Uczenie maszynowe: co to jest i jaki jest jego związek z AI?

Dziś chcemy nauczyć cię głębiej jednego z terminów, które zrewolucjonizowały i zrewolucjonizują niektóre znane nam interakcje. Mówimy o sztucznej inteligencji i jej najbardziej specyficznej branży, uczeniu maszynowym lub uczeniu automatycznym.

Jak zapewne wiesz, informatyka jest stale rozwijana, a to, co możemy kupić, nie jest zwykle tak nowatorskie, jak to tylko możliwe.

Na przykład, podczas opracowywania czwartej generacji PCI-Express , badacze już opracowują PCIe Gen 5 i badają przejście do szóstej . Z tego samego powodu często zdarza się znaleźć technologie, o których nie mieliśmy pojęcia, wykonując zadania, o których nigdy nie słyszeliśmy.

Ale zanim przejdziemy dalej, zawęźmy temat, o którym będziemy rozmawiać, ponieważ czym jest uczenie maszynowe ?

Indeks treści

Co to jest uczenie maszynowe ?

Uczenie maszynowe to szczególna dziedzina informatyki i sztucznej inteligencji, w której tworzone są systemy zdolne do automatycznego uczenia się .

Ta gałąź rozpoczęła badania i rozwój około lat 80., a dziś jest dość rozwinięta. Z tego samego powodu zarówno sztuczna inteligencja , jak i uczenie maszynowe są wykorzystywane w wielu dziedzinach naukowych i codziennych.

W tej gałęzi AI składają się z jednego lub więcej algorytmów zdolnych do przetwarzania dużych ilości danych i uczenia się odpowiednio. Dwie kluczowe idee, wokół których krąży ten temat:

• System musi być w stanie analizować dane i budować umiejętności, których nie miał na początku. Inteligencja musi być w stanie wykonywać pracę samodzielnie, to znaczy bez nadzoru człowieka.

W prawdziwym świecie mamy praktyczne przykłady, takie jak klasyfikacja spamu w wiadomościach e-mail, powiązane rekomendacje dotyczące Amazon lub prognozy na przyszłość na podstawie danych firmy. Ta ostatnia jest interesującą sekcją, na którą coraz więcej firm stawia zakłady.

Za pomocą uczenia maszynowego możemy zobaczyć, jakie wzorce identyfikują niezadowolonych klientów lub byłych klientów, aby spróbować poprawić relacje z innymi użytkownikami w tym samym stanie. Starszeństwo, liczba skarg, zakontraktowane plany i inne są badane w celu stworzenia określonych profili. Po wyciągnięciu wniosków AI grupa ekspertów ds. Marketingu może stworzyć specjalną kampanię w celu zwalczania tych problemów.

W ten sposób firma może tworzyć plany przyciągania lub utrzymywania klientów w oparciu o pewne założenia i przechodzi od strategii reaktywnej do proaktywnej. To bardzo interesująca taktyka wykorzystująca sztuczną inteligencję , duże ilości danych i uczenie maszynowe .

Jak trenuje się sztuczną inteligencję ?

Aby sztuczna inteligencja była przygotowana, musi przejść przez różne fazy:

1. Najpierw przechodzi przez kontrolowane środowisko. Tutaj wprowadzasz dużą ilość danych i odpowiadające im wyniki, dzięki którym możesz tworzyć relacje między pomysłami. Ta część nazywa się nauczaniem nadzorowanym . Następnie zostaniesz przeniesiony do wolnego i nieodebranego środowiska, w którym sama sztuczna inteligencja będzie musiała wybrać wynik. Wiedząc, czy twoje odpowiedzi są poprawne, czy nie, tworzysz nowe reguły w algorytmie. Ten etap nosi nazwę uczenia się bez nadzoru . Wreszcie, przygotowuje się dla niego środowisko, w którym się chwieje. Jeśli na przykład trudno ci rozróżnić obrazy w słabym świetle, możesz zostać przeszkolony w zakresie zdjęć nocnych. Ta faza nazywana jest uczeniem się przez wzmocnienie. Proces ten można wykonać od kroku 2 tyle razy, ile chcesz, aby dostroić Inteligencję .

Ogólny schemat uczenia maszynowego

Praktycznym przykładem byłoby pokazanie AI 10 milionów zdjęć i powiedzenie im, które są psami, a które nie. Opowie on o tym, że psy zazwyczaj mają futro, zwykle mają cztery nogi i są różne kształty i rozmiary w zależności od rasy.

Następnie otrzymuje milion zdjęć do sklasyfikowania. Tutaj musisz odpowiedzieć, czy na zdjęciu jest pies, i czy w swojej bazie danych stworzysz nowe „pomysły” . Aby wdrożyć te nowe dane, Intelligence ustanowi nowe reguły w swoim algorytmie, a teraz, na przykład, będzie w stanie odróżnić psy od kotów.

