シミュレーションモデルは、システムを理解するために、「what-if」分析でシナリオを検証するために長年利用されてきました。しかし、シミュレーションにおける AI の台頭により、モデルは時間の経過とともに学習、適応し、よりスマートな意思決定を行うことができるようになりました。このブログ記事では、シミュレーションにおける機械学習が、産業界の複雑なプロセスの計画、テスト、最適化の方法をどのように変えているのかを探ります。
Accentureは、サンフランシスコを拠点とするAI企業Pathmindと提携して、シミュレーションにおける新しい強化学習(以下RLと表記)の可能性を調査しました。
得られた結果は非常に良好でした。この方法では、Nearest Agentヒューリスティックよりも4倍以上短い待機時間が生成されました。
このブログでは、Agustin Albinatiがモデルの要約とニューラルネットを定義する際の3つの重要な考慮事項を紹介します。さらに彼のチームの調査結果をご紹介します。ブログの最後にリンクされているのは、Pathmindのステップバイステップのハウツーです。ぜひご覧ください!
Microsoft Project Bonsaiを使用すると、AIのバックグラウンドがない専門家でも、専門知識を活用してAIエージェントを指導し、実際のビジネス上の問題を解決できます。 Project BonsaiとAnyLogicシミュレーションを使用するための主要な概念とワークフローを紹介する、ウェビナーと付随するリソース情報を以下に示します。
このウェビナーは、AnyLogicとMicrosoftが提携して 、ビジネスアプリケーションに深層強化学習と機械教育をもたらす内容となっています。Microsoft Project Bonsaiチームの主任プログラムマネージャーであるDavid CoeとAnyLogic AIプログラムリーダーのArash Mahdaviが、シミュレーションを使用してAIをトレーニングし、シミュレーションでAI制御を実装するためのエンドツーエンドのワークフローを実証します。