Mašīnmācība: kas tas ir un kādas ir tā attiecības ar ai?

Šodien mēs vēlamies iemācīt jums padziļināti vienu no terminiem, kas ir radījis revolūciju un radīs revolūciju dažās mijiedarbībās, kā mēs viņus pazīstam. Mēs runājam par mākslīgo intelektu un tā specifiskāko nozari, mašīnmācīšanos vai automātisko mācīšanos.

Kā jūs jau zināt, skaitļošana vienmēr mainās, un tas, ko mēs varam iegādāties, parasti nav tik moderns, cik iespējams.

Piemēram, kamēr mēs izstrādājam PCI-Express 4. paaudzi , pētnieki jau izstrādā PCIe Gen 5 un pēta pāreju uz 6. paaudzi . Šī paša iemesla dēļ nav nekas neparasts atrast tehnoloģijas, par kurām mēs nezinājām, veicot uzdevumus, par kuriem vēl nebijām dzirdējuši.

Bet pirms mēs dodamies tālāk, sašaurināsim tēmu, par kuru mēs runāsim, jo, kas ir mašīnmācība ?

Satura rādītājs

Kas ir mašīnmācība ?

Mašīnmācība ir īpaša datorzinātnes un mākslīgā intelekta nozare, kurā tiek izveidotas automātiskai mācīšanai spējīgas sistēmas.

Šī filiāle sāka studijas un attīstību ap 80. gadiem, un šodien tā ir diezgan attīstīta. Šī paša iemesla dēļ gan mākslīgais intelekts , gan mašīnmācība tiek izmantoti daudzās zinātnes un ikdienas jomās.

Šajā filiālē AI veido viens vai vairāki algoritmi, kas spēj apstrādāt lielu datu daudzumu un attiecīgi mācīties. Divas galvenās idejas, par kurām šī tēma riņķo:

• Sistēmai jāspēj analizēt datus un veidot prasmes, kādas tai nebija dzimšanas brīdī. Inteliģencei jāspēj darbu veikt autonomi, tas ir, bez cilvēka uzraudzības.

Reālajā pasaulē mums ir praktiski piemēri, piemēram, surogātpasta klasifikācija e-pastos, saistīti ieteikumi vietnē Amazon vai nākotnes prognozes, izmantojot uzņēmuma datus. Pēdējā ir interesanta sadaļa, kurā arvien vairāk uzņēmumu izdara derības.

Izmantojot mašīnu apguvi, mēs varam redzēt, kādi modeļi identificē neapmierinātus klientus vai bijušos klientus, lai mēģinātu uzlabot attiecības ar citiem lietotājiem tādā pašā stāvoklī. Lai izveidotu noteiktus profilus, tiek pētīts vecums, sūdzību skaits, noslēgti līgumi un citi . Kad ir izdarīti AI secinājumi, mārketinga ekspertu grupa var izveidot īpašu kampaņu šo problēmu apkarošanai.

Tādējādi uzņēmums var izveidot plānus klientu piesaistīšanai vai noturēšanai, balstoties uz noteiktiem pieņēmumiem un pārejot no reaģējošas stratēģijas uz proaktīvu. Tā ir ļoti interesanta taktika, kurā tiek izmantots mākslīgais intelekts , liels datu apjoms un mašīnmācība .

Kā tiek apmācīts mākslīgais intelekts ?

Lai sagatavotu mākslīgo intelektu, tam jāiziet dažādas fāzes:

1. Vispirms tas iziet cauri kontrolētai videi. Šeit ievadāt lielu datu daudzumu un to attiecīgos rezultātus, ar kuriem jūs varat izveidot attiecības starp idejām. Šī daļa tiek saukta par uzraudzītu mācīšanos . Tad jūs nonāksit brīvā un neatbildētā vidē, kurā AI būs jāizvēlas rezultāts. Uzzinot, vai jūsu atbildes ir pareizas vai nē, jūs izveidojat jaunus noteikumus savā algoritmā. Šo posmu sauc par neuzraudzītu mācīšanos . Visbeidzot, viņam tiek sagatavota vide, kurā viņš nomāc. Ja, piemēram, jums ir grūti atšķirt attēlus vājā apgaismojumā, jūs varat apmācīt ar nakts fotoattēliem. Šo posmu sauc par pastiprināšanas mācīšanos. Procesu var veikt no 2. soļa tik reižu, cik vēlaties precizēt intelektu .

Mašīnmācības vispārināta shēma

Praktisks piemērs būtu parādīt AI desmit miljonu fotoattēlu un pateikt viņiem, kuri ir suņi un kuri nav. Šeit viņš stāstīs, ka suņiem parasti ir kažokādas, tie parasti iet uz četrām kājām, un atkarībā no šķirnes ir dažādas formas un izmēri.

