Вы видели аниме PychoPass? Если нет, то вот краткое изложение для вас.
Действие Pychopass происходит в антиутопическом будущем, где продвинутая биомеханическая компьютерная сеть (то есть ИИ) постоянно собирает данные о психологическом состоянии всех граждан страны. На основе этих данных прогнозируется вероятность превращения гражданина в преступника. Когда это прогнозируемое значение превышает определенный порог, сотрудники Управления по расследованию преступлений преследуют и задерживают предполагаемых «преступников». Тем самым они останавливают преступления, которые будут иметь место в будущем.
Это довольно ужасно, но какое отношение это имеет к нейронным сетям, предсказывающим, собираетесь ли вы уволиться с работы. Что ж, позвольте мне объяснить ...
В настоящее время многие крупные компании вкладывают огромные ресурсы в науку о данных и аналитику. Одним из наиболее распространенных применений науки о данных в корпоративном мире является анализ производительности сотрудников и понимание их увольнения. Уход сотрудников - это естественный процесс, в результате которого сотрудники уходят с работы, это может включать увольнение, переезд в другое место или даже выход на пенсию.
Одной из таких крупных компаний является IBM. Ученые из IBM создали вымышленный набор данных, содержащий различные параметры - от возраста до занятости. Цель такого набора данных - понять, какие факторы способствуют выбыванию сотрудников и какие параметры можно использовать в качестве хороших индикаторов для прогнозирования отсева. Это может быть чрезвычайно выгодно для компании, поскольку истощение влияет на эффективность работы компании.
Набор данных содержит много информации о том, кто вы как сотрудник и каковы ваши отношения с компанией.
Из вышеприведенного набора данных следует сделать важное наблюдение - наличие столбца с названием «Истощение». В этом столбце содержится информация о том, работает ли данный сотрудник в компании или нет.
Здесь начинается самое интересное ...
Нейронная сеть, которая обучается на этих данных с целевым столбцом «Истощение» и входными параметрами, являющимися остальными столбцами, может с высокой степенью точности предсказать, произойдет ли истощение для данного сотрудника или нет. Другими словами, он предсказывает, собираетесь ли вы уйти из компании в ближайшем будущем или нет.
Это может показаться научной фантастикой, но это не так. Вот ссылка на код, который делает именно это: Прогнозирование увольнения сотрудников с помощью ANN
Но что все это значит? И как это связано с Pychopass?
Как я упоминал ранее, отток сотрудников влияет на эффективность работы компании. Когда сотрудник увольняется или увольняется с работы, должность остается вакантной в течение некоторого времени, что может серьезно повлиять на чистую прибыль компании и снизить производительность. Используя прогнозы нейронной сети, как описано выше, компании могут активно искать новые таланты, чтобы заменить сотрудников, которые могут быть потеряны из-за увольнения.
Но представьте себе другой сценарий.
Компания, в которой вы работаете, решила уволить некоторых сотрудников и сократить штат вашего отдела. Кого они собираются уволить?
Что ж, кажется вполне разумным уволить сотрудников, которые, скорее всего, покинут компанию в ближайшем будущем. Другими словами, компания может использовать прогнозы нейронных сетей, чтобы уволить людей, которые, по прогнозам модели, покинут компанию в ближайшем будущем. Вам не знакомо?
Хотя это может показаться немного тревожным, есть и другие вещи, которые нам может помочь понять прогностическая модель. Поскольку модель может обнаруживать взаимосвязи между различными параметрами, мы можем использовать выводы из модели, чтобы создать лучшую рабочую среду или сократить убытки, предоставляя сотрудникам лучшие стимулы. И на этом список не заканчивается….
В конце концов, важно осознать потенциал ИИ и использовать его для решения важных проблем и улучшения жизни других людей.
