सामग्री
- मजबुतीकरण शिक्षण म्हणजे काय?
- कोणतीही दोष नाही, तणाव नाही - आपले जीवन नष्ट न करता जीवन-बदलणारे सॉफ्टवेअर तयार करण्यासाठी चरण चरण बाय चरण
- विक्रेत्यांसाठी मशीन्स
- लवकरच येत आहे
- मोठा विचार करत आहे
- दत्तक मार्ग
स्रोत: ज्युलियाटिम्चेन्को / ड्रीमस्टाइम.कॉम
टेकवे:
मजबुतीकरण शिक्षण कृत्रिम बुद्धिमत्ता आणि मशीन लर्निंगचे उपसंच आहे जे निकालांची भविष्यवाणी करू शकते आणि वापरकर्त्यांना चांगले निर्णय घेण्यास मदत करू शकते.
वाढत्या स्पर्धात्मक विपणन परिस्थितीत धार मिळवण्याचा प्रयत्न करीत विपणक सतत स्केलेबल आणि बुद्धिमान उपाय शोधत असतात. हे आश्चर्यकारक नाही की कृत्रिम बुद्धिमत्ता (एआय) आणि मशीन लर्निंग (एमएल) आता ब्रँड आणि त्यांच्या विपणन संस्थांकडून मोठ्या प्रमाणात तयार केले गेले आहेत. (एमएलच्या मूलभूत गोष्टींबद्दल अधिक जाणून घेण्यासाठी, मशीन लर्निंग 101 पहा.)
एकविरहित साठी, एआय सहसा तंत्रज्ञान मानले जाऊ शकते जेव्हा एखादा मनुष्य कार्य करत असलेल्या परिभाषित कार्ये स्वयंचलितपणे करतात. संगणकास अंतिम लक्ष्य दिले जाते, परंतु एआयमधील कार्यात्मक क्षेत्र म्हणून मशीन लर्निंग हे असते, परंतु स्वतःच सर्वोत्कृष्ट मार्गाची गणना करणे आवश्यक असते.
आज आम्ही ही तंत्रज्ञान पहात आहोत - विशेषत: मशीन लर्निंग - जाहिरातींमधील फसवणूक शोधणे, ग्राहक वर्तनाची भविष्यवाणी करणे, सिस्टीमेशन सिस्टम, सर्जनशील वैयक्तिकरण आणि बरेच काही यासह विपणनाच्या अनेक क्षेत्रांमध्ये तैनात.
हे सर्व चांगले आणि चांगले असतानाही, तेथे एक नवीन ऑफशूट तंत्रज्ञान आहे जे मार्केटर्ससाठी मशीन शिक्षण तयार करीत असलेल्या मागणीवर खरोखरच वितरित होणार आहे. त्यास “मजबुतीकरण शिक्षण” (आरएल) म्हणतात.
मजबुतीकरण शिक्षण म्हणजे काय?
एमएल ते आरएलमध्ये चरण-बदल हे केवळ एका पत्रापेक्षा जास्त असते. मशीन शिक्षणाकडे सुपूर्त केलेली बहुतेक कामे एकल चरण वापरणे समाविष्ट करतात, जसे की “या प्रतिमेची ओळख पटवा,” “पुस्तकातील सामग्री समजून घ्या” किंवा “फसवणूक पकडणे.”. विक्रेत्यासाठी “वापरकर्त्यांना आकर्षित करणे, टिकवून ठेवणे आणि व्यस्त ठेवणे” यासारखे व्यवसाय लक्ष्य आहे. अंतर्निहितपणे मल्टी-स्टेप आणि दीर्घकालीन एक, मशीन शिक्षणाद्वारे सहजपणे प्राप्त केले जाऊ शकत नाही.
येथेच मजबुतीकरण शिक्षण येते. आरएल अल्गोरिदम सर्व उलगडणार्‍या आणि सतत बदलणार्‍या प्रवासासाठी अनुकूलित करण्याविषयी असतात - जिथे गतिशील समस्या उद्भवतात. प्रत्येक क्रमांकाच्या परिणामाची गणना करण्यासाठी गणितीय "बक्षीस फंक्शन" वापरुन, आरएल भविष्यात पाहू शकेल आणि योग्य कॉल करू शकेल.
