Deep Learning come motore di previsione di quinta generazione
Come parte del nostro impegno principale nel fornire le previsioni più accurate che la tecnologia possa produrre, siamo orgogliosi di annunciare che la nostra quinta generazione di motore di previsione è ora attiva su Lokad. Questo motore sta portando il più grande miglioramento di accuratezza che siamo mai riusciti a ottenere in un’unica versione. Il design del motore si basa su un tipo relativamente recente di machine learning chiamato deep learning. Per le supply chain, i miglioramenti significativi nell’accuratezza delle previsioni possono tradursi in rendimenti altrettanto elevati, servendo più clienti, servendoli più velocemente e affrontando meno rischi di inventario.
Dalla previsione probabilistica al deep learning
Circa 18 mesi fa, annunciavamo la quarta generazione della nostra tecnologia di previsione. La quarta generazione è stata la prima a fornire vere previsioni probabilistiche. Le previsioni probabilistiche sono essenziali nelle supply chain perché i costi si concentrano sugli estremi statistici, quando la domanda si rivela inaspettatamente alta o bassa. Al contrario, i metodi di previsione tradizionali - come le previsioni tradizionali giornaliere, settimanali o mensili - che si concentrano solo sulla fornitura di previsioni medie o mediane, non tengono conto del problema. Di conseguenza, tali metodi di solito non riescono a fornire rendimenti soddisfacenti per le aziende.
In parte per caso, si scopre che il deep learning si rivela particolarmente adatto alle previsioni probabilistiche per design. La motivazione di questa prospettiva era, tuttavia, del tutto estranea alle preoccupazioni delle supply chain. Gli algoritmi di deep learning favoriscono l’ottimizzazione basata su una prospettiva probabilistica / bayesiana con metriche come l’entropia incrociata perché queste metriche forniscono valori di gradiente enormi che sono particolarmente adatti per la discesa del gradiente, l’algoritmo “unico” che rende possibile il deep learning.
Nel caso specifico delle supply chain, accade che le basi del deep learning siano completamente allineate con i requisiti effettivi del business!
Oltre all’hype dell’intelligenza artificiale
L’intelligenza artificiale - alimentata dal deep learning nella pratica - è stata la parola di moda dell’anno nel 2017. Le affermazioni sono audaci, avvincenti e, beh, sfocate. Dal punto di vista di Lokad, osserviamo che la maggior parte di queste tecnologie di intelligenza artificiale aziendali non sono all’altezza delle aspettative. Molte poche aziende possono ottenere finanziamenti superiori a mezzo miliardo di dollari, come Instacart, per creare un team di deep learning di livello mondiale al fine di affrontare con successo una sfida nella supply chain.
Con questa versione, Lokad sta rendendo accessibile la tecnologia di previsione di grado AI a qualsiasi azienda ragionevolmente “digitalizzata”. Ovviamente, il tutto è ancora alimentato dai dati storici delle supply chain, quindi i dati devono essere accessibili a Lokad; ma la nostra tecnologia non richiede alcuna competenza nel deep learning. A differenza di praticamente tutte le tecnologie AI “aziendali”, Lokad non si basa sull’ingegneria manuale delle caratteristiche. Per quanto riguarda i nostri clienti, l’aggiornamento dalle nostre precedenti previsioni probabilistiche al deep learning sarà senza soluzione di continuità.
Lokad è la prima azienda software a fornire una tecnologia di previsione di grado AI chiavi in mano, accessibile sia a piccoli ecommerce con un solo dipendente che in grado di scalare fino alle più grandi reti di supply chain che possono includere migliaia di sedi e un milione di riferimenti di prodotto.
L’era del calcolo GPU
Il deep learning è rimasto in qualche modo di nicchia fino a quando la comunità è riuscita a migliorare il proprio blocco di costruzione del software per sfruttare le GPU (unità di elaborazione grafica). Queste GPU differiscono notevolmente dalle CPU (unità di elaborazione centrale), che ancora alimentano la maggior parte delle applicazioni al giorno d’oggi, con le eccezioni notevoli dei videogiochi, che si basano intensamente sia sulle CPU che sulle GPU.
Insieme alla riscrittura completa del nostro motore di previsione per questa quinta iterazione, abbiamo anche migliorato significativamente l’infrastruttura di basso livello di Lokad. Infatti, per servire le aziende, la piattaforma Lokad ora sfrutta sia le GPU che le CPU. Lokad sta ora approfittando delle macchine alimentate da GPU che possono essere affittate su Microsoft Azure, la piattaforma di cloud computing che supporta Lokad.
Attraverso la potenza di elaborazione massiccia delle GPU, non solo rendiamo le nostre previsioni più accurate, ma le rendiamo anche molto più veloci. Attraverso una griglia di GPU, otteniamo ora tipicamente le previsioni da 3 a 6 volte più velocemente, per qualsiasi set di dati di dimensioni considerevoli (*).
(*) Per set di dati ultra-piccoli, il nostro motore di previsione di quinta generazione è effettivamente più lento e richiede alcuni minuti in più, il che è in gran parte irrilevante nella pratica.
Lanci di prodotti e promozioni
Il nostro motore di previsione di quinta generazione sta apportando miglioramenti sostanziali alle situazioni di previsione difficili, in particolare i lanci di prodotti e le promozioni. Dal nostro punto di vista, i lanci di prodotti, sebbene molto difficili, rimangono leggermente più facili delle previsioni delle promozioni. La differenza di difficoltà è determinata dalla qualità dei dati storici, che è inevitabilmente inferiore per le promozioni rispetto ai lanci di prodotti. I dati delle promozioni migliorano nel tempo una volta che sono in atto i processi di garanzia di qualità appropriati.
In particolare, vediamo il deep learning come un’opportunità enorme per i marchi di moda che stanno lottando con i lanci di prodotti che dominano le loro vendite: lanciare un nuovo prodotto non è l’eccezione, è la regola. Poi, poiché le varianti di colore e dimensione gonfiano notevolmente il numero di SKU, la situazione diventa ancora più complessa.
Accesso anticipato alla previsione avanzata
Stiamo pianificando di aggiornare gradualmente l’intera base clienti al nostro più recente motore di previsione. Questo dispiegamento graduale è inteso a garantire che non introduciamo involontariamente regressioni in cui la versione più recente potrebbe risultare meno accurata rispetto a quella precedente. Poiché la versione 5.0 è esternamente identica alla versione 4.0, l’aggiornamento sarà completamente trasparente. I clienti noteranno solo la maggiore accuratezza. Entro la fine del primo trimestre del 2018, tutte le previsioni generate tramite Envision saranno alimentate da 5.0.