Na koniec badana jest jego skuteczność i przygotowywane są nowe zdjęcia, aby trenować jego słabe punkty.

Oczywiście jest to prosty i bardzo powtarzany system demonstracji, ale istnieją inne bardziej eksperymentalne i osobliwe metody.

Tay, bot na Twitterze

Niedawnym przypadkiem szkolenia eksperymentalnego była Tay , sztuczna inteligencja opracowana przez Microsoft, zaprojektowana do nauki wyrażania siebie jako człowiek.

Profil Tay na Twitterze

Bot został zaprogramowany tak, aby początkowo mówić jako 19-letnia dziewczynka, a 23 marca 2016 r. Została wypuszczona w ciemne miejsca na Twitterze.

Zostałeś zaprogramowany, aby rozmawiać ze społecznością i uczyć się na podstawie otrzymanych wiadomości, a także interakcji z użytkownikami. Jej nauka była prawie całkowicie autonomiczna, chociaż musiała zostać wycofana po 16 godzinach za wykazanie negatywnych zachowań.

W krótkim okresie swojego życia opublikował ponad 96 000 tweetów. Jednak celowe zachowanie ofensywne tej sieci społecznościowej sprawiło, że Tay szybko zareagował rasistowskimi i innymi zwrotami.

W takim przypadku nadzorowane uczenie się i szereg podstawowych zasad powinny zostać należycie zmienione. Znając beztroski i obraźliwy ton sieci społecznościowej, Tay nie był przygotowany do odróżnienia rzeczywistości od sarkastycznej. Z tego samego powodu niektórym użytkownikom udało się łatwo „przełamać” „barierę intelektualną” inteligencji .

Aplikacje uczenia maszynowego w prawdziwym świecie

Powiedzieliśmy już o niektórych codziennych zastosowaniach, które być może wiesz o uczeniu maszynowym , ale o innych przypadkach.

Poniżej zobaczysz szereg praktycznych zastosowań tej technologii w najczęstszych problemach. Oczywiście są to najnowocześniejsze rozwiązania, dlatego zwykle wymagają znacznie więcej pieniędzy.

Zdrowie

Badana jest technologia nowego rodzaju odzieży zdolnej do odczytywania informacji o naszym ciele. Może być w stanie odczytać nasz puls, oddech lub lęk.

Dane te są odczytywane przez wywiad, który ocenia stan pacjenta w czasie rzeczywistym. Więc jeśli masz problem, taki jak zawał serca w określonym czasie, możesz szybciej zdiagnozować i / lub zareagować.

Z drugiej strony niektóre boty zdolne do wykrywania myśli samobójczych zostały zaimplementowane u niektórych osób. Słynny wywiad na Facebooku odczytuje rozmowy i twoją aktywność, aby rozpoznać wzorce skłonności samobójczych, chociaż istnieją inne wersje, które badają bliżej zachowanie osoby, jej ton głosu i mowę ciała.

Finanse

W dziedzinie ekonomii niektóre banki i firmy korzystały z rozwiązań opartych na uczeniu maszynowym do wykrywania oszustw i zapobiegania im.

Z drugiej strony, coś podobnego służy również do łatwiejszej identyfikacji możliwości inwestycyjnych. Służy również do decydowania, kiedy sprzedać lub kupić akcje i inne środki.

Marketing

Wspomnieliśmy już o tym, ale jest to jedna z najbardziej znanych aplikacji.

Zdarzyło Ci się zobaczyć kilka produktów na Amazon , wejść na Facebook, Google lub Instagram i zobaczyć tylko ten produkt w swoich reklamach. To nie przypadek, ponieważ sieci społecznościowe i Google wdrażają Inteligencje, które badają Twoją historię i potencjalne zainteresowania, aby uchwycić je tam, gdzie to możliwe.

Niektórzy użytkownicy postrzegają to jako natrętny sposób „atakowania” użytkownika i nie jest to zaskakujące, ponieważ bombardują cię pomysłem. Jednak reklama będzie się poruszać w tym kierunku, ponieważ jest bardziej osobista, a reklamy będą kierowane do potencjalnych nabywców.

Uczenie maszynowe i głębokie uczenie się

Te dwa terminy zwykle idą w parze, ale nie są dokładnie takie same. W przyszłych artykułach porozmawiamy o tym drugim semestrze, ponieważ zasługuje on na naukę.

