesota Üniversitesi'nde Yardımcı Doçent ve Shanshu Technology CTO'su
Mosek 1997 yılında kuruldu ve 20 yıllık bir geçmişe sahip. Son yıllarda Çin, yapay zekanın sanayileşmesi ve ticarileştirilmesi konusunda bazı ilerlemeler kaydetti, ancak optimizasyon algoritmaları tüm yapay zeka tanıtımının vazgeçilmez bir parçası, ancak Çin'de nispeten zayıf. Ek olarak, makine öğrenimi ve derin öğrenmenin altında yatan algoritmalar için açık kaynaklı çözücüler bile Çin'de henüz görülmedi.
2016 yılının ortalarında, Stanford okul rozetinin "Shan" ı ve büyük verinin "sayısı" olan Stanford operasyon araştırması alanından birkaç profesör ve doktor, Shanshu Technology'yi kurdu ve Çin'de operasyon araştırmasının ticari uygulamasını teşvik etmeye başladı Makine öğrenimi ve derin öğrenme düşük seviyeli çözme algoritmalarının geliştirilmesinin yanı sıra. Shanshu Technology şu anda JD.com gibi büyük kurumsal müşterilere sahiptir.Temmuz 2016'da Zhen Fund ve Northern Light Venture Capital'den 2,1 milyon ABD doları melek tur finansmanı almıştır.
Minnesota Üniversitesi'nde yardımcı doçent ve Shanshu Technology CTO'su Zhuo Wang, American Society of Operations Management'ın Gelir Yönetimi Şubesi 2015 En İyi Pratik Uygulama Ödülü'ne aday gösterildi. American Express, Huawei, IBM ve Seagate gibi projelerde yer aldı ve bunların arasında IBM fiyatlandırmayı özelleştirdi Strateji sistemi iki ABD patenti kazandı ve IBM için büyük karlar yarattı.
Wang Zizhuo, İnternet çağında büyük verinin yönlendirdiği fiyatlandırma stratejisini tanıttı.İyi bir fiyatlandırma stratejisinin işletmelerin "can damarı" olduğuna, özellikle İnternet iş modeli altında gerçek zamanlı fiyatlandırmanın otel, perakende, havacılık, araç kiralama ve diğer sektör ve işletmeleri belirlediğine inanıyor. Yaşam ve ölüm ve daha büyük bir gelişme sağlayıp sağlayamayacağı.
Öyleyse, e-ticaret şirketleri gibi gerçek zamanlı şirketler "yaşam hattını" nasıl daha iyi elde edebilir ve kendi fiyatlandırma stratejilerini nasıl geliştirebilir? Her şeyden önce, tüketicinin kompozisyonunu, tercihlerini ve tüketici davranışlarını ve diğer büyük verileri anlamak ve ikincisi, tüketicilerin veya tüketici gruplarının büyük verilerini elde etme öncülüğünde fiyat, zaman ve yer gibi satış kararlarını vermek gerekir. Bu nedenle, veriye dayalı bir fiyatlandırma stratejisi, doğru ürün ve hizmetleri doğru müşterilere doğru fiyata, doğru zamanda ve doğru yerde sunmaktır.
Şimdi, Shanshu Technology Intelligent Decision, hedef senaryolar, temel modeller, optimizasyon stratejileri, verimli algoritmalar, bilgi kurtarma, model yineleme ve diğer bağlantılar dahil olmak üzere eksiksiz bir veri tabanlı fiyatlandırma çözümleri seti sağlar. Bunlar arasında, temel modeli oluştururken ve seçerken, tüketiciler birden çok seçenek, farklı fiyatlar, farklı kalite ve diğer bilgilerle karşılaştıklarında satın alma davranışlarını değiştireceklerinden, bazen mantıksız davranışlar ortaya çıksa da, yine de büyük veri analizinden elde edilebilirler. Yasayı formüle edin ve ardından doğrusal olmayan, ayrık, yüksek boyutlu ve dinamik algoritmalar aracılığıyla bir fiyatlandırma karar modeli oluşturun ve ardından doğru bir optimum çözüm / yüksek kaliteli yaklaşık çözüm elde etmek için benzersiz ve verimli bir algoritma tasarlayın. Paralel bir hesaplama mimarisi aynı anda büyük ölçekli ve birden çok SKU problemini çözebilir. Etkili bir şekilde çözün ve nihayet çevrimiçi optimum çözüme ulaşın ve gerçek zamanlı gereksinimleri karşılayın. Elbette fiyat hesaplaması tek seferde yapılmıyor, pazar değişiyor, ortam değişiyor, fiyat da değişiyor.Dinamik fiyat ayarlaması birçok sektörde bir trend haline geldi, yani algoritma modeli, tüketici satın alma davranışını çevrimiçi öğrenmenin ardından sürekli güncelleniyor.