आज, या अत्याधुनिक तंत्रज्ञानाची उत्कृष्ट मूर्तिका खेळ आणि सेल्फ ड्रायव्हिंग कारमध्ये पाहिली जाऊ शकतात. गेल्या वर्षी गुगलच्या अल्फागो सिस्टमने जगातील सर्वोत्कृष्ट खेळाडूला बोर्ड गेम गोला हरवले तेव्हा त्यांचा गुप्त सॉस मजबुतीकरण शिक्षण होता. खेळामध्ये नियम ठरविले गेले आहेत, त्या वेळी एखाद्या खेळाडूने विजयाकडे जाणा options्या मार्गाचा पर्याय मंडळाच्या अवस्थेच्या आधारावर डायनॅमिक बदलतो. मजबुतीकरण शिक्षणाद्वारे, सिस्टम प्रत्येक पुढील हालचालींच्या आधारावर बदलू शकणार्‍या सर्व संभाव्य क्रमांकासाठी खाते आहे.
त्याचप्रमाणे, स्वत: ची ड्रायव्हिंग कार प्रवासात जाते ज्यात रस्त्याचे नियम आणि गंतव्यस्थान निश्चित केले जाते, परंतु पादचारी व रोडब्लॉक पासून सायकल चालकांपर्यंत मार्ग बदलू शकतात. म्हणूनच टेस्लाच्या इलोन मस्क द्वारे स्थापित ओपनएआय ही संस्था आपल्या वाहनांसाठी प्रगत आरएल अल्गोरिदम वापरते.
कोणतीही दोष नाही, तणाव नाही - आपले जीवन नष्ट न करता जीवन-बदलणारे सॉफ्टवेअर तयार करण्यासाठी चरण चरण बाय चरण
जेव्हा कोणालाही सॉफ्टवेअर गुणवत्तेची काळजी नसते तेव्हा आपण आपली प्रोग्रामिंग कौशल्ये सुधारू शकत नाही.
विक्रेत्यांसाठी मशीन्स
विपणकांसाठी या पैकी कशाचा अर्थ आहे?
बर्‍याच विक्रेत्यांची मुख्य आव्हाने या कारणामुळे तयार होतात की व्यवसायाची स्थिती सर्व वेळ बदलते. एखाद्या विजयाची मोहीम रणनीती कालांतराने अयोग्य होऊ शकते, जुनी रणनीती नवीन ट्रेक्शन मिळवू शकते. आरएल ही वास्तविक मानवी बुद्धिमत्तेची नक्कल करण्याच्या दिशेने एक पाऊल आहे जिथे आपण एकाधिक परिणामाच्या यश आणि / किंवा अयशस्वीतेपासून शिकतो आणि भविष्यातील विजयी रणनीती बनवितो. मी काही उदाहरणे देतो:
1. वापरकर्त्याची प्रतिबद्धता वर्धित करा
रेस्टॉरंट साखळीसाठी ग्राहकांच्या गुंतवणूकीवर लक्ष केंद्रित करू आणि पुढच्या वर्षात दहापट वाढण्याचे उद्दिष्ट. आज, विपणन मोहिमेमध्ये कदाचित एखाद्या डिस्काउंट ऑफरसह वाढदिवसाच्या शुभेच्छा दिल्या पाहिजेत, कदाचित अगदी खाद्यान्न प्राधान्यांच्या आधारे. ही रेषीय विचारसरणी आहे जिथे विक्रेत्याने प्रारंभ आणि समाप्ती बिंदू परिभाषित केला आहे.
