ש:
כיצד פועלת התראה חזויה?
ת:התרעה חזויה היא טכנולוגיה שמנבאת אירועים על בסיס נתונים היסטוריים ובהתאם מספקת התראות. לדוגמה, הטכנולוגיה יכולה לחזות מכירות של מוצרים מסוימים על בסיס מכירות ונתונים אחרים מהעבר והיא יכולה לשלוח התראות לאנשים מתאימים כאשר צפוי להיות מלאי. התראות חזויות, אף כי הן עדיין בשלב האבולוציוני, הן פוטנציאל כלי שימושי בכל ענפים רבים כמו בנקאות וכספים, ביטחון, אבטחת IT, מסחר אלקטרוני, למידה מקוונת ואפילו מדעי הרפואה.
ניתן לומר כי התראות חזויות הן ענף של למידת מכונה. למידת מכונות היא תחום הלמידה של מכונות ממערכות נתונים חדשות ומגוונות ויישום הלמידה על מצבים אחרים. ניתן לדמות את פעולת הלמידה במכונות ללמידה של בני אדם הלומדים ומועשרים מחוויות שונות ומיישמים את השיעורים במצבים שונים כדי לפתור בעיות. יישומי תוכנה המבוססים על התראות חזויות מעבדים מערכי נתונים גדולים ומגוונים ולומדים מערכי הנתונים.
בהתבסס על הלמידה, היישומים יוצרים מודלי נתונים ומיישמים את המודלים על בעיות אחרות. לדוגמה, בתחום מדעי הרפואה ניתן לעבד ולנתח את נתוני המטופלים ומזג האוויר בשנים האחרונות כדי לגלות מידע חיוני על התפרצות מחלות מסוימות. המכונות יכולות לנתח ולתאם את הנתונים כדי לקשר בין הופעתן של עונות מסוימות למחלות מסוימות, כמו עונת הסתיו עם אסטמה ואלרגיות. בהתבסס על זה, הוא יכול לשלוח התראות לרופאים ובתי חולים עם תחזיות לגבי מחלות שעלולות להכות מתי. בתי חולים ומרפאות יכולים לתכנן בהתאם.
האתגר העיקרי להתראות חזויות הוא דיוק. למרות שהוא יכול להיות חמוש בכל מספר אלגוריתמים מתוחכמים, הוא צריך לעבד את הנתונים ולהשתמש בנתונים כדי לחזות במדויק אירועים. זו הסיבה שהיא עדיין מתייחסת לטכנולוגיה מתפתחת. המודלים החיזוי מתעדכנים כל העת כשמגיעים נתונים חדשים כך שהמודלים מסוגלים לחזות במדויק. כמה חברות בולטות, במיוחד אלה הקמעונאיות המקוונות, השתמשו בהתראות למטרות שונות, כגון הצגת המלצות מוצר מדויקות למבקרים על סמך היסטוריית חיפוש המוצר והעדפותיהם. מנועי המלצה כאלה מסוגלים לחזות בצורה מדויקת למדי את בחירותיהם של לקוחות פוטנציאליים.