ZALECAMY Jak łatwo i łatwo odinstalować sterowniki AMD

Ogólnie rzecz biorąc, moglibyśmy ustalić związek między uczeniem maszynowym a uczeniem głębokim jako tym, który ma sztuczna inteligencja i uczenie maszynowe . Głębokie uczenie się jest jeszcze bardziej szczegółową gałęzią uczenia maszynowego .

Dzieli kluczowe sekcje, takie jak ewolucja w czasie i doświadczenie, ale ma inną serię różnic.

Uproszczone głębokie uczenie się

Podstawą uczenia się i przetwarzania danych jest użycie różnych warstw, które działają tak, jakby były neuronami. Dlatego moglibyśmy ustalić, że Inteligencje te są zwykle bardziej wyrafinowane, ale także bardziej skomplikowane i kosztowne w budowie.

Jeśli jednak jesteś bardziej zainteresowany tym tematem, zaglądaj na stronę internetową i odwiedź nasz następny artykuł na temat głębokiego uczenia się .

Jak daleko jesteśmy od Skynet ?

Mamy tę sekcję dla najbardziej marzycielskich umysłów.

To bardzo powtarzany temat w książkach, filmach i innych. Nie bez powodu istnieje gatunek lub motyw zwany Cyberpunk . Jednak dalekie od futurystycznych dystopii kontrolowanych przez Sztuczną Inteligencję , nasze maszyny wciąż mają przed sobą długą drogę.

Inteligentny robot Rick & Morty's

Dzisiejsze systemy uczenia maszynowego należą do grupy „ słabych AI”. Jak widzieliśmy, te Inteligencje są w stanie zrozumieć jedynie wzorce i dokonywać prostych dedukcji. Są bardzo przydatne do wspierania nas w określonych kontekstach, ale wcale nie są systemami autonomicznymi.

Z drugiej strony mielibyśmy „silnych AI” , reprezentowanych w futurystycznych opowieściach, w których są równi lub znacznie inteligentniejsi od ludzi. Możemy znaleźć godne uwagi przykłady w kulturze popularnej, takie jak „Matrix” , „Terminator” , „Ghost in the Shell” lub „Halo” . W rzeczywistości na tej liście są dwie prace, które są ze sobą powiązane; Zgadnij, które?

Dziś wciąż rozwijamy w pełni autonomiczne i bezpieczne samochody . Ciągle się rozwijamy, ale wciąż mamy sposób na wypracowanie równego faktu opartego całkowicie na technologii.

Jeśli chcesz dowiedzieć się więcej na ten temat, możesz odwiedzić nasz artykuł na temat sztucznej inteligencji . Jest to tekst z bardziej ogólnego punktu widzenia i badamy nieco możliwe konsekwencje tej technologii.

Ostatnie słowa na temat uczenia maszynowego

Podobnie do naszego wniosku dotyczącego sztucznej inteligencji, jasne jest, że przyszłość jest niepewna. Jest jednak nieuniknione, że ewolucja będzie wymagać przeglądu w celu wdrożenia technologii wśród jej umiejętności i cech.

Stopniowo Internet będzie coraz lepiej kontrolowany przez programy i algorytmy. Sieci społecznościowe będą lepiej skalibrowane i zaoferują nam więcej treści zgodnie z naszymi upodobaniami. I wreszcie, relacje online będą znacznie bezpieczniejsze dzięki łatwiejszemu wykrywaniu, gdy istnieje niebezpieczeństwo oszustwa lub tym podobne.

Z drugiej strony nie dziw się, że w tym wieku zabłyśnie Internet Rzeczy (Internet of Things) . Jest to idea, o której marzyliśmy od dłuższego czasu i która się zbliża. Ponadto IoT jest dużym oferentem najnowocześniejszych technologii związanych z uczeniem maszynowym, chociaż wciąż nie ma pewnych poprawek dotyczących bezpieczeństwa.

Z naszej strony uważamy, że będzie to stopniowa ewolucja i dopóki jesteś informowany o tym, co się dzieje, nie masz się czego obawiać. Nowe samochody lub lodówki mogą ci się wydawać dziwne, ale z pewnością nie sądzę, że zobaczymy przebudzenie „silnych AI”.

Zalecamy czytanie najlepszych laptopów na rynku

Na koniec musimy wyznać, że nie jesteśmy ekspertami w zakresie sztucznej inteligencji ani uczenia maszynowego , więc nie dziw się dziwnym danym. Jeśli popełniliśmy błąd, nie wahaj się powiedzieć nam! W końcu nie jesteśmy jeszcze doskonałymi maszynami.

A ty, co myślisz o uczeniu maszynowym i sztucznej inteligencji ? Jak myślisz, w jakim aspekcie należy je wdrożyć? Podziel się swoimi pomysłami poniżej.

Clever Dataapdsaslagacetawhatsnew czcionka