Supervised learning
Supervised learning là khi một mô hình học từ các ví dụ. Nó giống như một tình huống giữa giáo viên và học sinh: giáo viên cung cấp cho học sinh (mẫu) các câu hỏi và câu trả lời đúng. Học sinh nghiên cứu những câu hỏi này và dần dần học cách tự trả lời những câu hỏi tương tự. Việc đào tạo các hệ thống nhận dạng hình ảnh, dịch ngôn ngữ hoặc dự đoán các kết quả có thể xảy ra thực sự hữu ích.Ý nghĩa của nó đối với khách hàng: Tăng hiệu quả và các hệ thống học cách hiểu nhu cầu của họ thông qua các tương tác trong quá khứ.
Ý nghĩa của nó đối với tổ chức: Có thể được sử dụng để dự đoán hành vi của khách hàng hoặc phân chia khách hàng thành các nhóm, dựa trên dữ liệu trong quá khứ.
Thuật ngữ AI tổng quát dành cho các nhà lãnh đạo doanh nghiệp
Transformers
Transformers là một loại mô hình deep learning và đặc biệt hữu ích cho việc xử lý ngôn ngữ. Họ thực sự giỏi trong việc hiểu ngữ cảnh của các từ trong câu vì họ tạo ra kết quả đầu ra dựa trên dữ liệu tuần tự (như một cuộc trò chuyện đang diễn ra), chứ không chỉ các điểm dữ liệu riêng lẻ (như một câu không có ngữ cảnh). Cái tên “transformer” xuất phát từ cách chúng có thể chuyển đổi dữ liệu đầu vào (như một câu) thành dữ liệu đầu ra (như bản dịch của câu).Ý nghĩa đối với khách hàng: Doanh nghiệp có thể nâng cao trải nghiệm dịch vụ khách hàng bằng các chatbot AI được cá nhân hóa. Chúng có thể phân tích hành vi trong quá khứ và đưa ra đề xuất sản phẩm được cá nhân hóa. Chúng cũng tạo ra các phản hồi tự động (nhưng bằng cảm giác của con người), hỗ trợ hình thức giao tiếp hấp dẫn hơn với khách hàng.
Ý nghĩa với tổ chức: Transformers giúp nhóm của bạn tạo ra nội dung hướng tới khách hàng và hỗ trợ các chatbot có thể xử lý các tương tác cơ bản của khách hàng. Transformers cũng có thể thực hiện phân tích cảm xúc phức tạp về phản hồi của khách hàng, giúp bạn đáp ứng nhu cầu của khách hàng.
Unsupervised learning
Học không giám sát là cho phép AI tìm thấy các mẫu ẩn trong dữ liệu của bạn mà không cần bất kỳ hướng dẫn nào. Đây là tất cả về việc cho phép máy tính tự mình khám phá và khám phá những điều thú vị. Hãy tưởng tượng bạn có một túi lớn đựng các mảnh ghép hỗn hợp nhưng lại không có hình ảnh trên hộp để tham khảo nên bạn không biết mình đang làm gì. Học không giám sát giống như việc tìm ra cách các mảnh ghép khớp với nhau, tìm kiếm những điểm tương đồng hoặc các nhóm mà không biết bức tranh cuối cùng sẽ như thế nào.Ý nghĩa đối với khách hàng: Khi chúng tôi khám phá các mẫu hoặc phân đoạn ẩn trong dữ liệu khách hàng, điều đó cho phép chúng tôi mang lại trải nghiệm hoàn toàn được cá nhân hóa. Khách hàng sẽ nhận được những ưu đãi và đề xuất phù hợp nhất, nâng cao sự hài lòng của khách hàng.
Ý nghĩa đối với tổ chức: tổ chức có được thông tin chi tiết có giá trị và hiểu biết mới về dữ liệu phức tạp. Nó cho phép các nhóm khám phá các mô hình, xu hướng hoặc điểm bất thường mới có thể bị bỏ qua, giúp đưa ra quyết định và lập kế hoạch chiến lược tốt hơn. Điều này giúp nâng cao năng suất và thúc đẩy sự đổi mới trong tổ chức.
Thuật ngữ AI tổng quát dành cho các nhà lãnh đạo doanh nghiệp
Validation
Trong máy học, xác thực là một bước được sử dụng để kiểm tra xem mô hình hoạt động tốt như thế nào trong hoặc sau quá trình đào tạo. Mô hình được kiểm tra trên một tập hợp con dữ liệu (bộ xác thực) mà mô hình chưa từng thấy trong quá trình đào tạo, để đảm bảo mô hình thực sự đang học chứ không chỉ ghi nhớ câu trả lời. Nó giống như một bài kiểm tra thông thường dành cho AI vào giữa kỳ.Ý nghĩa của nó đối với khách hàng: Các mô hình được đào tạo tốt hơn sẽ tạo ra nhiều chương trình hữu dụng hơn, cải thiện trải nghiệm tổng thể của người dùng.
Ý nghĩa của nó đối với tổ chức: Có thể được sử dụng để đảm bảo rằng mô hình dự đoán hành vi của khách hàng hoặc phân khúc khách hàng sẽ hoạt động như dự kiến.
Zone of proximal development (ZPD)
Zone of proximal development (ZPD) là một khái niệm giáo dục. Ví dụ, mỗi năm học sinh tiến bộ các kỹ năng toán học của mình từ cộng và trừ, đến nhân và chia, và thậm chí đến các phương trình đại số và phép tính phức tạp. Chìa khóa để thăng tiến là học dần dần những kỹ năng đó. Trong máy học, ZPD là khi các mô hình được đào tạo về các nhiệm vụ có độ khó tăng dần nên chúng sẽ cải thiện khả năng học hỏi.Ý nghĩa của nó đối với khách hàng: Khi AI tổng quát của bạn được đào tạo đúng cách, nó sẽ có nhiều khả năng tạo ra kết quả chính xác hơn.
Ý nghĩa của nó đối với tổ chức: Có thể được áp dụng vào đào tạo nhân viên để nhân viên có thể học cách thực hiện các nhiệm vụ phức tạp hơn hoặc tận dụng tốt hơn các tính năng của CRM.