"Le Deep Learning est une technologie qui s'est déjà évanouie." Google prétend que l'apprentissage en profondeur n'est pas nouveau. "Il est hors de question que les entreprises générales ne puissent pas décider de la mettre en œuvre maintenant. Pourquoi ne pas l'utiliser? Parce que c'est une technologie qui commence à mourir (pleinement utilisée)."
Classiquement, les données non structurées telles que les images et les sons étaient difficiles à juger automatiquement, mais l'apprentissage en profondeur a permis un jugement automatique avec une grande précision, et il commence à être utilisé dans le domaine des affaires.
Dans l'exemple d'un magasin de vente au détail, le deep learning analyse les données non structurées telles que les «données de visage» pour montrer non seulement les attributs des clients, mais également où ils se trouvent dans le magasin et quel type de comportement ils adoptent. .. À partir de là, vous pouvez déduire la raison pour laquelle vous n'avez pas acheté.
Lier les informations sur les attributs et le comportement des prospects avec les «informations d'achat» des données de point de vente, une tendance selon laquelle «une personne qui a adopté un tel comportement de prospects a 65% de chances d'acheter un tel produit» sera compilée dans une base de données. .. En l'analysant, des mesures concrètes peuvent être planifiées.
Il est devenu possible d'appréhender le comportement des clients dans le commerce de détail et d'automatiser l'inspection des produits défectueux dans les usines qui reposent sur l'inspection visuelle humaine. De plus, il sera possible de vérifier des hypothèses basées sur des données et de prendre des décisions plus précises, conduisant à la génération de profits.
L'IA doit être utilisée pour résoudre les problèmes de gestion qui constituent le goulot d'étranglement de l'entreprise. Ensuite, les données non structurées (images, sons, etc.) collectées par apprentissage profond deviennent un trésor en introduisant l'IA.
Il est possible de vérifier des hypothèses basées sur des données factuelles et d'étudier / planifier des mesures sans s'appuyer sur l'expérience et la perception.
