Підручники

Машинне навчання: що це таке і які стосунки з ним?

Зміст:

Anonim

Сьогодні ми хочемо більш глибоко навчити вас одному із термінів, який здійснив революцію та змінить деякі взаємодії, як ми їх знаємо. Ми говоримо про штучний інтелект та його найбільш специфічну галузь, машинне навчання або автоматичне навчання.

Як ви можете знати, обчислювальна техніка постійно змінюється, і те, що ми можемо придбати, як правило, не є максимально можливим.

Наприклад, поки ми розробляємо 4-е покоління PCI-Express , дослідники вже розробляють PCIe Gen 5 і вивчають стрибок до 6-го . З цієї ж причини не рідко знаходити технології, про які ми не знали, виконуючи завдання, про які ми ніколи не чули.

Але перш ніж піти далі, давайте звузимо тему, про яку ми будемо говорити, бо що таке машинне навчання ?

Зміст індексу

Що таке машинне навчання ?

Машинне навчання - це специфічна галузь інформатики та штучного інтелекту, де створюються системи, здатні до автоматичного навчання.

Ця галузь розпочала своє вивчення та розвиток близько 80-х років, і сьогодні вона досить розвинена. З цієї ж причини і штучний інтелект, і машинне навчання використовуються у багатьох наукових та побутових сферах.

У цій галузі ІС складаються з одного або декількох алгоритмів, здатних обробляти велику кількість даних і відповідно навчатися. Дві ключові ідеї, на яких орбіти цієї теми:

  • Система повинна вміти аналізувати дані та формувати навички, яких вона не мала при народженні. Розвідка повинна вміти виконувати роботу автономно, тобто без нагляду людини.

У реальному світі ми маємо практичні приклади, такі як класифікація спаму в електронних листах, пов’язані з цим рекомендації щодо Amazon або передбачення майбутнього з використанням даних компанії. Останній - цікавий розділ, на який роблять ставки все більше компаній.

Використовуючи машинне навчання, ми можемо побачити, які зразки визначають незадоволених клієнтів чи колишніх клієнтів, щоб спробувати покращити стосунки з іншими користувачами в тому ж стані. Стажування, кількість скарг, укладені плани та інші вивчаються для створення певних профілів. Після того, як висновки ШІ будуть зроблені, група маркетингових експертів може створити конкретну кампанію для боротьби з цими проблемами.

Таким чином, компанія може створити плани щодо залучення або утримання клієнтів на основі певних припущень і переходить від реактивної стратегії до проактивної. Це дуже цікава тактика, яка використовує Штучний інтелект , велику кількість даних та машинне навчання .

Як навчаються штучному інтелекту ?

Для підготовки штучного інтелекту він повинен пройти різні етапи:

  1. Спершу він проходить через контрольоване середовище. Тут ви вводите велику кількість даних та їх відповідні результати, за допомогою яких ви зможете створити зв’язки між ідеями. Ця частина називається наглядовим навчанням . Потім ви потрапляєте у вільне та безвідповідальне середовище, де AI сам повинен буде вибрати результат. Знаючи, правильні чи відповіді, ви створюєте нові правила в своєму алгоритмі. Цей етап називається Непідконтрольне навчання . Нарешті, для нього готується середовище, де він хитається. Якщо, наприклад, вам важко розмежувати зображення з низькою освітленістю, можливо, ви будете навчатися з нічними фотографіями. Ця фаза називається підсиленням навчання. Процес можна виконати з кроку 2 стільки разів, скільки ви хочете вдосконалити інтелект .

Узагальнена схема машинного навчання

Практичним прикладом буде показати AI десять мільйонів фотографій і сказати, хто такі собаки, а які - ні. Тут він розповість, що собаки зазвичай мають хутро, вони зазвичай ходять на чотирьох ногах і є різні форми і розміри залежно від породи.

