Mašinų mokymasis: kas tai yra ir koks jo santykis su ai?

Šiandien norime jus išsamiau išmokyti vieną iš sąvokų, kurios sukėlė revoliuciją ir pakeis kai kurias sąveikas, kai jas žinome. Mes kalbame apie dirbtinį intelektą ir jo specifiškiausią šaką, mašininį mokymąsi ar automatinį mokymąsi.

Kaip jūs galbūt žinote, kompiuterija visada keičiasi ir tai, ką galime įsigyti , paprastai nėra tokia pažangi.

Pavyzdžiui, kol mes kuriame 4-osios kartos PCI-Express , tyrėjai jau kuria PCIe Gen 5 ir tiria šuolį į šeštąją . Dėl tos pačios priežasties nėra neįprasta rasti technologijų, kurių mes nežinojome atlikdami užduotis, apie kurias niekada negirdėjome.

Tačiau prieš eidami toliau, susiaurinkime temą, apie kurią kalbėsime, nes kas yra mašinų mokymasis ?

Turinio rodyklė

Kas yra mašinų mokymasis ?

Mašinų mokymasis yra specifinė informatikos ir dirbtinio intelekto šaka, kurioje kuriamos sistemos, galinčios mokytis automatiškai.

Ši šaka savo studijas ir plėtrą pradėjo maždaug devintajame dešimtmetyje ir šiandien yra gana išvystyta. Dėl tos pačios priežasties tiek dirbtinis intelektas , tiek mašininis mokymasis yra naudojami daugelyje mokslo ir kasdienių sričių.

Šioje šakoje AI yra sudaryti iš vieno ar daugiau algoritmų, galinčių apdoroti didelius duomenų kiekius ir atitinkamai išmokti. Dvi pagrindinės idėjos, kuriomis grindžiama ši tema:

• Sistema turi sugebėti analizuoti duomenis ir kaupti įgūdžius, kurių ji neturėjo savo gimimo metu. Intelektas turi sugebėti atlikti darbą autonomiškai, tai yra, be žmogaus priežiūros.

Realiame pasaulyje turime praktinių pavyzdžių, tokių kaip šlamšto klasifikavimas el . Laiškuose, susijusios rekomendacijos „ Amazon“ ar ateities prognozės naudojant įmonės duomenis. Pastarasis yra įdomus skyrius, kuriame lažinasi vis daugiau ir daugiau kompanijų.

Naudodamiesi mašinų mokymu , galime pamatyti, kokie modeliai atpažįsta nepatenkintus ar buvusius klientus, kad būtų galima pagerinti santykius su kitais tos pačios būklės vartotojais. Tam tikri profiliai yra tiriami pagal darbo stažą, skundų skaičių, planus pagal sutartis ir kitus dalykus. Padarę PG išvadas, rinkodaros ekspertų grupė gali sukurti specialią kampaniją, skirtą kovoti su tomis problemomis.

Taigi įmonė gali kurti planus, kaip pritraukti ar išlaikyti klientus, remdamasi tam tikromis prielaidomis ir pereina nuo reaktyviosios strategijos prie proaktyviosios. Tai labai įdomi taktika, kurioje naudojamas dirbtinis intelektas , didelis duomenų kiekis ir mašinų mokymasis .

Kaip treniruojamas dirbtinis intelektas ?

Norėdami paruošti dirbtinį intelektą, jis turi pereiti įvairius etapus:

1. Pirmiausia jis praeina per kontroliuojamą aplinką. Čia įvedate didelį kiekį duomenų ir jų atitinkamus rezultatus, su kuriais galite kurti ryšius tarp idėjų. Ši dalis vadinama prižiūrimu mokymu . Tuomet būsite patekę į laisvą ir neatsakytą aplinką, kurioje AI turės pasirinkti rezultatą. Žinodami, ar jūsų atsakymai teisingi, ar ne, algoritme sukuriate naujas taisykles. Šis etapas vadinamas neprižiūrimu mokymu . Galiausiai jam paruošiama aplinka, kur jis sustingsta. Jei, pavyzdžiui, jums sunku atskirti vaizdus, ​​kai trūksta silpno apšvietimo, galite būti mokomi naktinių nuotraukų. Šis etapas vadinamas sutvirtinimo mokymu. Procesą galima atlikti nuo 2 veiksmo tiek kartų, kiek norite patobulinti intelektą .

Bendroji mašininio mokymosi schema

Praktinis pavyzdys būtų parodyti AI dešimties milijonų nuotraukų ir pasakyti, kurios yra šunys, o kurios ne. Čia jis papasakos, kad šunys paprastai turi kailį, jie paprastai eina ant keturių kojų ir yra skirtingos formos ir dydžio, priklausomai nuo veislės.

