详细内容或原文请订阅后点击阅览
大规模决策：数学优化如何在直觉失效的情况下提供
在这篇文章中，我们介绍数学优化，解释它如何适应更广泛的人工智能领域，并展示创新中心与客户合作交付具体成果的真实成功案例。
来源:亚马逊云科技 _机器学习最佳决策的科学 - 以及领先组织如何应用它。
每个企业都面临着过于复杂的决策，无法仅靠直觉或手动决策。哪些送货路线可以最大限度地降低成本，同时满足次日承诺？数百个机器人如何在工厂车间内有序移动而不发生碰撞？您如何公平、合规且高效地为 24/7 医疗保健机构配备人员？
这些问题的风险很高，选择几乎是无限的，而且错误的选择代价高昂。它们还有一个共同的特点：可能的解决方案数量如此之多，以至于没有人——也没有简单的规则——能够可靠地找到最好的解决方案。
企业需要能够以数学确定性做出决策的人工智能。
领先的组织越来越多地转向数学优化（AI 的一个与机器学习互补的专业子领域）来应对复杂性并找到明显优于现状的答案。很好地应用它需要深厚的科学专业知识和可扩展的基础设施。
AWS Generative AI 创新中心的专业科学家团队正是从事这项工作 - 通过科学创新解决客户最具挑战性、影响力最大的问题。该团队从客户需求出发，结合人工智能、数学建模、优化、量子计算和高性能计算方面的专业知识，提供可衡量的业务成果，所有这些都由 AWS 云服务提供支持。
在这篇文章中，我们介绍数学优化，解释它如何适应更广泛的人工智能领域，并展示创新中心与客户合作交付具体成果的真实成功案例。
优化在 AI 领域的应用
优化在这些约束内找到数学上的最佳解决方案。 “这条路线可能是有效的”变成“考虑到系统中的每个约束，这是最佳路线”。
工作原理
图 1：优化工作流程