2016 yılından bu yana, Shanshu Technology'nin kurucu ekibi, e-ticaret, lojistik, seyahat vb. Dahil olmak üzere Çin'deki birden fazla sektördeki önde gelen şirketlere gelir yönetimi için kesin nicel yazılım geliştirme sağlamak için benzersiz birikimini ve teknolojisini fiyatlandırmada kullandı. Danışmanlık hizmetlerinde ise sözleşme tutarı yaklaşık 20 milyona ulaştı.
Chen Xi ayrıca çevrimiçi öğrenme ve çevrimiçi karar vermenin bağlantı etkisini ve karar algoritmasını tanıttı. Çevrimiçi öğrenme ve çevrimiçi karar verme bağlantısı, iki temel seçenek vardır: Birincisi, nesnenin maksimum bilgisini (Keşif) en az girişimle elde etmektir; diğeri, en üst düzeye çıkarmak için elde edilen bilgilere dayanarak en iyi kararı vermektir. Kar (Kullanım, hasat). Klasik bir örnek Multi-Armed Bandit Problemidir (MAB): Farklı slot makinelerinin getirileri rastgele, bazıları düşük rastgele dönüşlere, bazıları yüksek rastgele dönüşlere sahip ve bazıları yüksek rastgele dönüşlere sahip olabilir. Slot makinesi stratejisini optimize etmek için en az sayıda denemeyle her bir slot makinesinin kar seviyesini mümkün olduğunca nasıl elde edebilirim? 2014'te Wang Zizhuo, Ye Yinyu ve diğerleri tarafından hazırlanan bir akademik makale, tek bir ürünün gelir yönetimini en üst düzeye çıkarmak için MAB algoritmasını tartıştı.
Çok kollu slot makinesi MAB algoritması geniş bir ticari kullanım alanına sahiptir.Örneğin, e-ticaret şirketleri algoritmayı belirli bir ürün tüketici grubunun tanınması ve geliştirilmesi için kullanabilir. Chen Xi, 2016 yılında "E-ticaretin Kişiselleştirilmiş Gelir Yönetimi için İstatistiksel Öğrenme Algoritmaları" başlıklı bir makalede Vipshop için Shanshu Technology tarafından geliştirilen algoritmayı tartıştı. O zamanlar Amerika Birleşik Devletleri'nde bir e-ticaret şirketi kadın müşterilere düzenli olarak her ay, hatta iki haftada bir 5 parça kıyafet içeren bir kutu gönderiyordu. Müşteriler bir ürün için ödeme yapıp geri kalanını iade etmeyi seçebiliyordu. İsterseniz, sembolik bir posta ücreti ödersiniz. Böylelikle kadın tüketicilerin tüketim davranışları verilerini tespit edip ilgili algoritmaların geliştirilmesinde kullanabiliriz.
Chen Xi, gerçek iş ortamı son derece karmaşık olduğundan, optimum iş kararları almak için makine öğrenimi, istatistiksel analiz ve operasyonel optimizasyonun bir kombinasyonunu gerektirdiğini vurguladı.
Li Jian, Yardımcı Doçent ve Tsinghua Üniversitesi Shanshu Araştırma Enstitüsü Bilim İnsanı
Tsinghua Üniversitesi Disiplinlerarası Bilgi Araştırmaları Enstitüsü'nde yardımcı doçent ve Shanshu Üniversitesi'nde bir bilim insanı olan Li Jian, uzay-zamansal büyük verilere dayalı makine öğrenimi algoritmalarını tanıttı. Uzay-zamansal büyük veri, üretim ve yaşamda bir zaman eksenine sahip coğrafi büyük veridir. Li Jian, sosyal gelişimin, işletme operasyonlarının ve endüstriyel üretimin rafine operasyon doğrultusunda gelişmesiyle birlikte, üretimdeki bazı önemli zamansal ve mekansal özelliklerin tahmin ve kontrolünün giderek daha önemli hale geldiğini söyledi.
Mekansal-zamansal büyük verilerin geniş bir uygulama yelpazesi vardır. Örneğin, trafik koşullarının tahmini, ulaşım departmanının trafik komutunu ve düzenini ayarlamasına ve optimize etmesine yardımcı olabilir; belirli bir rota için seyahat süresi tahmini, insanların seyahat planlarını daha iyi planlamasına yardımcı olabilir; çevrimiçi araç kiralama için Gelecekte belirli bir süre içinde sipariş hacmini ve bölgesel dağıtımı doğru bir şekilde tahmin etmenin, şirketin araç planlamasını daha iyi yapmasına yardımcı olabileceği ve böylece araç paylaşımının verimliliğini artırabileceği söyleniyor; lojistik şirketleri için her ağın alım ve teslimat hacminin iyi bir şekilde tahmin edilmesine yardımcı olabilir. Şirket, lojistik verimliliğini artırmak ve geliri artırmak için nakliye kapasitesi ve insan kaynakları gibi kaynakları önceden gönderiyor; insansız sürüş, sürüş sisteminin yolu önceden planlamasına ve ayarlamasına yardımcı olabilecek, böylece güvenli sürüş katsayısını artırabilecek çevredeki engellerin hareket konumunu tahmin ediyor.
