Deep Learning come motore previsionale di quinta generazione
Come parte del nostro impegno fondamentale di fornire le previsioni più accurate che la tecnologia può produrre, siamo orgogliosi di annunciare che la nostra quinta generazione del motore previsionale è ora operativa presso Lokad. Questo motore sta portando il più grande miglioramento in termini di accuratezza che siamo mai riusciti a ottenere in un singolo rilascio. Il design del motore si basa su una variante relativamente recente del machine learning chiamata deep learning. Per supply chains, i miglioramenti enormi nella accuratezza delle previsioni possono tradursi in ritorni altrettanto significativi, permettendo di servire un maggior numero di clienti, in modo più rapido, e con minori rischi di inventario.
Dalle previsioni probabilistiche al deep learning
Circa 18 mesi fa, abbiamo annunciato la quarta generazione della nostra tecnologia previsionale. La quarta generazione è stata la prima a fornire vere previsioni probabilistiche. Le previsioni probabilistiche sono essenziali per supply chains perché i costi sono concentrati sugli estremi statistici, quando la domanda risulta inaspettatamente alta o bassa. Al contrario, i metodi tradizionali di previsione – come le previsioni giornaliere, settimanali o mensili tradizionali – che si concentrano solo nel fornire previsioni mediane o medie, sono ciechi al problema. Di conseguenza, tali metodi solitamente non riescono a garantire ritorni soddisfacenti per le aziende.
Parzialmente per caso, si è scoperto che il deep learning è fortemente orientato verso le previsioni probabilistiche per design. Tuttavia, la motivazione di questa prospettiva era completamente estranea alle problematiche della supply chain. Gli algoritmi di deep learning favoriscono l’ottimizzazione basata su una prospettiva probabilistica/Bayesiana, con metriche come la cross entropy, poiché tali metriche forniscono enormi valori di gradiente che sono particolarmente adatti al gradient descent, l’algoritmo “unico” che rende possibile il deep learning.
Nel caso specifico delle supply chains, capita che le basi del deep learning siano pienamente allineate con le effettive esigenze aziendali!
Oltre l’hype dell’intelligenza artificiale
Nel 2017, l’intelligenza artificiale – alimentata in pratica dal deep learning – è stata la parola d’ordine dell’anno. Le affermazioni sono audaci, accattivanti e, beh, vague. Dal punto di vista di Lokad, osserviamo che la maggioranza di queste tecnologie AI enterprise non risponde alle aspettative. Pochissime aziende riescono ad assicurarsi oltre mezzo miliardo di USD in finanziamenti, come Instacart, per radunare un team di deep learning di livello mondiale al fine di affrontare con successo una sfida della supply chain.
Con questo rilascio, Lokad rende la tecnologia previsionale di qualità AI accessibile a qualsiasi azienda ragionevolmente “digitalizzata”. Ovviamente, tutto ciò è ancora alimentato dai dati storici della supply chain, per cui i dati devono essere accessibili a Lokad; ma la nostra tecnologia non richiede zero competenze in deep learning. A differenza di praticamente tutte le tecnologie AI “enterprise”, Lokad non si basa sull’estrazione manuale delle feature. Per quanto riguarda i nostri clienti, l’aggiornamento dalle previsioni probabilistiche precedenti al deep learning sarà senza soluzione di continuità.
Lokad è la prima azienda software a fornire una tecnologia previsionale di qualità AI pronta all’uso, accessibile sia alle piccole e-commerce gestite da una sola persona, sia in grado di scalare fino alle più grandi reti della supply chain che possono includere migliaia di sedi e un milione di referenze di prodotto.
L’era del GPU computing
Il deep learning è rimasto in qualche modo di nicchia fino a quando la community non è riuscita a potenziare i propri componenti software per sfruttare le GPU (graphic processing units). Queste GPU differiscono notevolmente dalle CPU (central processing units), che continuano a alimentare la stragrande maggioranza delle applicazioni al giorno d’oggi, con la notevole eccezione dei videogiochi, che fanno un uso intensivo sia delle CPU che delle GPU.
Insieme alla completa riscrittura del nostro motore previsionale per questa quinta iterazione, abbiamo anche aggiornato significativamente l’infrastruttura di basso livello di Lokad. Infatti, per servire le aziende, la piattaforma Lokad sfrutta ora sia le GPU che le CPU. Lokad sta ora beneficiando delle macchine dotate di GPU che possono essere noleggiate su Microsoft Azure, la piattaforma di cloud computing che supporta Lokad.
Grazie alla potenza di elaborazione massiccia delle GPU, non stiamo solo rendendo le nostre previsioni più accurate, ma anche molto più rapide. Attraverso una griglia di GPU, ora di solito otteniamo le previsioni circa da 3 a 6 volte più velocemente, per qualsiasi dataset di rilevante dimensione (*).
(*) Per dataset ultra-piccoli, il nostro motore previsionale di 5ª generazione è in realtà più lento e impiega alcuni minuti in più – il che è in gran parte irrilevante nella pratica.
Lanci di prodotto e promozioni
Il nostro motore previsionale di quinta generazione sta portando miglioramenti sostanziali in situazioni di previsione difficili, in particolare nei lanci di prodotto e nelle promozioni. Dal nostro punto di vista, i lanci di prodotto, pur essendo molto difficili, rimangono leggermente più facili rispetto alle previsioni per le promozioni. La differenza di difficoltà è determinata dalla qualità dei dati storici, che è invariabilmente inferiore per le promozioni rispetto ai lanci di prodotto. I dati relativi alle promozioni migliorano nel tempo una volta che sono in atto i corretti processi di assicurazione della qualità.
In particolare, vediamo il deep learning come un’enorme opportunità per i brand di moda che faticano con i lanci di prodotto che dominano le loro vendite: lanciare un nuovo prodotto non è l’eccezione, ma la regola. Inoltre, poiché le varianti di colore e taglia gonfiano notevolmente il numero di SKUs, la situazione diventa ancora più complessa.
Accesso anticipato al deep forecasting
Abbiamo in programma di aggiornare gradualmente l’intera base clienti al nostro nuovissimo motore previsionale. Questo dispiegamento graduale è pensato per assicurarsi di non introdurre involontariamente regressioni in cui l’ultima versione potrebbe risultare meno accurata di quella precedente. Poiché la versione 5.0 è esternamente identica alla versione 4.0, l’aggiornamento sarà completamente trasparente. I clienti noteranno solo l’incremento in termini di accuratezza. Entro la fine del Q1 2018, tutte le previsioni generate tramite Envision saranno alimentate dalla versione 5.0.