Pēc tam viņam tiek piešķirts miljons fotoattēlu, lai tos klasificētu. Šeit jums ir jāatbild, vai fotoattēlā ir vai nav suns, un atkarībā no tā, vai jūs izveidosit jaunas “idejas” savā datu bāzē. Lai ieviestu šos jaunos datus, inteliģence savā algoritmā izveidos jaunus noteikumus, un tagad, piemēram, tas spēs atšķirt suņus no kaķiem.

Visbeidzot, tiek pētīta viņa efektivitāte un sagatavotas jaunas fotogrāfijas, lai apmācītu viņa vājās vietas.

Protams, šī ir vienkārša un ļoti atkārtota demonstrācijas sistēma, taču ir arī citas eksperimentālākas un savdabīgākas metodes.

Tā, Twitter bot

Nesenais eksperimentālo apmācību gadījums bija Tay , AI, kuru izstrādāja Microsoft un kas bija paredzēts, lai iemācītos izteikt sevi kā cilvēku.

Tay's Twitter profils

Bots bija ieprogrammēts tā, lai sākotnēji runātu kā 19 gadus veca meitene, un 2016. gada 23. martā viņa tika atbrīvota Twitter tumšajās vietās .

Jūs bijāt ieprogrammēts runāt ar sabiedrību un mācīties no saņemtajiem ziņojumiem, kā arī mijiedarbības ar lietotājiem. Viņas mācīšanās bija gandrīz pilnīgi autonoma, lai gan pēc negatīvas izturēšanās izrādīšanas viņai bija jāatsakās pēc 16 stundām.

Īsā dzīves laikā viņš tvīda vairāk nekā 96 000 tvītu. Tomēr šī sociālā tīkla tīša aizskaroša rīcība ļāva ātrāk nekā drīz Tay atbildēt ar rasistiskām un citām frāzēm.

Šajā gadījumā pārraudzītā mācīšanās un pamatnoteikumu sērija bija pienācīgi jāpārskata. Zinot sociālā tīkla bezrūpīgo un aizskarošo toni, Tajs nebija gatavs atšķirt reālo no sarkastiskā. Tā paša iemesla dēļ dažiem lietotājiem izdevās viegli "pārkāpt " intelekta "intelektuālo barjeru" .

Mašīnmācības programmas reālajā pasaulē

Mēs jau stāstījām par dažiem ikdienas lietojumiem, kurus jūs, iespējams, jau zinājāt par mašīnu apguvi , bet kādi citi gadījumi pastāv.

Zemāk redzēsit virkni šīs tehnoloģijas praktisko pielietojumu visbiežāk sastopamajās problēmās. Protams, tie ir progresīvi risinājumi, tāpēc arī tie parasti prasa ievērojami vairāk naudas.

Veselība

Tiek pētīta jauna veida apģērba tehnoloģija, kas spēj nolasīt informāciju par mūsu ķermeni. Tas, iespējams, varētu nolasīt mūsu pulsu, elpošanu vai nemieru.

Šos datus nolasa inteliģence, kas reālā laikā novērtē pacienta stāvokli. Tātad, ja jums ir kāda problēma, piemēram, sirdslēkme noteiktā laikā, varat ātrāk diagnosticēt un / vai reaģēt.

No otras puses, dažiem cilvēkiem ir ieviesti roboti, kas spēj noteikt pašnāvības domas. Slavenajā Facebook izlūkošanā tiek lasītas sarunas un jūsu darbība, lai atpazītu pašnāvības tendenču modeļus, lai gan ir arī citas versijas, kas rūpīgāk izpēta cilvēka uzvedību, viņa balss toni un ķermeņa valodu.

Finanses

Ekonomikā dažas bankas un uzņēmumi ir izmantojuši uz Machine Learning balstītus risinājumus, lai atklātu un novērstu krāpšanu.

No otras puses, kaut kas līdzīgs tiek izmantots arī, lai vieglāk identificētu ieguldījumu iespējas. To izmanto arī, lai izlemtu, kad pārdot vai pirkt akcijas un citus līdzekļus.

Mārketings

To mēs jau pieminējām, taču tas ir viens no pazīstamākajiem lietojumiem.

Jums būs gadījies redzēt pāris produktus Amazon , ieiet Facebook, Google vai Instagram un redzēt reklāmās tikai šo produktu. Tā nav nejaušība, jo sociālie tīkli un Google īsteno izlūkdatus, kas pēta jūsu vēsturi un iespējamās intereses, lai tos attēlotu tur, kur var.

Daži lietotāji to uzskata par uzmācīgu lietotāju uzbrūkošu veidu, un tas nav pārsteidzoši, jo viņi tevi bombardē ar ideju. Tomēr reklāma tiks virzīta šajā virzienā, jo tā ir personiskāka un reklāmas tiks mērķētas uz potenciālajiem pircējiem.

Mašīnmācība un padziļināta mācīšanās

Šie divi termini parasti iet roku rokā, taču tie nav pilnīgi atšķirīgi . Turpmākajos rakstos mēs runāsim par šo otro sasaukumu, jo tas ir kaut kas tāds, kas ir pelnījis mācīties.

