Pembelajaran mesin: apakah itu dan apakah hubungannya dengan ai?

Hari ini kami ingin mengajar anda dengan lebih mendalam antara satu istilah yang telah merevolusikan dan akan merevolusikan beberapa interaksi seperti yang kami tahu. Kami bercakap tentang Kecerdasan Buatan dan cawangannya yang paling khusus, Pembelajaran Mesin atau Pembelajaran Automatik.

Seperti yang anda ketahui, pengkomputeran sentiasa dalam evolusi yang berterusan dan apa yang boleh dibeli biasanya tidak begitu canggih.

Sebagai contoh, semasa kita membangun generasi ke - 4 PCI-Express , para penyelidik telah membangun PCIe Gen 5 dan mengkaji lompat ke ke- 6 . Atas sebab yang sama, tidak biasa untuk mencari teknologi yang kita tidak tahu melakukan tugas yang tidak pernah kita dengar.

Tetapi sebelum kita pergi ke mana-mana, mari kita sempit topik yang akan kita bicarakan kerana, apakah Pembelajaran Mesin ?

Indeks kandungan

Apakah Pembelajaran Mesin ?

Pembelajaran Mesin adalah cabang khusus sains komputer dan Kecerdasan Buatan di mana sistem yang mampu pembelajaran automatik dicipta .

Cawangan ini memulakan kajian dan pembangunan sekitar tahun 80an dan hari ini ia agak maju. Atas sebab yang sama, kedua-dua Kecerdasan Buatan dan Pembelajaran Mesin digunakan dalam banyak bidang sains dan setiap hari.

Di cawangan ini, AI terdiri daripada satu atau lebih algoritma yang mampu memproses sejumlah besar data dan belajar sewajarnya. Dua idea utama mengenai topik ini ialah orbit:

• Sistem ini mesti dapat menganalisis data dan membina kemahiran yang tidak ada pada kelahirannya. Perisikan mesti dapat melakukan kerja secara autonomi, iaitu tanpa pengawasan manusia.

Di dunia nyata kita mempunyai contoh praktikal seperti klasifikasi spam dalam e-mel, cadangan berkaitan Amazon atau ramalan masa depan menggunakan data syarikat. Yang terakhir adalah bahagian menarik yang semakin banyak syarikat bertaruh.

Menggunakan Pembelajaran Mesin kita dapat melihat corak apa yang mengenal pasti pelanggan yang tidak berpuas hati atau ex-pelanggan untuk cuba memperbaiki hubungan dengan pengguna lain dalam keadaan yang sama. Kanan, bilangan aduan, pelan kontrak dan lain-lain dipelajari untuk membuat profil tertentu. Apabila kesimpulan AI ditarik, sekumpulan pakar pemasaran boleh membuat kempen tertentu untuk memerangi masalah tersebut.

Oleh itu, syarikat boleh membuat rancangan untuk menarik atau menyimpan pelanggan berdasarkan andaian tertentu dan pergi dari strategi reaktif kepada proaktif. Ia adalah taktik yang sangat menarik yang menggunakan Kecerdasan Buatan , jumlah besar data dan Pembelajaran Mesin .

Bagaimana kecerdasan Buatan terlatih?

Untuk Kecerdasan Buatan untuk dipersiapkan ia harus melalui fasa yang berbeza:

1. Ia melalui persekitaran terkawal terlebih dahulu. Di sini anda memasukkan sejumlah besar data dan keputusan masing-masing dengan mana anda boleh membuat hubungan antara idea-idea. Bahagian ini dipanggil Pembelajaran Terperinci . Kemudian anda dimasukkan ke dalam persekitaran yang bebas dan tidak terjawab di mana AI itu sendiri terpaksa memilih keputusan. Dengan mengetahui sama ada jawapan anda betul atau tidak, anda membuat peraturan baru dalam algoritma anda. Peringkat ini dipanggil Learning Unsupervised . Akhirnya, persekitaran disediakan untuknya di mana dia falters. Jika, contohnya, sukar untuk anda membezakan imej dengan kilauan rendah, mungkin anda dilatih dengan foto malam. Fasa ini dipanggil Penguatkuasaan Penguatkuasaan. Proses ini dapat dilakukan dari langkah 2 sebanyak yang anda ingin menyempurnakan kecerdasan .

