机器学习算法帮助我们做出更好的决定
机器学习算法，可以帮助我们做出更好的决策，通过将人类的偏见最小化，使用更完整的数据集，或者弥补我们决策软件中已知的缺陷。
虽然古老的计算机科学公理“垃圾输入，垃圾输出”仍然适用，但精心设计的具有完全代表性数据集的系统，可以帮助我们做出更明智的决策。
考虑一下招聘场景。textio开发了一种软件产品，帮助人们写工作描述，这种描述最有可能吸引有资格、有能力做特定工作的人。
这家公司由一个微软 office 老员工团队创办，在你写内容时在屏幕上提供指导。
例如，当你在某个特定的时间点，使用某个性别比另一个性别更有吸引力的词语时，textio 会提醒你。
诸如详尽、强制、无畏之类的词汇已经被统计学证明，会让你的人才库偏向男性。
textio还指出了地区差异。
例如，如果你用“好的职业道德”来描述你的理想候选人，这可能会吸引圣何塞的工人，但会阻止华盛顿地区的工人。如果你的目标是埃弗雷特的候选人，最好不要说这句话。
鉴于textio可以访问广泛的数据集，比如现有的职位描述、应用统计数据和工作表现数据等等，可以帮助你消除招聘过程中的盲点。
机器学习还可以帮助你，找出是什么让你最优秀的员工如此高效，并帮助你在第一天就把新手变成专家。
cresta.ai观察最有效的销售人员在聊天时如何与潜在客户互动：弄清楚潜在客户需要什么，推荐产品，回答问题。
这个系统提取最佳实践方案，并将其转化为实时建议，供经验不足或效率较低的销售人员在与潜在客户互动时使用。
在 intuit 这样的客户部署中，销售团队的转化率上升了20% ，培训时间节省了66%。
换句话说，与没有使用这个系统相比，销售代表在培训较少的情况下完成了更多的业务。
这个系统对销售人员和客户都有好处。
正如一位 intuit 代表所描述的,“我担心使用这个系统会破坏与客户的个人关系或对话，但是将这个人工智能作为工作助手，有助于展开个性化对话。”
机器学习也有助于提高非常熟练的专业人员的决策能力，例如寻找特定矿物的地质学家。
锂离子电池(如手机、笔记本电脑或电动汽车中的电池)内部可能含有一种叫做钴的矿物质，这种矿物质可以帮助电池在多次充放电循环后依旧保持性能。
随着特斯拉的gigafactory等电池工厂生产更多的锂离子电池，钴的需求正在迅速增长。
不幸的是，世界已知钴储量的65%在刚果民主共和国，这个国家政治不稳定，据报道可能有多达40000名儿童在开采钴矿。
如果我们在刚果民主共和国政府中有一个可靠的政治伙伴，我们可能会努力改善所有矿工的工作条件，但是我们也应该寻找新的钴来源。
这正是kobold metals正在做的事情。
通过查看许多不同的数据源，如地形数据、在某一地区生长的植物、磁和电磁模式、水和天气模式、岩石类型等等，在我们派遣非常昂贵的探险队开采之前，这个系统可以帮助地质学家找到钴的可能存在的位置。
另一个很好的例子是金融技术。
向首次借款人发放贷款是有风险的，尤其是在第三世界国家，如肯尼亚、坦桑尼亚或尼日利亚。
在这些国家，信用机构要么不存在，要么无法接触到所有人，致使很多人无法获得传统贷款。
我们的投资组合公司branch，一直致力于在这些领域为首次借款人提供贷款。
在没有信用机构的情况下，branch试图根据借款人的移动应用程序使用情况和通过其移动应用程序收集的行为来确定借款人的资格。
使用机器学习，branch分析了数据，并确定了几个行为指标，这些指标已经被证明，可以预测贷款偿还的可能性。
以下是一些令人惊讶的因素或行为，使得branch的借款人更有可能偿还贷款的特征：
使用三星或htc等品牌的手机
节约使用电池
晚上接大部分电话
收到的短信比发送的多
facebook账户更活跃
在手机上运行赌博应用程序
除了最后一个指标，列表上的大多数指标都不太令人惊讶。
数据发现，如果一个人是赌徒，并且手机上有赌博应用，他们更有可能偿还贷款。
如果你觉得这有点违反直觉，你并不孤单。
这只是证明了一个人类决策者是多么的不靠谱，这是由于个人偏见和过去的经验造成的。