Vėliau jam suteikiama milijonas nuotraukų klasifikuoti. Čia turite atsakyti, ar nuotraukoje yra šuo, ar ne, ir pagal tai, ar sukursite naujas „idėjas“ savo duomenų bazėje, ar ne. Norėdami įgyvendinti šiuos naujus duomenis, žvalgyba nustatys naujas savo algoritmo taisykles ir, pavyzdžiui, dabar galės atskirti šunis nuo kačių.

Galiausiai tiriamas jo efektyvumas ir paruošiamos naujos nuotraukos, kaip išmokyti silpnąsias vietas.

Be abejo, tai yra paprasta ir labai daug kartų kartojama demonstravimo sistema, tačiau yra ir daugiau eksperimentinių bei savotiškų metodų.

Tai, „Twitter“ robotas

Neseniai atliktas eksperimentinis mokymas buvo „ Tay“ , „ Microsoft“ sukurta AI , skirta išmokti išreikšti save kaip žmogų.

Tay „Twitter“ profilis

Botas buvo užprogramuotas taip, kad iš pradžių kalbėtų kaip 19-metė mergaitė, o 2016 m. Kovo 23 d. Ji buvo paleista tamsiose „ Twitter“ vietose .

Buvote užprogramuotas kalbėtis su bendruomene ir mokytis iš gautų pranešimų bei sąveikos su vartotojais. Jos mokymasis buvo beveik visiškai savarankiškas, nors po 16 valandų ji turėjo būti atšaukta už neigiamą elgesį.

Per trumpą savo gyvenimo laiką jis tweet daugiau nei 96 000 tweets. Tačiau tyčinis įžeidžiantis šio socialinio tinklo elgesys leido Tay greičiau nei greitai atsakyti rasistinėmis ir kitomis frazėmis.

Tokiu atveju prižiūrimas mokymasis ir pagrindinių taisyklių serija turėjo būti tinkamai pakeisti. Žinodamas nerūpestingą ir įžeidžiančią socialinio tinklo toną, Tay nebuvo pasirengęs atskirti tikrovės nuo sarkastiškos. Dėl tos pačios priežasties kai kuriems vartotojams pavyko lengvai „įveikti “ intelekto „intelektualinį barjerą“ .

Mašinų mokymosi programos realiame pasaulyje

Mes jau papasakojome apie kai kuriuos kasdienius naudojimo būdus, kuriuos galbūt jau žinojote apie mašinų mokymąsi , tačiau kokie kiti atvejai egzistuoja.

Žemiau pamatysite praktinius šios technologijos pritaikymo būdus, susijusius su dažniausiai pasitaikančiomis problemomis. Be abejo, jie yra moderniausi sprendimai, todėl jiems taip pat paprastai reikia žymiai daugiau pinigų.

Sveikata

Tiriama naujo tipo drabužių, galinčių nuskaityti informaciją apie mūsų kūną, technologija. Tai gali suprasti mūsų pulsą, kvėpavimą ar nerimą.

Šiuos duomenis skaito žvalgyba , realiu laiku įvertinanti paciento būklę . Taigi, jei tam tikru metu turite tokią problemą kaip širdies priepuolis, galite greičiau diagnozuoti ir (arba) reaguoti.

Kita vertus, kai kurie žmonės yra įdiegę robotus, galinčius aptikti mintis apie savižudybę. Garsioji „ Facebook“ žvalgyba skaito pokalbius ir jūsų veiklą, siekiant atpažinti polinkį į savižudybę, nors yra ir kitų versijų, kurios atidžiau tiria žmogaus elgesį, jo balso toną ir kūno kalbą.

Finansai

Ekonomikoje kai kurie bankai ir įmonės sukčiavimo aptikimui ir prevencijai naudojo mašininio mokymosi principais pagrįstus sprendimus .

Kita vertus, kažkas panašaus taip pat naudojama lengviau identifikuoti investavimo galimybes. Jis taip pat naudojamas norint nuspręsti, kada parduoti ar pirkti akcijas ir kitas priemones.

Rinkodara

Apie tai mes jau minėjome, tačiau tai yra viena geriausiai žinomų programų.

Jums bus nutikę, kad pamatysite porą produktų „ Amazon“ , pateksite į „ Facebook“, „Google“ ar „Instagram“ ir pamatysite tik tą produktą savo skelbimuose. Neatsitiktinai, nes socialiniai tinklai ir „ Google“ įgyvendina intelektą , tiriantį jūsų istoriją ir galimus jūsų pomėgius, kad juos būtų galima užfiksuoti ten, kur įmanoma.

Kai kurie vartotojai tai mato kaip įkyrų „puolimo“ būdą ir tai nenuostabu, nes jie bombarduoja jus idėja. Tačiau reklama judės ta linkme, nes ji yra asmeniškesnė, o skelbimai bus skirti potencialiems pirkėjams.

Mašinų mokymasis ir giluminis mokymasis

Šios dvi sąvokos paprastai eina koja kojon, bet nėra visiškai skirtingos. Ateityje straipsniuose kalbėsime apie šią antrąją kadenciją, nes to reikia mokytis.