व्यस्त जगात ग्राहकांचे जीवन सतत-वास्तविक काळात बदलत असते - कधीकधी ते अधिक गुंतलेले असतात तर कधी कमी. मजबुतीकरण शिक्षणामध्ये, एखादी प्रणाली सतत मार्केटींग शस्त्रास्त्रातील कोणत्या युक्त्या, त्या क्षणी, 10x गुंतवणूकीच्या अंतिम उद्दीष्ट्याकडे जाण्याची उत्तम संधी दर्शविते.
२. डायनॅमिक बजेटचे वाटप
आता अशा जाहिरातींच्या दृश्याची कल्पना करा ज्यात आपल्याकडे 1 दशलक्ष डॉलर्स आहे आणि महिन्याच्या अखेरीपर्यंत दररोज काही खर्च करण्याची आवश्यकता आहे, चार वेगवेगळ्या चॅनेलवर वाटप केलेः टीव्ही, निष्ठा जाहिराती आणि Google. आपण बजेटचा खर्च अत्यंत चांगल्या प्रकारे करीत असल्याचे आपण कसे सुनिश्चित करू शकता? उत्तर दिवस, लक्ष्य वापरकर्ते, यादी किंमत आणि इतर घटकांवर अवलंबून असते.
मजबुतीकरण शिक्षणात, अल्गोरिदम विशिष्ट खर्चाचे निर्णय घेणार्‍या बक्षीस कार्ये लिहिण्यासाठी ऐतिहासिक जाहिरात परिणाम डेटा वापरतात. परंतु हे मूल्यनिर्धारण आणि लक्ष्य प्रेक्षक सदस्याकडून सकारात्मक स्वागत करण्याची शक्यता यासारख्या रिअल-टाइम घटकांसाठी देखील आहे. पुनरावर्तनविषयक शिक्षणाद्वारे, महिन्याभरातील जाहिरातींच्या किंमतीचे वाटप गतीशीलपणे बदलले जाईल. जरी अंतिम ध्येय निश्चित केले असले तरी आरएलने सर्व परिस्थितीतून अर्थसंकल्पाचे सर्वोत्तम प्रकारे वाटप केले आहे. (विपणनातील एआयबद्दल अधिक माहितीसाठी कृत्रिम बुद्धिमत्ता विक्री उद्योगात कशी क्रांती आणेल ते पहा.)
लवकरच येत आहे
मजबुतीकरण शिक्षण जटिलतेची कबुली देते आणि ओळखते की लोक वैविध्यपूर्ण आहेत आणि या सत्यांसाठी ते खाते आहेत, आपल्या प्रत्येक गेम क्रियेच्या बोर्डाच्या भोवती बदलत गेल्याने प्रत्येक पुढील क्रियेत सुधारणा होते.
मजबुतीकरण शिक्षण अद्याप मुख्यत्वे संशोधन प्रकल्प आणि अग्रगण्य-अवलंब करणार्‍यांचे संरक्षण आहे. गणिताची संकल्पना आणि तंत्रज्ञान सुमारे 40 वर्षांहून अधिक काळ आहे, परंतु तीन ट्रेंडमुळे धन्यवाद तुलनेने अलीकडेच तैनात करणे शक्य झाले नाही:
- हाय-पॉवर ग्राफिक्स प्रोसेसिंग युनिट्स (जीपीयू) द्वारे संगणकीय उर्जेचा प्रसार.
- क्लाउड कंप्यूटिंग स्वतः जीपीयू खरेदी करण्याच्या किंमतीच्या काही अंशात उच्च-अंत प्रोसेसर शक्ती उपलब्ध करते, जे तृतीय पक्षांना एक जीपीयू भाड्याने देतात जे काही तास, दिवस किंवा आठवडे तुलनेने बार्गेन-बेसमेंट किंमतीवर त्यांचे आरएल मॉडेल प्रशिक्षित करतात.
- एकतर अंकीय अल्गोरिदम किंवा स्मार्ट हेरिस्टिक्समध्ये सुधारणा. आरएल अल्गोरिदममधील काही गंभीर संख्यात्मक चरणे आता अधिक वेगवान वेगाने एकत्रीत करण्यास सक्षम आहेत. या जादुई संख्यात्मक युक्त्यांशिवाय, आजच्या सर्वात शक्तिशाली संगणकांसह देखील ते व्यवहार्य नसतील.
