立足長遠(yuǎn)，顛覆分析
時間：2022-03-22 02:42:01 | 來源：行業(yè)動態(tài)
時間：2022-03-22 02:42:01 來源：行業(yè)動態(tài)
在Saleh看來，包括模型復(fù)雜度以及特征權(quán)衡等多種方式，都有望給AI及分析技術(shù)帶來全面顛覆。
模型的復(fù)雜度越高，其透明度就越低，我們將很難確定其是否擁有良好的預(yù)測能力。以劇院為例，雖然我們能夠掌握大量與票務(wù)預(yù)訂、演出價格等相關(guān)的數(shù)據(jù)，但卻絕不可能推斷出其在四年之后的運作方式。
但問題總有兩面性，分析模型本身也分為不同類別。如果您的AI及分析模型主要用于生產(chǎn)質(zhì)量控制，那么COVID-19對其幾乎不會造成任何影響。
相比之下，對于在易受人類行為影響的行業(yè)（例如零售業(yè)）中使用的AI與分析模型，COVID-19的出現(xiàn)顯然改變了其應(yīng)用場景。
這是因為疫情流行終將在諸多方面影響到我們的生活，包括我們希望購買哪些商品、能花多少錢以及如何對廣告信息做出反應(yīng)。因此，任何依賴于行為分析的模型都將很快過時。要真正跟上時代的腳步，我們需要更加務(wù)實的精神。
在線咨詢