Mekansal-zamansal veriler, yaşamın her alanında büyük miktarlarda üretilir. Bu verilerin makul bir şekilde çıkarılması ve kullanılması, üreticilerin ve tüm toplumun üretim verimliliğini artırmasına yardımcı olabilir.
Yeni yapay zeka dalgası: optimize edilmiş algoritmalarla birlikte hızlı ve akıllı karar verme
Georgia Institute of Technology Yaşam Boyu Profesörü
Makine öğrenimi ve yapay zeka, büyük veri çağındaki teknolojik gelişimin ürünleridir. Son yıllarda çığır açan gelişmeler olmuştur. Temsili başarılar arasında görüntü tanıma, konuşma tanıma, doğal dil işleme vb. Yer alır. Uygulama senaryoları arasında otonom sürüş, akıllı teşhis ve insansız Makine bekliyor. Bununla birlikte, makine öğrenimi ve yapay zekaya dayalı ana akım derin sinir ağı öğrenme algoritmalarının, gerçek iş dünyasında ultra büyük ölçekli ve hızlı gerçek zamanlı yanıt ihtiyaçlarını karşılamak için optimizasyon algoritmalarıyla birleştirilmesi gerekir.
Georgia Institute of Technology'den ömür boyu profesör Lan Hui, ana araştırma alanı, stokastik dışbükey ve dışbükey olmayan optimizasyon problemlerini çözmek için kullanılan stokastik gradyan inişi ve hızlandırılmış stokastik gradyan inişi dahil olmak üzere stokastik optimizasyon ve doğrusal olmayan programlamanın teorisi, algoritması ve uygulamasıdır. Lan Hui ayrıca makine öğrenimi ve derin öğrenme algoritmalarında uluslararası bir üst düzey uzman ve genç Çin nesli için optimizasyon algoritmalarında liderlerden biridir.
Sözde dışbükey optimizasyon / dışbükey olmayan optimizasyon, dünyada iyi çalışılmış optimizasyon algoritması teorisi sistemleri ve çözme algoritmaları kümesidir.Bir optimizasyon problemi bir konveks optimizasyona / konveks olmayan optimizasyon problemine dönüştürülürse, optimum çözüm hızlı bir şekilde verilebilir. Basitçe anlayın, dışbükey optimizasyon, bir sorunun yerel maksimum veya minimum bulabileceği anlamına gelirken, dışbükey olmayan optimizasyon, bir sorunun yerel maksimum veya minimuma sahip olmamasına rağmen, hala birkaç yerel optimizasyon noktası olduğu anlamına gelir. Başka bir deyişle, dışbükey olmayan optimizasyon, yatırım portföyü ticareti, rota kontrolü, üretim planlama, kaynak tahsisi, sinyal iletimi ve diğer alanlarda kullanılabilen, karar verme için yerel olarak optimize edilmiş birkaç çözüm bulmaktır.
Örneğin, 21-24 Haziran 2017 tarihleri arasındaki sel sezonunda Pekin'de meydana gelen en şiddetli yağmur fırtınası sırasında, Air Travel istatistiklerine göre 21'i 00: 00'dan 12: 00'a kadar ülke çapında gecikmeli uçuş sayısı 11,805, iptal edilen uçuş sayısı ise 3052 oldu. çerçeve. Bu durumda, havayollarının ve demiryolu şirketlerinin, etkilenen uçuşlar, hava durumu ve insan akışı verilerine dayanarak uçuş ve tren sayısını gerçek zamanlı olarak optimize edip ayarlayamayacağı, tüm sosyal ve ekonomik operasyonu etkileyen önemli bir faktör haline geldi. Bu sadece akıllı öğrenme ve tahmin değil, aynı zamanda pratik problemleri çözmek için ultra büyük ölçekli ve hızlı gerçek zamanlı yanıttır.