मोठा विचार करत आहे
या सर्वांचा अर्थ म्हणजे मजबुतीकरण शिक्षणाची नवीन शक्ती लवकरच ब्रँड आणि मार्केटरना मोठ्या प्रमाणात उपलब्ध होणार आहेत. तथापि, त्यास स्वीकारण्यासाठी मानसिकतेत बदल होणे आवश्यक आहे. विपणन व्यवस्थापकासाठी, या तंत्रज्ञानाचा अर्थ म्हणजे त्यांचे हात चाकातून काढून टाकण्याची क्षमता.
प्रत्येक व्यवसायाचे ध्येय असते, परंतु जेव्हा आपण खंदनात खोलवर असता तेव्हा दररोज त्या ध्येयासाठी केल्या गेलेल्या क्रिया अस्पष्ट होऊ शकतात. आता आरएल तंत्रज्ञान निर्णयधारकांना ध्येय निश्चित करण्यास अनुमती देईल, अधिक आत्मविश्वास असेल की सिस्टम त्याकडे आपला सर्वोत्तम मार्ग रचतील.
जाहिरातींमध्ये, उदाहरणार्थ, आजकाल बरेच लोकांना हे समजले आहे की क्लिक-थ्रू रेट (सीटीआर) सारख्या मेट्रिक्स केवळ खर्‍या व्यवसायाच्या निष्कर्षांसाठी प्रॉक्सी असतात, केवळ मोजल्या जातात म्हणून. आरएल-चालित विपणन प्रणाली अशा मध्यस्थ मेट्रिक्स आणि त्यांच्याशी संबंधित सर्व भारी भार उचलण्यास डी-जोर देईल, ज्यायोगे मालक उद्दीष्टांवर लक्ष केंद्रित करू देतील.
यासाठी व्यवसायांना त्यांच्या मोठ्या अडचणींबद्दल अधिक कार्यक्षम आणि दीर्घकालीन मार्गाने विचार करण्याची आवश्यकता असेल. जेव्हा तंत्रज्ञान प्रौढ होईल तेव्हा ते त्यांचे लक्ष्य साध्य करतील.
दत्तक मार्ग
मजबुतीकरण शिक्षण अद्याप ब्रँडद्वारे पूर्ण-प्रमाणात वापरासाठी तयार नाही; तथापि, मशीन शिकविण्याच्या सुरुवातीच्या काही आश्वासनांची पूर्तता करुन ब्रँड मार्केटिंग करण्याच्या पद्धतीत क्रांती घडवू शकेल अशी ही नवीन संकल्पना समजून घेण्यासाठी विक्रेत्यांना वेळ मिळाला पाहिजे.
जेव्हा शक्ती येते, ती वापरकर्त्याच्या इंटरफेससह विपणन सॉफ्टवेअरमध्ये येते, परंतु त्या सॉफ्टवेअरद्वारे आवश्यक कार्ये संपूर्णपणे सुलभ केली जातील. कर्मचार्‍यांसाठी, कमी फिरणारी स्विचेस आणि इनपुटिंग संख्या, तसेच विश्लेषणात्मक अहवाल वाचणे आणि त्यावर कार्य करणे कमी असेल. डॅशबोर्डच्या मागे, अल्गोरिदम त्यापैकी बर्‍याच गोष्टी हाताळेल.
आरएल गेटच्या बाहेरच मानवी बुद्धिमत्तेशी जुळेल हे संभव नाही. त्याच्या विकासाची गती विक्रेत्यांकडून आलेल्या अभिप्राय आणि सूचनांवर अवलंबून असते. आम्ही हे सुनिश्चित करणे आवश्यक आहे की आम्ही संगणकाला योग्य समस्या सोडवण्यास सांगत आहोत आणि ती न झाल्यास दंड आकारत आहे. आपण आपल्या स्वतःच्या मुलास कसे शिकवाल असे वाटते, नाही का?