Una breve panoramica su come la scienza dei dati e l’intelligenza artificiale aiutano il processo decisionale
La nostra vita è fatta di decisioni e scelte costanti. Poiché le conseguenze delle nostre decisioni possono portare a considerevoli impatti economici e sociali, la ricerca sul processo decisionale è stata fin dall’inizio altamente interdisciplinare. Scienziati di matematica, sociologia, psicologia, economia, scienze politiche e informatica hanno studiato attivamente come prendere decisioni migliori sin dalla metà del XX secolo. Tra i molti risultati ottenuti in questi campi, i più noti sono le teorie dell’utilità attesa, delle prospettive e dei giochi. Queste teorie sono guidate da modelli matematici, ma spesso affrontano sfide derivanti da test empirici di scenari del mondo reale.
Con l’enorme aumento della potenza di calcolo e la fioritura delle tecnologie cloud, i sistemi di supporto alle decisioni (DSS) sono avanzati parallelamente alle teorie decisionali per assistere gli esseri umani nel prendere decisioni, in particolare nel contesto aziendale e organizzativo. Un tipico DSS include database di conoscenze scalabili per raccogliere e archiviare grandi quantità di informazioni, algoritmi statistici e analitici per previsioni e proiezioni e interfacce utente (inclusi grafici e dashboard) per consentire ai decisori umani di visualizzare e interagire con il processo decisionale.
La maggior parte delle decisioni umane, tuttavia, sono il risultato di un apprendimento incrementale basato su tentativi ed errori. L’approccio iterativo è particolarmente efficace nel trattare le incognite in un ambiente nuovo. Richiede esplorazioni per nuove informazioni e valutazioni degli errori per affinare il processo decisionale. Sorprendentemente, l’apprendimento per rinforzo profondo ha emulato la natura di tentativi ed errori del processo decisionale umano e ha superato i giocatori umani in giochi specifici.
L’apprendimento per rinforzo (RL) è stato uno di quei campi di apprendimento automatico esistenti fin dall’inizio. La svolta significativa è avvenuta dopo che la rete neurale profonda è stata applicata al modello. Il deep RL è solo uno di quegli esempi di intelligenza artificiale e deep learning che rivoluzionano il campo dei processi decisionali. Ora ci troviamo in un’era in cui l’intelligenza artificiale fornisce le basi per riunire tutte le discipline decisionali, accelera il…
Fonte: towardsdatascience.com