Lanhuihui, 2015'ten beri büyük ölçekli dışbükey optimizasyon ve dışbükey olmayan optimizasyon algoritmalarının büyük ilerleme kaydettiğini ve bir milyondan fazla, hatta yüz milyonlarca değişkenden oluşan çok büyük veri kümelerini işleyebildiklerini duyurdu. Makine öğrenimi algoritmalarının optimizasyonu için dışbükey optimizasyon ve dışbükey olmayan optimizasyon algoritmalarının kullanılması, makine öğrenimi algoritmalarının hızını büyük ölçüde hızlandırabilir. Shanshu Teknolojisinin bilim adamları da kendi makine öğrenimi ve derin öğrenme algoritması çözücülerini geliştiriyorlar. Aynı zamanda, Şangay Finans ve Ekonomi Üniversitesi'nin yerel olarak yapılan optimizasyon çözücüleri için ortaklaşa açık kaynaklı yazılım geliştirmesine ve Çin'in açık kaynak topluluğunun optimizasyon algoritmalarındaki ilerlemesini teşvik etmesine yardımcı oldu.
H2O ve TensorFlow, iki dünyadaki en iyi makine öğrenimi çözücüleridir. Bunlar arasında, H2O en eski ve en etkili makine öğrenimi açık kaynak yazılımlarından biridir. 300'den fazla finans ve internet şirketine hizmet vermiş ve dünya çapında 70.000'den fazla veri bilimcisi tarafından kullanılmıştır. Ve 8.000'den fazla birim tarafından kullanılıyor. TensorFlow, Google tarafından geliştirilen ve tanıtılan bir derin öğrenme bilgi işlem motorudur. Genel amaçlı bir makine öğrenimi çözücü olarak da kullanılabilir. Github'da birinci sırada yer alan dünyanın en iyi açık kaynak projesidir. Konuşma tanıma, görüntü tanıma ve makine çevirisi gibi çeşitli yapay zeka alanlarına sahiptir. Geniş uygulama yelpazesi.
Lan Lanhui, Shanshu Technology'nin optimizasyon çözücü yazılımının TensorFlow ve H2O çözücülerle 9 genel veri setinde karşılaştırıldığını ve test edildiğini söyledi. Bunlar arasında, sınıflandırma modeli için veri setinde, Shanshu Technology'nin çözücüsünün çözme hızı tüm veri setlerinde TensorFlow'dan önemli ölçüde daha yüksektir ve artış hızı 10 kat ile 70 kat arasında değişmektedir; ve hesaplama hızında büyük bir liderlik olması durumunda Shanshu Technology'nin çözücüsünün tahmin etkisi hala TensorFlow'dan biraz daha iyi. Regresyon modeli veri seti ile ilgili olarak, üç genel veri seti üzerindeki karşılaştırma testi, çözümün doğruluğunu etkilemeksizin, uygun hiperparametrelerin seçilmesiyle, Shanshu Teknolojisi çözücü yazılımının çözüm hızının, TensorFlow birkaç kezdir ve tahmin etkisi kabaca aynıdır.
Tahmin doğruluğu aşağı yukarı aynı olduğunda, sınıflandırma modeli veri seti için H2O ile karşılaştırıldığında, Shanshu Technology'nin çözüm hızı hemen hemen tüm veri setlerinde H2O'nun önemli ölçüde ilerisindedir; ve regresyon modeli veri seti ile karşılaştırıldığında, Uygun hiperparametreleri seçerek, Shanshu Technology'nin çözücüsü H2O'dan biraz daha yavaştır, ancak tahmin doğruluğu H2O'dan çok daha yüksek olabilir.
Başka bir deyişle, yeni yapay zeka dalgasında, Çinli bilim adamları geride kalmayan ve hatta yabancı çekirdek algoritmaları ve yazılım araçlarını yöneten ve optimize edilmiş algoritma kodlarını Çinli şirketlerin iş süreçleriyle sorunsuz bir şekilde entegre eden temel algoritmalar ve yazılım araçlarında ustalaştılar. Tek zekadan grup işbirliğine dayalı zekaya kadar "yumuşak güce" hakim olun.
"Çekirdek algoritma bir ülkenin yumuşak gücüdür. İnternet ölmediği ve veri ve bilgi ölmediği sürece, algoritma her zaman var olacaktır. Çekirdek algoritma ile bir ülke gelecekteki yapay zeka dalgalarında inisiyatif alabilir." Ye Yinyu vurguladı. Söyle.
Sektörde geniş etkiye sahip olan 2017 Titanium Media AI Masters Roundtable'ın ilk aşaması başarıyla gerçekleştirildi. Önümüzdeki Temmuz ve Ağustos aylarında Shanshu Teknolojisi ile birlikte "Yüksek Boyutlu Tahmin ve Büyük Veri İşleme", "Yapay Zeka: Belirsizlik İçinde Oyun", "AI Girişimcilik ve Silikon Vadisi", "AI Sosyal Ağı" düzenlemeye devam edeceğiz. "Usta ile toplam dört yüz yüze fırsat.
Kayıt bağlantısı için buraya tıklayın:
Daha heyecan verici içerik için Titanium Media WeChat ID'yi (ID: taimeiti) takip edin veya Titanium Media Uygulamasını indirin
