Zillow geht mit "Neural Network" in die KI

zillow-neuronales netzwerk

Seit der Gründung des Unternehmens in Zillow in Seattle im Jahr 2006 hat das Unternehmen einen eigenen Algorithmus und ein Team von Statistikern eingesetzt, um seine berühmten "Zestimates" für Immobilien zu entwickeln. Das Unternehmen hat seine erste Version 2006 bereitgestellt und anschließend 2008 und 2011 zwei große Upgrades durchgeführt. Das System wurde durch Verbesserungen, die in Form von inkrementellen Iterationen bereitgestellt wurden, weiter verbessert. Die vom Statistiker entworfene Software verwendet einen automatisierten Prozess und war abhängig von der für den Standort verfügbaren Datenmenge.

Die mittlere Fehlerquote für das Unternehmen lag bei 4,5%, was im Wesentlichen bedeutet, dass die Hälfte der Häuser innerhalb von 4,5% liegen wird und die Hälfte der Häuser um 4,5% nachlässt, was die Genauigkeit des Verkaufspreises angeht. Das Unternehmen verwendet öffentliche Aufzeichnungen, um seine Daten zu sammeln. Daher wird bei Häusern mit aktuellen Informationen die Wahrscheinlichkeit, dass Immobilienwerte den aktuellen Datentrends entsprechen, wahrscheinlicher. Das Verfahren ist ein nichtlineares neuronales Netzwerklernmodell, das mehrere Variablen aus Daten der letzten Wohneinheiten innerhalb eines bestimmten Landkreises enthält.

Zillow verwendet Statistiken und Marktdaten, die als Datensätze bezeichnet werden, um den Marktwert von Häusern zu schätzen. Ihre Bewertungen werden dreimal wöchentlich automatisch berechnet. Die Ergebnisse basieren auf den Millionen von Datenpunkten, die von den Benutzern übermittelt und aus öffentlichen Unterlagen, wie z. B. County Recorders-Büros und Department of Assessments-Büros, gesammelt werden. Die Immobilienbewertung ist verständlicherweise von großem Interesse für die Welt der Finanzwirtschaft.

Die Motivation für die Schaffung neuronaler Netzwerksysteme ist das menschliche Gehirn und die Art und Weise, wie es Daten verarbeiten kann. Das biologische neuronale Netzwerk ist im Wesentlichen eine Anordnung von miteinander verbundenen Einheiten, die Informationen basierend auf der Stärke von Verbindungen zwischen Einheiten verarbeiten und sich entweder an Sätze von Trainingsmustern anpassen oder daraus lernen.

Grundlagen des neuronalen Netzwerks

Um zu verstehen, was ein künstliches neuronales Netzwerk ist, können Sie den Microsoft Neural Network-Algorithmus für ein kurzes Lernprogramm verwenden. Dieser Algorithmus verfügt über drei Neuronenschichten in einem Netzwerk. Diese Schichten umfassen:

  • Die Eingabeschicht definiert alle Eingabeattributwerte für das Data Mining-Modell und Wahrscheinlichkeiten. Diese Schicht nähert sich den menschlichen Neuronendendriten an, die Signale in den Kern transportieren
  • Die Ausgabeschicht - repräsentiert vorhersagbare Attributwerte für das Data Mining-Modell. - Diese Schicht nähert sich dem Axon des menschlichen Neurons an, das Signale überträgt
  • Ein optionaler verborgener Layer-Eingang wird mit relativen Gewichten für Wichtigkeit und Relevanz versehen. - Dieser Layer nähert sich den Synapsen von Human-Neuronen an, die sich in Reaktion auf das Lernen verändern und die Grundlage für das Konzept des assoziativen Gedächtnisses bilden

Die Schichten arbeiten zusammen, um ähnlich zu funktionieren wie menschliche Neuronen, nehmen Informationen auf und treffen auf dieser Grundlage Entscheidungen. Der Unterschied besteht darin, dass menschliche Neuronen in der Lage sind, viel komplexere Entscheidungen zu treffen, die auf einer großen Menge unterschiedlicher Informationen basieren, mit deutlich mehr Variablen und komplexen Interaktionen, die auf menschlichen emotionalen und spirituellen Eigenschaften beruhen, die Maschinen nicht besitzen. Außerdem erreichen künstliche Neuronen schließlich einen Zustand ohne weitere Lernänderungen, obwohl sie möglicherweise weiterhin funktionieren. Kurz gesagt, das neuronale Netzwerk arbeitet effizient mit Daten, kann jedoch nur mit der Qualität der vom Bediener eingegebenen Daten und Parameter arbeiten und hängt von der Schwankungsbreite ab, mit der es umgehen muss. Forscher haben entdeckt, dass Prognosefehler bei hoher Datenvariabilität höher sein können.

Eine innovative Nutzung digitaler Fotos

Was das neuronale Netzwerk von Zillow interessant macht, ist, dass Wissenschaftler der Zillow Group Data mit den visuellen Aspekten von Wohnungen zusammenarbeiten, um Computerprogramme zu entwickeln, die so komplex sind, dass ihre Werte geschätzt werden können. Die Programme verwenden Fotos und komplexe Technologien, um zu simulieren, wie visuelle Bilder vom menschlichen Gehirn verarbeitet werden. Die riesigen Online-Fotodatenbanken werden mithilfe von Fortschritten im Cloud-Computing und im Tiefenlernen beschafft, um neue, weiterentwickelte neuronale Netzwerke zu schaffen, die sich auf die Erkennung spezifischer Eigenattribute als Hilfsmittel für die Abschätzung von Werten konzentrieren.