这是否意味着算法在所有决策方面都比人类好？还没有。
从组织样本中比较癌症诊断性能的研究显示，例如哈佛医学院2016年6月发表的这一项研究和谷歌ai health研究员2018年10月发表的另一项研究，当人类与算法竞争时，始终提供最准确诊断的是人类+算法，它们的表现优于单独的算法和单独的人类。
为了让你了解医生用来诊断癌症的方法，这里有两张并排的图片。左边的一张显示了已经染色的组织切片。
右边的图显示了计算机视觉算法叠加“热图”的结果，热图显示了它认为更多(红色)或更少(蓝色)含有癌组织的区域。
为什么人类使用的算法比单独的算法和单独的人表现更好？一种可能性是，这些算法改进决策的方式，与语法和拼写检查有助于提高我们的写作水平的方式相似。
一般来说，这些检查器能很好地发现我们的打字错误和语法错误(真正的优点)。但是偶尔，检查器会标记出错误(假阳性)或者给出一个你不同意的语法暗示。
在这些情况下，你最终将重写检查器。这种过程最终的结果是，写出的东西比任何一方自己写出的东西都要好。
如何购买教育软件
贾跃亭急推FF91背后：还魂丹or绝命草？
芯和快速三维电磁场仿真器IRIS获得三星 8LPP工艺认证
深度学习的发展历程
华为手机怎么更新鸿蒙系统 鸿蒙系统和安卓系统的区别
机器学习算法帮助我们做出更好的决定
高歌猛进的“钴奶奶”摔了一跤之后,在2019年还能继续风光吗?
Gartner预计2020年全球可穿戴设备支出达到520亿美元
NXP SSL21084 GreenChip 12W LED照明驱动方案
高频变压器选用与检测方法的详细说明
智能照明市场迎来发展的上升期
微软创投成立新基金 将投资各大人工智能创业公司
通向云与AI先要跨越裂谷 真勇士会跨过六道裂谷奔向云与AI的彼端
蒲公英LED灯
移远EC20模块的三种数据通道模式
国产工控主板：助力产业飞跃，智能操控引领科技创新
探访2018CES：超三成展商来自中国
服务器芯片早成 Intel 垄断之势，高通与 AMD 还有机会吗？
2011通讯IC与DRAM境遇两重天
一加5、魅族Pro7、OPPOR11即将发布：配置强悍，黑科技丰富
虽然古老的计算机科学公理“垃圾输入，垃圾输出”仍然适用，但精心设计的具有完全代表性数据集的系统，可以帮助我们做出更明智的决策。
考虑一下招聘场景。textio开发了一种软件产品，帮助人们写工作描述，这种描述最有可能吸引有资格、有能力做特定工作的人。
这家公司由一个微软 office 老员工团队创办，在你写内容时在屏幕上提供指导。
例如，当你在某个特定的时间点，使用某个性别比另一个性别更有吸引力的词语时，textio 会提醒你。
诸如详尽、强制、无畏之类的词汇已经被统计学证明，会让你的人才库偏向男性。
textio还指出了地区差异。
例如，如果你用“好的职业道德”来描述你的理想候选人，这可能会吸引圣何塞的工人，但会阻止华盛顿地区的工人。如果你的目标是埃弗雷特的候选人，最好不要说这句话。
鉴于textio可以访问广泛的数据集，比如现有的职位描述、应用统计数据和工作表现数据等等，可以帮助你消除招聘过程中的盲点。
机器学习还可以帮助你，找出是什么让你最优秀的员工如此高效，并帮助你在第一天就把新手变成专家。
cresta.ai观察最有效的销售人员在聊天时如何与潜在客户互动：弄清楚潜在客户需要什么，推荐产品，回答问题。
这个系统提取最佳实践方案，并将其转化为实时建议，供经验不足或效率较低的销售人员在与潜在客户互动时使用。
在 intuit 这样的客户部署中，销售团队的转化率上升了20% ，培训时间节省了66%。
换句话说，与没有使用这个系统相比，销售代表在培训较少的情况下完成了更多的业务。
这个系统对销售人员和客户都有好处。
正如一位 intuit 代表所描述的,“我担心使用这个系统会破坏与客户的个人关系或对话，但是将这个人工智能作为工作助手，有助于展开个性化对话。”
机器学习也有助于提高非常熟练的专业人员的决策能力，例如寻找特定矿物的地质学家。
锂离子电池(如手机、笔记本电脑或电动汽车中的电池)内部可能含有一种叫做钴的矿物质，这种矿物质可以帮助电池在多次充放电循环后依旧保持性能。