REKOMENDUOJAME JUMS Kaip švariai ir lengvai pašalinti AMD tvarkykles

Apskritai, mes galime nustatyti ryšį tarp mašininio mokymosi ir gilaus mokymosi, kaip tą turi dirbtinis intelektas ir mašininis mokymasis . Giluminis mokymasis yra dar konkretesnė mašininio mokymosi šaka.

Jame dalijamasi pagrindiniais skyriais, tokiais kaip evoliucija per laiką ir patirtis, tačiau ji turi dar vieną skirtumų.

Supaprastintas gilus mokymasis

Jo pagrindas mokytis ir apdoroti duomenis yra naudoti skirtingus sluoksnius, veikiančius taip, lyg jie būtų neuronai. Todėl galėtume nustatyti, kad šie intelektai paprastai yra labiau ištobulinti, tačiau taip pat sudėtingesni ir brangesni.

Nors jei jus labiau domina ši tema, stebėkite svetainę ir apsilankykite mūsų kitame giluminio mokymosi straipsnyje .

Kiek mes esame nuo „ Skynet“ ?

Mes turime šią skiltį svajingiausiems protams.

Tai labai pakartota tema knygose, filmuose ir kituose dalykuose. Ne veltui čia yra būtent žanras ar tema, vadinama „ Cyberpunk“ . Tačiau toli nuo tų futuristinių distopijų, kurias kontroliuoja dirbtinis intelektas , mūsų mašinos dar turi ilgą kelią.

„Rick & Morty“ išmanusis robotas

Šiandieninės mašininio mokymosi sistemos priklauso „ silpnų PG“ grupei . Kaip mes matėme, šie intelektai yra tik geba suprasti modelius ir padaryti paprastus dedukcijas. Jie yra labai naudingi palaikant mus tam tikruose kontekstuose, tačiau jie visiškai nėra savarankiškos sistemos.

Kita vertus, mes turėtume „stiprius PG“ , tuos, kurie vaizduojami futuristinėse istorijose, kur jie yra lygūs ar daug protingesni nei žmonės. Populiariosios kultūros pavyzdžiuose galime rasti tokių pavyzdžių kaip „Matrix“ , „Terminator“ , „Ghost in the Shell“ ar „Halo“ . Iš tikrųjų šiame sąraše yra du vienas su kitu susiję darbai; Atspėk, kurie iš jų?

Šiandien mes vis dar kuriame visiškai autonomiškus ir saugius automobilius . Mes nuolat tobulėjame, tačiau vis dar turime būdų sukurti vienodą faktą, pagrįstą vien technologijomis.

Jei norite sužinoti daugiau apie tai, galite apsilankyti mūsų straipsnyje apie dirbtinį intelektą . Tai yra tekstas bendresniu požiūriu ir šiek tiek išnagrinėjame galimus šios technologijos padarinius.

Paskutiniai žodžiai apie mašinų mokymąsi

Panašiai kaip mūsų išvadoje apie dirbtinį intelektą, akivaizdu, kad ateitis yra neaiški. Tačiau neišvengiamai reikės peržiūrėti evoliuciją, kad technologija būtų įdiegta atsižvelgiant į jos įgūdžius ir savybes.

Pamažu internetą vis geriau ir geriau valdys programos ir algoritmai. Socialiniai tinklai bus geriau sukalibruoti ir pasiūlys mums daugiau turinio pagal mūsų skonį. Ir galiausiai santykiai internetu bus kur kas saugesni, nes bus lengviau nustatyti, kada yra sukčiavimo ar pan. Pavojus.

Kita vertus, nenustebkite, kad šis šimtmetis bus tas, kai spindės daiktų internetas (daiktų internetas) . Tai idėja, apie kurią svajojome ilgą laiką ir kuri artėja. Be to, IoT siūlo didelę pažangiausių technologijų, susijusių su mašininiu mokymu, pasiūla, nors vis dar trūksta tam tikrų saugumo pakeitimų.

Savo ruožtu mes manome, kad tai bus laipsniška evoliucija ir tol, kol būsite informuoti apie tai, kas vyksta, nieko nebijote. Nauji automobiliai ar šaldytuvai jums gali atrodyti keistai, tačiau aš tikrai nemanau, kad pamatysime „stiprių PG“ pabudimą .

Mes rekomenduojame perskaityti geriausius nešiojamuosius kompiuterius rinkoje

Galiausiai turime pripažinti, kad nesame dirbtinio intelekto ar mašininio mokymosi ekspertai, todėl nenustebkite dėl keistų duomenų. Jei mes padarėme klaidą, nedvejodami pasakykite mums! Galų gale, mes dar nesame tobulos mašinos.

O jūs, ką manote apie mašinų mokymąsi ir dirbtinį intelektą ? Kuriais aspektais, jūsų manymu, reikėtų juos įgyvendinti? Pasidalykite savo idėjomis žemiau.

Protingas „Dataapdsaslagaceta“ yra naujas šriftas