Mēs iesakām jums to, kā tīri un viegli atinstalēt AMD draiverus

Kopumā mēs varētu izveidot sakarību starp mašīnmācību un dziļo mācīšanos kā mākslīgā intelekta un mašīnmācīšanās saistību. Dziļā apmācība ir vēl specifiskāka mašīnmācīšanās nozare.

Tajā ir kopīgas sadaļas, piemēram, evolūcija laika gaitā un pieredze, taču tai ir vēl viena atšķirību virkne.

Vienkāršota dziļa mācīšanās

Tās pamats datu apgūšanai un apstrādei ir dažādu slāņu izmantošana, kas darbojas tā, it kā tie būtu neironi. Tāpēc mēs varētu noteikt, ka šie izlūkdati parasti ir izsmalcinātāki, bet arī sarežģītāki un dārgāki.

Lai gan, ja jūs vairāk interesē šī tēma, sekojiet vietnei un apmeklējiet mūsu nākamo rakstu par dziļo mācīšanos .

Cik tālu mēs esam no Skynet ?

Mums ir šī sadaļa sapņainākajiem prātiem.

Šī ir ļoti atkārtota tēma grāmatās, filmās un citur. Ne velti ir precīzi kāds žanrs vai tēma ar nosaukumu Cyberpunk . Tomēr tālu no tām futūristiskajām distopijām, kuras kontrolē mākslīgais intelekts , mūsu mašīnām vēl ir tāls ceļš ejams.

Rick & Morty viedais robots

Mūsdienu mašīnmācīšanās sistēmas pieder “ vājo AI” grupai . Kā mēs redzējām, šie inteliģenti spēj tikai saprast modeļus un veikt vienkāršus atskaitījumus. Tie ir ļoti noderīgi, lai mūs atbalstītu noteiktos kontekstos, taču tie nepavisam nav autonomas sistēmas.

No otras puses, mums būtu “spēcīgās AI” , tās, kuras pārstāvētas futūristiskos stāstos, kur viņi ir līdzvērtīgi vai daudz saprātīgāki nekā cilvēki. Mēs varam atrast ievērojamus populārās kultūras piemērus, piemēram, “Matrix” , “Terminator” , “Ghost in the Shell” vai “Halo” . Faktiski šajā sarakstā ir divi darbi, kas ir saistīti viens ar otru; Uzmini kādus?

Šodien mēs joprojām izstrādājam pilnībā autonomas un drošas automašīnas . Mēs nepārtraukti progresējam, taču mums joprojām ir veids, kā attīstīt līdzvērtīgu faktu, kas pilnībā sastāv no tehnoloģijām.

Ja vēlaties uzzināt vairāk par to, varat apmeklēt mūsu rakstu par mākslīgo intelektu . Tas ir teksts no vispārīgāka viedokļa, un mēs mazliet izpētīsim iespējamās sekas, kas šai tehnoloģijai būs.

Nobeiguma vārdi par mašīnu apguvi

Līdzīgi kā mūsu secinājumos par mākslīgo intelektu, ir skaidrs, ka nākotne ir neskaidra. Tomēr ir neizbēgami, ka evolūcija būs jāpārskata, lai ieviestu tehnoloģiju starp tās prasmēm un īpašībām.

Pamazām internetu vairāk un labāk kontrolēs programmas un algoritmi. Sociālie tīkli būs labāk kalibrēti un vairāk piedāvās saturu mūsu gaumei. Visbeidzot, tiešsaistes attiecības būs daudz drošākas, vieglāk atklājot, kad pastāv krāpšanās draudi vai tamlīdzīgi.

No otras puses, nebrīnieties, ka šis gadsimts ir tas, kad IoT (lietu internets) spīdēs. Tā ir ideja, par kuru mēs jau ilgi sapņojam, un tā tiek tuvināta. Turklāt IoT ir liels solītājs modernajām tehnoloģijām, kas saistītas ar mašīnu mācīšanos, lai gan tai joprojām nav zināmu pielāgojumu attiecībā uz drošību.

No savas puses mēs domājam, ka tā būs pakāpeniska attīstība, un kamēr vien jūs esat informēts par notiekošo, jums nav no kā baidīties. Jaunas automašīnas vai ledusskapji jums var likties dīvaini, bet es noteikti nedomāju, ka mēs redzēsim “spēcīgu AI” pamodināšanu .

Mēs iesakām izlasīt labākos klēpjdatorus tirgū

Visbeidzot, mums jāatzīstas, ka mēs neesam mākslīgā intelekta vai mašīnmācības eksperti, tāpēc nebrīnieties par dažiem dīvainiem datiem. Ja mēs esam pieļāvuši kļūdu, nevilcinieties mums to pateikt! Galu galā mēs vēl neesam perfektas mašīnas.

Un jūs, ko jūs domājat par mašīnmācīšanos un mākslīgo intelektu ? Kurā aspektā, jūsuprāt, tie būtu jāīsteno? Kopīgojiet savas idejas zemāk.

Gudrs Dataapdsaslagacetawhatsjauns fonts