Після цього йому дають мільйон фотографій для класифікації. Тут ви повинні відповісти, чи є на фото собака чи ні, і відповідно до того, ви створюватимете нові "ідеї" у своїй базі даних. Для реалізації цих нових даних Intelligence встановить нові правила в своєму алгоритмі, і тепер, наприклад, він зможе відрізняти собак від котів.

Нарешті, вивчається його ефективність і готуються нові фотографії, щоб тренувати його слабкі місця.

Звичайно, це проста і дуже повторена система демонстрації, але є й інші більш експериментальні та своєрідні методи.

Тей, бот Twitter

Нещодавній випадок експериментальної підготовки став Тей , AI, розроблений Microsoft, покликаний навчитися виражати себе людиною.

Профіль Тейва в Twitter

Бот був запрограмований спочатку говорити як 19-річна дівчинка, і 23 березня 2016 року її випустили у темних місцях Twitter.

Ви були запрограмовані спілкуватися з громадою та вчитися з отриманих повідомлень, а також взаємодії з користувачами. Її навчання було майже повністю автономним, хоча її довелося відкликати через 16 годин для прояву негативної поведінки.

За короткий термін свого життя він написав понад 96000 твітів. Однак навмисна образлива поведінка цієї соціальної мережі зробила її швидше, ніж скоро, щоб відповісти Тей расистськими та іншими фразами.

У цьому випадку наглядове навчання та ряд основних правил повинні були бути належним чином переглянуті. Знаючи безтурботний і образливий тон соціальної мережі, Тей не була готова відмежувати реальне від саркастичного. З цієї ж причини деяким користувачам вдалося легко "зламати" "інтелектуальний бар'єр" інтелекту .

Програми машинного навчання в реальному світі

Ми вже розповідали вам про деякі щоденні використання, які, можливо, ви вже знали про машинне навчання , але які інші випадки існують.

Нижче ви побачите серію практичних застосувань цієї технології у найбільш поширених проблемах. Звичайно, це передові рішення, тому зазвичай вони вимагають значно більше грошей.

Здоров'я

Досліджується технологія нового типу одягу, здатного зчитувати інформацію про наше тіло. Це може бути в змозі прочитати наш пульс, дихання чи тривогу.

Ці дані зчитуються розвідкою, яка оцінює стан пацієнта в режимі реального часу. Тож якщо у вас є така проблема, як серцевий напад у визначений час, ви можете поставити діагноз та / або відповісти швидше.

З іншого боку, у деяких людей реалізовані боти, здатні виявляти суїцидальні думки. Відомий Facebook Intelligence читає розмови та вашу активність, щоб розпізнати закономірності суїцидальних тенденцій, хоча є й інші версії, які більш уважно вивчають поведінку людини, її тон голосу та мову тіла.

Фінанси

В економіці деякі банки та компанії використовували рішення на основі машинного навчання для виявлення та запобігання шахрайству.

З іншого боку, щось подібне також використовується для легшого визначення можливостей інвестування. Він також використовується для вирішення, коли продавати або купувати акції та інші засоби.

Маркетинг

Про це ми вже згадували, але це одне з найвідоміших його застосувань.

Вам станеться, коли ви побачите пару продуктів на Amazon , увійдете у Facebook, Google чи Instagram та побачите саме цей продукт у своїх оголошеннях. Це не випадково, оскільки соціальні мережі та Google реалізують Intelligences, які вивчають вашу історію та ваші можливі інтереси, щоб захопити їх там, де вони можуть.

Деякі користувачі вважають це нав'язливим способом "нападу" на користувача, і це не дивно, оскільки вони бомбардують вас ідеєю. Однак реклама рухатиметься в тому напрямку, оскільки вона більш особиста, а реклама буде орієнтована на потенційних покупців.

Машинне навчання та глибоке навчання

Ці два терміни зазвичай йдуть рука об руку, але вони не зовсім однакові. У наступних статтях ми поговоримо про цей другий термін, оскільки це щось, що заслуговує на вивчення.