随着特斯拉的gigafactory等电池工厂生产更多的锂离子电池，钴的需求正在迅速增长。
不幸的是，世界已知钴储量的65%在刚果民主共和国，这个国家政治不稳定，据报道可能有多达40000名儿童在开采钴矿。
如果我们在刚果民主共和国政府中有一个可靠的政治伙伴，我们可能会努力改善所有矿工的工作条件，但是我们也应该寻找新的钴来源。
这正是kobold metals正在做的事情。
通过查看许多不同的数据源，如地形数据、在某一地区生长的植物、磁和电磁模式、水和天气模式、岩石类型等等，在我们派遣非常昂贵的探险队开采之前，这个系统可以帮助地质学家找到钴的可能存在的位置。
另一个很好的例子是金融技术。
向首次借款人发放贷款是有风险的，尤其是在第三世界国家，如肯尼亚、坦桑尼亚或尼日利亚。
在这些国家，信用机构要么不存在，要么无法接触到所有人，致使很多人无法获得传统贷款。
我们的投资组合公司branch，一直致力于在这些领域为首次借款人提供贷款。
在没有信用机构的情况下，branch试图根据借款人的移动应用程序使用情况和通过其移动应用程序收集的行为来确定借款人的资格。
使用机器学习，branch分析了数据，并确定了几个行为指标，这些指标已经被证明，可以预测贷款偿还的可能性。
以下是一些令人惊讶的因素或行为，使得branch的借款人更有可能偿还贷款的特征：
使用三星或htc等品牌的手机
节约使用电池
晚上接大部分电话
收到的短信比发送的多
facebook账户更活跃
在手机上运行赌博应用程序
除了最后一个指标，列表上的大多数指标都不太令人惊讶。
数据发现，如果一个人是赌徒，并且手机上有赌博应用，他们更有可能偿还贷款。
如果你觉得这有点违反直觉，你并不孤单。
这只是证明了一个人类决策者是多么的不靠谱，这是由于个人偏见和过去的经验造成的。
这是否意味着算法在所有决策方面都比人类好？还没有。
从组织样本中比较癌症诊断性能的研究显示，例如哈佛医学院2016年6月发表的这一项研究和谷歌ai health研究员2018年10月发表的另一项研究，当人类与算法竞争时，始终提供最准确诊断的是人类+算法，它们的表现优于单独的算法和单独的人类。
为了让你了解医生用来诊断癌症的方法，这里有两张并排的图片。左边的一张显示了已经染色的组织切片。
右边的图显示了计算机视觉算法叠加“热图”的结果，热图显示了它认为更多(红色)或更少(蓝色)含有癌组织的区域。
为什么人类使用的算法比单独的算法和单独的人表现更好？一种可能性是，这些算法改进决策的方式，与语法和拼写检查有助于提高我们的写作水平的方式相似。
一般来说，这些检查器能很好地发现我们的打字错误和语法错误(真正的优点)。但是偶尔，检查器会标记出错误(假阳性)或者给出一个你不同意的语法暗示。
在这些情况下，你最终将重写检查器。这种过程最终的结果是，写出的东西比任何一方自己写出的东西都要好。
如何购买教育软件
贾跃亭急推FF91背后：还魂丹or绝命草？
芯和快速三维电磁场仿真器IRIS获得三星 8LPP工艺认证
深度学习的发展历程
华为手机怎么更新鸿蒙系统 鸿蒙系统和安卓系统的区别
机器学习算法帮助我们做出更好的决定
高歌猛进的“钴奶奶”摔了一跤之后,在2019年还能继续风光吗?
Gartner预计2020年全球可穿戴设备支出达到520亿美元
NXP SSL21084 GreenChip 12W LED照明驱动方案
高频变压器选用与检测方法的详细说明
智能照明市场迎来发展的上升期
微软创投成立新基金 将投资各大人工智能创业公司
通向云与AI先要跨越裂谷 真勇士会跨过六道裂谷奔向云与AI的彼端
蒲公英LED灯
移远EC20模块的三种数据通道模式
国产工控主板：助力产业飞跃，智能操控引领科技创新
探访2018CES：超三成展商来自中国
服务器芯片早成 Intel 垄断之势，高通与 AMD 还有机会吗？
2011通讯IC与DRAM境遇两重天
一加5、魅族Pro7、OPPOR11即将发布：配置强悍，黑科技丰富