Розумний пошук вантажів і аналіз ринкових цін: алгоритми Trans.eu
За допомогою штучного інтелекту цифрові логістичні платформи можуть розпізнавати закономірності, на основі виконаних заявок на перевезення вантажів. Якщо обсяг даних досить великий, їх враховують для розрахунку цінових пропозицій, які вантажовідправники, експедитори або перевізники можуть використовувати для значного покращення своєї позиції на переговорах. Як одна з найбільших цифрових логістичних Платформ в Європі, Trans.eu є одною з перших у цій галузі.
Штучний інтелект може зробити людей щасливими: сайти знайомств давно відкрили машинне навчання для покращення результатів пошуку самотніх сердець. Завдяки величезним інвестиціям у рекламу та технології, провідні постачальники у цьому сегменті завоювали велику частку ринку та кількість користувачів. Наприклад, компанія Parship налічує понад 4,5 мільйона учасників, що дає алгоритмам надійну базу даних.
Але не лише особисте щастя виграє від досягнень цифровізації. Пошук відповідних транспортних партнерів і визначення справедливих цін на перевезення також можна оптимізувати за допомогою розумних алгоритмів. І тут якість результатів залежить від обсягу наявних даних. Чим більше заявок на перевезення вантажів виконується щодня, тим більше інформації алгоритм може використовувати для своєї роботи – і тим точнішими будуть його результати.
Навчання на основі попередніх даних
Логістична Платформа Trans.eu, яка працює по всій Європі, спирається на дані та щоденні запити 40 000 користувачів. Цей обсяг даних аналізується за допомогою машинного навчання. Trans.eu розробив потужний алгоритм, який “вивчає” поведінку учасників ринку, використовуючи дані з минулого. На цій основі створюється модель, яка може бути використана для визначення цінових пропозицій майбутніх маршрутів, на основі вивчених правил.
На практиці це означає, що розумні алгоритми порівнюють збережені пропозиції та угоди і на цій основі створюють пропозиції поточних цін на перевезення. Вони враховують такі фактори, як відповідні маршрути, часові аспекти, спотові та стандартні пропозиції та інші. Таким чином, усі сторони отримують постійне уявлення про ринкові ціни, що постійно змінюються, – ідеальну основу для переговорів по ціні. Інші переваги ціноутворення за допомогою машинного навчання також очевидні: використання алгоритму заощаджує клієнту (вантажовідправнику або експедитору) значну кількість часу, допомагає уникнути помилок та підвищує ефективність. Ще одним плюсом є те, що знання більше не втрачаються при зміні працівників. Оскільки алгоритм Trans.eu навчився поведінці на основі даних з минулого, новий працівник також виграє від цих знань.
Термін “штучний інтелект”
Штучний інтелект (AI) є одним із мегатрендів цифровізації, але точне значення AI незрозуміло багатьом зацікавленим сторонам. У мозку людини є близько 100 мільярдів нейронів, об’єднаних один з одним. Передача інформації між нейронами відбувається за допомогою електричних імпульсів. Це дозволяє людям вчитися, робити висновки та мислити абстрактно. У так званому “штучному інтелекті” нейрони замінюються штучними нейронами і навчаються за допомогою алгоритмів. Проте людський інтелект не відтворюється, а машинне навчання використовується для вивчення розпізнавання образів на основі різних даних.
Наприклад, машинне навчання може автоматично виробити набір правил на основі накопичених даних. Це позбавляє компанії необхідності вручну створювати модель і докладати відповідні зусилля, такі як: визначення правил, перевірок та інтерпретацій. Якість навчальних даних має вирішальне значення для успіху.
Навчання без запам’ятовування
При розробці моделі машинного навчання особливо складними є два завдання . До них відноситься так званий вибір ознак, під яким мається на увазі вибір підмножини релевантних ознак набору даних із численних параметрів минулих транспортних операцій. Це включає, наприклад, вибір місця призначення, ваги або типу транспорту. Другим складним завданням є так звана “overfitting/underfitting”. Модель повинна бути достатньо складною з математичного погляду, щоб вивчити поведінку людини. Проте вона не має навчатися напам’ять. Бажане рішення інженери з машинного навчання називають узагальнюючою моделлю.
