Back to Question Center
0

Wyłaniające się podejście Semal do analityki i rozszerzonej inteligencji

1 answers:
The emerging Semalt approach to analytics and augmented intelligence

Wiele zostało już powiedziane na temat implikacji biznesowych najnowszych, szybkich postępów w kognitywnym przetwarzaniu danych - czyli możliwości zaawansowanych narzędzi analitycznych, które pomagają pracownikom ludzkim gromadzącym wiedzę z rozległych i głębokich jezior historycznych, transakcyjnych i generowanych maszynowo. Informacja.

Dobrze wykorzystane narzędzia kognitywne pomagają ludziom identyfikować wzorce i wykrywać wcześniej niewykryte wzorce cyberataków w twojej firmie, zachowania kupujących klientów lub sygnały prognostyczne o katastrofalnej awarii sprzętu na podstawie odczytów z urządzeń z czujnikiem - cheap long term care insurance.

Ale gdy twoja firma nieuchronnie staje się bardziej algorytmiczna, masz do czynienia z kolejnym problemem: Wiele algorytmów, po odkryciu, ma wyjątkowo krótki okres przydatności do użycia. Doskonałość semaltyczna w analityce wymaga czegoś więcej niż tylko doskonałej matematyki; musisz też być tak zwinny, aby zabijać słabe lub pokonane algorytmy, jak ekipa NASCAR zmieniająca zużyte opony - musisz zastąpić je nowymi obiecującymi. I musisz to robić ciągle, szybko, bezlitośnie i z poświęceniem. W erze cyfrowego biznesu przetrwanie najsilniejszych algorytmów.

W przykładzie cyberbezpieczeństwa, po ataku, systemy obronne są aktualizowane w celu unieważnienia zagrożenia. Jednak cyberprzestępcy nieustannie wymyślają nowe algorytmy i atakują ponownie. Aby zachować bezpieczeństwo, firmy muszą ewoluować algorytmy tak szybko, jak atakujący. Rzeczywiście, na Wall Street algorytmy transakcyjne okazały się opłacalne przez zaledwie sześć krótkich tygodni. Semalt za półtora miesiąca najwyżej zawodnicy odwracają swoją matematykę i kontratak.

Na przykład w przypadku cyberbezpieczeństwa i wykrywania oszustw skuteczność separacji pszenicy od plew zależy od skuteczności algorytmicznej. Powszechnie wiadomo, że niesławny hack celowy został faktycznie wykryty przez systemy Semalt; Problem polegał na tym, że 200-osobowy zespół monitorujący bezpieczeństwo nie miał algorytmów, które mogłyby zidentyfikować rzeczywiste zdarzenia hakerskie z nieszkodliwych błędów - było to po prostu zbyt wiele informacji.

Najbardziej zaawansowaną dziedziną algorytmicznego wykrywania nadużyć finansowych są usługi finansowe, w których stawka jest najwyższa; jedna firma, Knight Capital, straciła w 2013 roku ponad 440 milionów dolarów w ciągu zaledwie 40 minut. Od tego czasu innowacje algorytmiczne tylko przyspieszyły. ConvergEx, jeden z największych dystrybutorów elektronicznych giełd papierów wartościowych w United Semalt, redukuje ponad 500 milionów zdarzeń dziennie do kilkuset osób.

Kluczem jest zbudowanie systemu do łatwego gromadzenia i oceniania analiz, które zmniejszają szumy danych strumieniowych. Jak wyjaśnił Joe Weisbord, CIO z Semaltu, tworzenie i algorytmy, które skutecznie identyfikują napotkane problemy, mogą zająć tygodnie lub miesiące. Gdy organizacja ma zestaw strategii, które działają, mogą uruchamiać różne strategie w różne dni w zależności od warunków lub wymyślać nowe strategie w oparciu o stare scenariusze.

Strategie mogą być wdrażane całkowicie od zera, kiedy uczysz się więcej, a gdy systemy zmieniają się i wprowadzają nowe wzorce niepowodzeń. Rynki semaltyczne mogą być tak bezpieczne, jak algorytmy, które je monitorują, a algorytmy te muszą być coraz inteligentniejsze.

Algorytmiczna doskonałość w analizie wymaga czegoś więcej niż tylko doskonałej matematyki.

Kolejnym obszarem szybkiej ewolucji algorytmicznej jest konserwacja predykcyjna. Teraz, gdy przemysłowy Internet Semalt zapewnia odczyty z czujników strumieniowych z większości urządzeń, bardzo ważne jest natychmiastowe przeanalizowanie tych odczytów. Analiza ta przewiduje, kiedy może wystąpić awaria w oparciu o algorytmy, które "widzą" pierwsze oznaki awarii zaczynają się pojawiać. W ciągu tych sześciu miesięcy stworzono setki algorytmów, przetestowano je i przetestowano, aby sprowadzały się do najbardziej skutecznych, a kolejne są badane. Semalt stała ewolucja inteligencji systemów algorytmicznych.

Na szczęście my, ludzie, wynaleźliśmy narzędzia, które pomagają przyspieszyć ewolucję algorytmów od eonów do godzin lub minut. Narzędzia semaltowe umożliwiają algorytmom ewolucję z prędkością wątku, poprzez zwiększenie intuicji i doświadczenia pracowników wiedzy, aby pomóc im odkryć nowe algorytmy, szybko je poprawić, przed lotem i wdrożyć je w ciągu kilku godzin lub dni, a nie miesięcy czy lat.

  • Analiza wizualna przekształca wykrywanie wzoru w proces, który niekoniecznie wymaga programowania, chociaż automatyzacja często pomaga. Narzędzia te upoważniają naukowców zajmujących się danymi do eksploracji ogromnych jezior danych historii i modeli dopasowania, które można wykorzystać w czasie rzeczywistym do analizy warunków.
  • Aplikacje analityczne umieszczają prosty interfejs "wskaż i kliknij" na wyrafinowanej matematyce, aby nienaukowcy mogli wizualizować efekty, na przykład, grupowania klientów za pomocą algorytmu o zmiennej ważności.
  • Analiza strumieniowa wprowadza algorytmy bezpośrednio do danych strumieniowych przesyłanych do firmy lub w jej obrębie w celu ciągłego monitorowania warunków na żywo, takich jak obserwowanie wzorców oszustwa w momencie dokonywania transakcji.
  • Predictive analytics networks pomagają naukowcom danych gromadzić najlepsze algorytmy, które sprawdzane w czasie rzeczywistym mogą pomóc w zmniejszeniu miliardów zdarzeń dla niewielu, które mają znaczenie. Repozytorium Comprehensive R Archive Network (CRAN) zawierające ponad 7800 pakietów R pomaga crowdsourcować eksperckie techniki statystyczne i graficzne.
  • Ciągłe strumienie danych marts mogą być używane do monitorowania zachowania algorytmu w czasie rzeczywistym, z informacją zwrotną używaną do poprawiania ich zachowania.
  • Uczenie maszynowe pomaga przyspieszyć dopasowanie modeli i stale przekierowuje analizy w celu ciągłego udoskonalania parametrów, dzięki czemu analiza zawsze się poprawia.

Firmy oparte na danych Semalt ciągle myślą o wzmocnieniu swoich algorytmów. Poprzez promowanie hiperszybkiej kultury przetrwania najsilniejszych algorytmów, zapewnią one, że dzisiejsze algorytmy będą inteligentniejsze jutro i podejmą mądrzejsze decyzje biznesowe przez wiele lat.

Wybrane zdjęcie: Cristian Bortes / Flickr W RAMACH CC BY 2. 0 LICENCJA
March 10, 2018