第5世代の予測エンジンとしてのディープラーニング
テクノロジーが提供できる最も正確な予測を提供するという当社の基本的なコミットメントの一環として、Lokadでは誇りを持って、第5世代の予測エンジンをリリースしました。このエンジンは、単一のリリースで達成した最大の精度向上をもたらしています。このエンジンの設計は、比較的新しい機械学習の一種であるディープラーニングに依存しています。サプライチェーンにとって、大幅な 予測精度の向上は、同様に大きなリターンにつながることがあります。より多くのクライアントにサービスを提供し、より迅速にサービスを提供する一方で、在庫リスクに直面することが少なくなります。
確率的予測からディープラーニングへ
約18ヶ月前、当社は予測技術の第4世代を発表しました。第4世代は真の_確率的予測_を提供する最初のものでした。確率的予測は、需要が予想外に高いまたは低い場合に統計的な極値にコストが集中するため、サプライチェーンにおいて重要です。対照的に、従来の予測手法（従来の日次、週次、月次の予測など）は、中央値や平均値の予測のみに焦点を当てており、この問題には無関心です。その結果、これらの手法は通常、企業に満足のいくリターンを提供することができません。
偶然の一致により、ディープラーニングは設計上、確率的予測に特化しています。ただし、この視点の動機づけは、サプライチェーンに関連するものではありませんでした。ディープラーニングアルゴリズムは、ディープラーニングを可能にする「一つの」アルゴリズムである確率的/ベイズ的な視点に基づいた最適化を重視しています。この視点では、クロスエントロピーなどの指標が提供する巨大な勾配値が特に適しています。
サプライチェーンの具体的なケースでは、ディープラーニングの基礎が実際のビジネス要件と完全に一致していることがわかります！
人工知能のハイプを超えて
人工知能（実際にはディープラーニングによって強化されたもの）は、2017年のキーワードでした。主張は大胆で魅力的で、まあ、_あいまい_です。Lokadの視点から見ると、これらの_エンタープライズ_AIテクノロジーの大多数は期待に応えていません。Instacartのように数十億ドルの資金を確保して世界クラスのディープラーニングチームを集め、サプライチェーンの課題に取り組むことができる企業はほとんどありません。
このリリースにより、LokadはAIグレードの予測技術を「デジタル化」された企業にアクセス可能にしています。もちろん、すべてのものは引き続き過去のサプライチェーンデータに基づいていますので、データはLokadにアクセス可能である必要があります。ただし、当社の技術はディープラーニングの専門知識を必要としません。ほとんどの「エンタープライズ」AIテクノロジーとは異なり、Lokadは手動の特徴量エンジニアリングに依存しません。当社のクライアントにとっては、従来の確率的予測からディープラーニングへのアップグレードはシームレスに行われます。
Lokadは、1人の小さなeコマースから数千の場所と100万の製品参照を含む最大のサプライチェーンネットワークにスケーリングすることができる、キーターンのAIグレードの予測技術を提供する最初のソフトウェア会社です。
GPUコンピューティングの時代
ディープラーニングは、コミュニティが自身のソフトウェアビルディングブロックをGPU（グラフィックプロセッシングユニット）の利点を活用するようにアップグレードするまで、ある程度「ニッチ」な存在でした。これらのGPUは、現在でもほとんどのアプリケーションにおいて主に使用されているCPU（中央処理ユニット）とは大きく異なります。ただし、コンピュータゲームはCPUとGPUの両方に大いに依存しています。
この5番目のイテレーションのために私たちの予測エンジンを完全に書き直すと同時に、Lokadの低レベルインフラも大幅にアップグレードしました。実際、企業にサービスを提供するために、LokadプラットフォームはGPUとCPUの両方を活用しています。Lokadは、LokadをサポートするクラウドコンピューティングプラットフォームであるMicrosoft AzureでレンタルできるGPUパワードマシンの利点を活用しています。
GPUの大量の処理能力により、予測をより正確にするだけでなく、はるかに高速化することができます。GPUグリッドを介して、通常、サイズの大きなデータセットに対して予測を約3倍から6倍高速化しています（*）。
（*）超小規模のデータセットの場合、私たちの第5世代の予測エンジンは実際には遅く、数分かかることがありますが、実際にはほとんど影響はありません。
製品の立ち上げとプロモーション
私たちの第5世代の予測エンジンは、特に製品の立ち上げやプロモーションなどの困難な予測状況に大幅な改善をもたらしています。私たちの視点から見ると、製品の立ち上げは非常に困難ですが、プロモーションの予測よりも少し簡単です。この困難度の違いは、歴史データの品質によって引き起こされます。プロモーションのデータは、適切な品質保証プロセスが整備されるまで一貫して低くなります。
特に、ファッションブランドにとってディープラーニングは、売上を「支配する」製品の立ち上げに苦労している大きな機会と見なしています。新製品の立ち上げは例外ではなく、むしろルールです。その後、色やサイズのバリエーションがSKUの数を大幅に増やすため、状況はさらに複雑になります。
ディープ予測の早期アクセス
当社は、最新の予測エンジンが古いバージョンよりも正確性が低くなる可能性があることを誤って導入しないようにするために、徐々に全クライアントベースを最新の予測エンジンにアップグレードする予定です。バージョン5.0はバージョン4.0と外部的に同一であるため、アップグレードは完全に透明に行われます。クライアントは追加の正確性しか気づかないでしょう。2018年第1四半期までに、Envisionを介して生成されるすべての予測は5.0によって提供されます。
