facebook

Machine learning jako interdyscyplinarna dziedzina łączy ze sobą światy robotyki, informatyki i statystyki. Esencją uczenia maszynowego są algorytmy używane najczęściej w innowacyjnych rozwiązaniach programistycznych, w których proces pozyskiwania i analizy danych prowadzi do powstania nowej wiedzy.

W zależności od obszaru działania firmy, różne może być spojrzenie na machine learning. Z perspektywy branży produkcyjnej wdrożenie tej idei będzie kojarzyć się z większą efektywnością i bezawaryjnością maszyn, a co za tym idzie redukcją kosztów. Z kolei w branży e-commerce będą to systemy rekomendacji produktów, które w przypadku Amazona wygenerowały około 35 % sprzedaży. W sektorze bankowym uczenie maszynowe używane jest przy scoring’u klientów. Wszędzie kluczowym słowem będzie predykcja.

 

Kontaktowe maszyny

Ekosystem informacji biznesowych nie powinien polegać jedynie na pasywnym zbieraniu danych. Najlepszym sposobem zdobycia wiedzy jest kontakt z otoczeniem. W tym działaniu maszynowe uczenie napędzane kreatywnością ludzi, daje niesamowite możliwości w kwestii rozwoju produktów. Odpowiednia interakcja z klientem pozwala uzyskać dane, których bezpośrednio celem jest jak najlepsze zbadanie potrzeb. Taka analiza pojawiła się w działaniu firmy Tailor Brands, która zajmuje się automatyzacją procesu projektowania logotypów. Zbadanie preferencji klienta polega na przedstawieniu kilku  próbek logotypów/typografii.

 

tailorlogo

 

Na podstawie tych informacji generowane jest 6 propozycji logotypów, które dodatkowo można modyfikować (self-service). Dostępne w chmurze narzędzie z pewnością nie jest zagrożeniem dla grafików. Ciężko jest odtworzyć faktor unikalności, którym dysponuje profesjonalista w tej dziedzinie. Aczkolwiek należy pamiętać, iż składowe algorytmów tworzą ludzie, a maszyny zachowują się jak w lustrzanym odbiciu, dlatego istnieje ogromny potencjał w skracaniu i automatyzacji procesów w każdej branży.

Zdjęcie (cover): Anthony Quintano CC BY