Die Zillow-Computersysteme werden trainiert, um die Unterschiede zwischen Bildpixeln in Fotografien zu korrelieren. Wissenschaftler haben spezifische Sammlungen entwickelt und ihnen Bewertungssignale zugewiesen. Wenn das neuronale Netzwerk Unterschiede in den Baumaterialien für den Hausgebrauch in Fotos feststellt, erzeugt es automatisch einen Preisunterschied. Eine Vielzahl von Heimfunktionen in Fotos wird verwendet, um Bewertungssignale für das neuronale Netzwerk zu extrahieren.

Der Wissenschaftler muss eine riesige Menge neuen Codes für das neuronale Netzwerk erstellen, um differenzieren zu können, worauf der Mensch durch einfaches Betrachten von Fotos schließen kann. Dies ist eine enorme Aufgabe und erfordert, dass das Unternehmen äußerst komplizierte Netzwerkkomponenten entwickelt. Die Zillow-Gruppe nutzt Amazon Web Services, um auf die unglaubliche Leistungsfähigkeit zuzugreifen, die für die Entwicklung dieser neuen Technologie erforderlich ist. Cloud-basierte und computerintensive Grafikeinheiten machen das erschwinglich und möglich, was bisher nicht möglich war.

Stan Humphries, Chief Analytics Officer von Zillow, betreut einhundert Leute in seiner Abteilung. Seine Analytik-Wissenschaftler hatten Prototypen spezifischer Algorithmen für diese Art von Technologie, lehnten sie jedoch ab, weil sie zu diesem Zeitpunkt nicht durchführbar waren. Sie waren zu computerintensiv. Das Unternehmen war jedoch in der Lage, auf Fortschritte in der tiefen Lernforschung zuzugreifen. Mit diesem Ansatz konnten Bilddaten in den berühmten Zillow-Zestimate-Algorithmus integriert werden. Aufgrund der großen Fortschritte in der Computertechnologie und der umfangreichen, aber erschwinglichen Cloud-basierten Dienste erwartet das Unternehmen, dass es das neu entwickelte neuronale Netzwerk im ersten Quartal 2017 erfolgreich einsetzen kann.

Seit seiner Gründung hat Zillow seine proprietären inkrementellen Algorithmus-Iterationen verwendet, um die Fehlerquote bei Bewertungen von 14% auf 4,5% zu reduzieren. Das Unternehmen hat seine enorme Datenbank von 115 Millionen US-Dollar aus Grundstücken in den Vereinigten Staaten zusammengestellt und erfolgreich Maschinenlernmodelle und Statistiken von Hunderten von verschiedenen Datenpunkten implementiert, um Immobilienbewertungen zu erstellen. Diese Untersuchungspunkte umfassten Quadratmeterzahl, Räume, Anzahl der Bäder, Losgrößen, kürzliche Transaktionen ähnlicher Immobilien in der Umgebung und viele andere Besonderheiten, die bei Eigenheimbesitzern und Käufern beliebt sind. Der Plan für Zillows Zukunft ist es, sein neu entwickeltes und extrem komplexes neuronales Netzwerk dazu zu verwenden, Fotos hinzuzufügen.

Erwartete Vorteile für Immobilien

Menschen können Unterschiede bei den im Wohnungsbau verwendeten Materialien und im Dekor erkennen. Persönlich und beim Betrachten von Fotos kann das menschliche Auge erkennen, ob der Bodenbelag aus Holz oder Fliesen ist, ob Regale aus Holz oder Edelstahl bestehen oder ob die Arbeitsplatten aus Stein oder Laminat bestehen. Die Qualität der Materialien wird im menschlichen Gehirn leicht quantifiziert und gespeichert, und die Wahrnehmung des Wertes wird entweder erhöht oder verringert. Die Herausforderung für Zillow bestand darin, diese menschliche Wahrnehmung in ihren Computersystemen zu erreichen.

Obwohl neuronale Netzwerke seit Jahrzehnten existieren und ihre Funktion auf der Humanbiologie beruhte, konnten sie niemals die komplexen Fähigkeiten zur Inferenz und Wahrnehmung erlangen, die der Mensch für selbstverständlich hält. Spannend für Zillow und den Immobilienmarkt im Allgemeinen ist, dass die in Entwicklung befindliche neue künstliche Intelligenz (KI) die Bewertungsgenauigkeit und möglicherweise die Verkaufstransaktionen erheblich steigern kann.

Da Unternehmen bessere Geschäfte machen wollen, werden zunehmend AI-Technologien eingesetzt. Der Grund ist einfach. Diese Fortschritte bei der KI nähern sich der Art und Weise, wie der Mensch in einem raschen Tempo denkt. Auf dieselbe Weise, wie die Synapsen des menschlichen Neurons als Reaktion auf das Lernen die Größe verändern, werden die Schichten der Computer-Neuronen wissenschaftlich verändert, um genauere Lernreaktionen zu liefern. Es ist eine aufregende Zeit für Wissenschaft und Wirtschaft.

Loading ..

Recent Posts

Loading ..