ML یک IPA عالی انجام می دهد

هنر دم کردن آبجو ، که بعد از آب و چای سومین نوشیدنی محبوب جهان است ، همه را درگیر کرده است ، از جمله تکنسین ها. آبجو برای هزاران سال توسط یک کارخانه سازنده استاد با "دستور پنهانی" ساخته شده است که تاکنون تحت تأثیر موج هوش مصنوعی قرار نگرفته است.

چند ماه پیش ، مدیرعامل ما ، مایکل پریچارد ، با مالک شکارچی اسمیت ، قهرمان محلی ، دیدار کرد. این دو نفر کلاه های کارآفرینی خود را به هم ریختند و در کنار هم قرار دادند تا دو احساس خود را با هم ترکیب کنند: آبجو با مهارت و یادگیری ماشین

متوجه می شوید که کارخانه های تولیدی در برابر راه اندازی فن آوری شهر خود قرار نمی گیرند ، به احتمال زیاد به دلیل احتیاط عمومی در مورد فناوری یادگیری ماشین و داده های بزرگ. علاوه بر این ، نوشیدن آبجو معمولی ممکن است بلافاصله مورد یادگیری دستگاه و مورد استفاده نوشیدنی کاردستی را درک نکند. چگونه یک کامپیوتر باید بداند چگونه محصولی را که مردم مصرف می کنند ، بسازد؟

بعدازظهر شنبه ، تیم های Metis Machine و Champion Brewing برای "هکاتون آبجو" به مصاف هم رفتند. ما برای تعیین بهترین ترکیب IBU ، ABV و SRM برای یک IPA داخلی تولید کردیم. مجموعه ای از IPA های محلی محبوب و IPA های کمتر خوب به صورت دستی در یک مجموعه داده جمع آوری و به عنوان خوب یا بد مشخص شدند. موفقیت یک آبجو خاص براساس داده های فروش طی چند سال گذشته صورت گرفته است. با استفاده از این داده ها ، یک مدل یادگیری ماشینی برای تعیین احتمال موفقیت یک آبجو برای مصرف کننده ایجاد شده است ، که با استفاده از سه معیار اندازه گیری شده ذکر شده در بالا به عنوان نقطه شروع دستور العمل تولید شده است.

چگونه این کار را کردیم؟ سس مخفی زیرش چی بود؟

برای پیدا کردن محدودیت های طبیعی در مشخصات داده های آموزش (IBU ، ABV ، SRM) که به درستی نمونه ها را به آبجو "خوب" و "بد" تقسیم می کند ، از یک الگوریتم وکتور پشتیبان Machine¹ با هسته RBF (نوشته شده در پایتون) استفاده شد. ، به محض آموزش مدل ، ما یک جستجوی شبکه کامل در یک منطقه کاربردی انجام دادیم و پارامترهای بهینه برای ایجاد دستور العمل ML IPA را پیدا کردیم. جالب اینجاست که پارامترهای بهینه تقریباً در وسط محدوده معمولی خود برای IPA قرار داشتند: 6٪ ABV ، 60 IBU و 6 SRM². بسیاری از شوخی ها در مورد "شیاطین آبجو" یا "الگوریتم شیطان" ساخته شد ، اما از آنجا که ما نمی توانیم تصمیم بگیریم چه چیزی را صدا کنیم ، ما به IPA ساده ML قدیمی گیر کردیم.

مهم نیست که مدل چقدر سکسی بوده یا از بسته های پایتون استفاده شده است ، اما نحوه جفت شدن AI و دانش دامنه منجر به ایجاد یک محصول می شود.

هوش مصنوعی یک شبه جهان را فتح نخواهد کرد. جایگزین شغل نخواهد شد و با مشت آهنین حکمرانی نخواهد کرد. هانتر عملکرد مدل ما را گرفت و با تمام توان جلو رفت. این هنوز خلاقیت ، تخصص و دانش دانش بنیان او بود که ML IPA³ تازه اعطا شده را ایجاد کرد. بلند شدن شدید زیرساخت های ساختمان برای ارائه پیش بینی های یادگیری ماشین در زمان واقعی ، در مقیاس بزرگ و با سهولت؟ ما هستیم

Metis Machine تنگناها (بدون هدف در نظر گرفته شده) در تهیه خطوط یادگیری ماشین را حذف می کند. ما بر روی کار سخت و وقت گیر ساختن زیرساخت ها تمرکز می کنیم تا مشتریان ما ، از جمله کارخانه های تولید آبفشان محلی ، بتوانند روی چیزهایی که دوست دارند و از آنها مراقبت می کنند متمرکز شوند.

1 - اطلاعات بیشتر در مورد الگوریتم های SVM: https://en.wikipedia.org/wiki/Support_veector_machine

2 - IBU (واحدهای تلخی بین المللی) ، ABV (الکل بر حجم) و SRM (روش مرجع استاندارد) از اقدامات متداول برای کم کردن طعم و مشخصات یک آبجو هستند. این قطعات منحصر به فرد نیستند که هنگام ایجاد دستور العمل آبجو استفاده می شوند ، اما یک نقطه شروع هستند.

3 - من ادعا می کنم که ML IPA همه چیز و یک کیسه تراشه است. چه کسی نخواهد بود؟

تایلر هاچرسون مهندس علوم داده در ماشین Metis در Charlottesville ، VA است.