РЕКОМЕНДУЄМО ВАС Як видалити драйвери AMD чисто та легко

Загалом, ми могли б встановити взаємозв'язок між машинним та глибоким навчанням як тією, яку мають штучний інтелект та машинне навчання . Глибоке навчання - це ще більш специфічна галузь машинного навчання .

Він ділиться ключовими розділами, такими як еволюція за часом та досвідом, але має ще одну низку відмінностей.

Спрощене глибоке навчання

Її основою для вивчення та обробки даних є використання різних шарів, які діють так, ніби вони нейрони. Тому ми могли б встановити, що ці Intelligences зазвичай більш досконалі, але також складніші і дорогіші для побудови.

Хоча якщо ця тема вас більше цікавить, слідкуйте за веб-сайтом та відвідайте наступну статтю про глибоке навчання .

Як далеко ми від Skynet ?

У нас є цей розділ для самих мрійливих умів.

Це дуже повторювана тема в книгах, фільмах та ін. Не дарма існує саме жанр чи тема під назвою Cyberpunk . Однак далеко не ті футуристичні дистопії, які контролюються Штучним інтелектом , нашим машинам ще належить пройти довгий шлях.

Розумний робот Rick & Morty

Сьогоднішні системи машинного навчання належать до групи « слабких ШІ». Як ми бачили, ці Intelligences здатні лише розуміти закономірності та робити прості відрахування. Вони дуже корисні, щоб підтримати нас у певних контекстах, але вони зовсім не є автономними системами.

З іншого боку, у нас були б "сильні ШІ" , представлені у футуристичних історіях, де вони рівні або набагато розумніші, ніж люди. Ми можемо знайти помітні приклади в популярній культурі, такі як "Матриця" , "Термінатор" , "Привид у раковині" або "Ореол" . Насправді в цьому списку є два твори, які пов’язані між собою; Відгадайте, які з них?

Сьогодні ми все ще розробляємо повністю автономні та безпечні машини . Ми постійно просуваємось, але ми все ще маємо спосіб розвинути рівноправний факт, повністю виготовлений з технологій.

Якщо ви хочете дізнатися більше про це, ви можете відвідати нашу статтю про штучний інтелект . Це текст з більш загальної точки зору, і ми трохи вивчаємо можливі наслідки, які матиме ця технологія.

Заключні слова з машинного навчання

Подібно до нашого висновку з питань штучного інтелекту, зрозуміло, що майбутнє не визначене. Однак неминуче еволюція потребує перегляду для впровадження технології серед її навичок та характеристик.

Потроху Інтернет буде більше і краще контролюватися програмами та алгоритмами. Соціальні мережі будуть краще відкалібровані і пропонують нам вміст більше на наш смак. І, нарешті, онлайн-відносини будуть набагато безпечнішими, виявляючи їх легше, коли є небезпека шахрайства тощо.

З іншого боку, не дивуйтеся, що це століття, коли буде блищати IoT (Інтернет речей) . Це ідея, про яку ми мріяли давно і яка наближається. Крім того, IoT є великим учасником передових технологій, пов'язаних з машинним навчанням, хоча йому все ще не вистачає певних коригувань щодо безпеки.

Зі свого боку, ми вважаємо, що це буде поступовою еволюцією, і поки ви поінформовані про те, що відбувається, вам нічого боятися. Нові автомобілі чи холодильники можуть здатися вам дивними, але я, звичайно, не думаю, що ми побачимо пробудження "сильних ШІ".

Ми рекомендуємо прочитати найкращі ноутбуки на ринку

Нарешті, ми мусимо зізнатися, що ми не є експертами зі штучного інтелекту чи машинного навчання , тому не дивуйтеся якимось дивним даним. Якщо ми помилилися, повідомте нам! Адже ми ще не досконалі машини.

А ви, що ви думаєте про машинне навчання та штучний інтелект ? В якому аспекті, на вашу думку, вони повинні бути реалізовані? Поділіться своїми ідеями нижче.

Розумний шрифт Dataapdsaslagacetawhatsnew

Підручники

Вибір редактора

Back to top button