Skim umum mengenai Pembelajaran Mesin

Satu contoh praktikal adalah untuk menunjukkan sepuluh juta foto AI dan memberitahu mereka yang anjing dan yang tidak. Di sini dia akan menceritakan bahawa anjing biasanya mempunyai bulu, biasanya mereka pergi ke empat kaki dan ada bentuk dan saiz yang berbeza bergantung pada baka.

Selepas itu, dia diberi satu juta gambar untuk diklasifikasikan. Di sini anda mesti menjawab sama ada anjing dalam foto itu dan mengikut sama ada anda akan membuat 'idea' baharu dalam pangkalan data anda. Untuk melaksanakan data baru ini, Intelijen akan menetapkan peraturan baru dalam algoritmanya dan sekarang, misalnya, ia akan dapat membezakan anjing dari kucing.

Akhirnya kecekapannya dipelajari dan foto-foto baru disediakan untuk melatih mata lemahnya.

Sudah tentu, ini adalah sistem yang mudah dan sangat berulang untuk demonstrasi, tetapi terdapat kaedah lain yang lebih eksperimen dan pelik.

Tay, bot Twitter

Satu kes ujian eksperimen baru-baru ini ialah Tay , AI yang dibangunkan oleh Microsoft yang direka untuk belajar untuk menyatakan dirinya sebagai manusia.

Profil Twitter Tay

Bot itu diprogramkan untuk mula bercakap sebagai seorang gadis berusia 19 tahun dan pada 23 Mac 2016, dia dibebaskan di tempat gelap Twitter.

Anda telah diprogramkan untuk bercakap dengan komuniti dan belajar dari mesej yang anda terima serta interaksi anda dengan pengguna. Pembelajarannya hampir sepenuhnya autonomi, walaupun dia terpaksa ditarik balik selepas 16 jam untuk menunjukkan tingkah laku negatif.

Dalam jangka pendek hidupnya, dia tweet lebih daripada 96, 000 tweet. Bagaimanapun, tingkah laku serangan yang disengajakan dalam rangkaian sosial ini menjadikannya lebih pantas daripada Tay untuk bertindak balas dengan perkauman dan frasa lain.

Dalam kes ini, Pembelajaran yang Diawasi dan siri peraturan asas sepatutnya telah disemak semula dengan sewajarnya. Mengetahui nada yang riang dan menyinggung dari rangkaian sosial, Tay tidak bersedia untuk membezakan yang sebenar dari sarkastik. Atas sebab yang sama, sesetengah pengguna berjaya dengan mudah "memecahkan" "penghalang intelektual" Perisikan .

Aplikasi Pembelajaran Mesin di dunia nyata

Kami telah memberitahu anda mengenai beberapa kegunaan harian yang mungkin anda sudah tahu tentang Pembelajaran Mesin , tetapi apa lagi kes-kes lain.

Di bawah ini anda akan melihat beberapa aplikasi praktikal teknologi ini dalam masalah yang paling biasa. Sudah tentu, mereka adalah penyelesaian canggih, jadi mereka juga biasanya memerlukan lebih banyak wang.

Kesihatan

Teknologi untuk jenis pakaian baru yang mampu membaca maklumat mengenai badan kita sedang dipelajari. Ia mungkin dapat membaca nadi, pernafasan, atau kebimbangan kita.

Data-data ini dibaca oleh Perisikan yang menilai keadaan pesakit dalam masa nyata. Jadi jika anda mempunyai masalah seperti serangan jantung pada masa tertentu, anda boleh mendiagnosis dan / atau bertindak balas dengan lebih cepat.

Sebaliknya, beberapa bot yang mampu mengesan pemikiran bunuh diri telah dilaksanakan di sesetengah orang. Facebook Intelligence terkenal membaca perbualan dan aktiviti anda untuk mengenali pola kecenderungan bunuh diri, walaupun terdapat versi lain yang mempelajari lebih teliti tingkah laku orang itu, nada suara dan bahasa tubuhnya.

Kewangan

Dalam ekonomi, sesetengah bank dan syarikat telah menggunakan penyelesaian berasaskan Pembelajaran Mesin untuk mengesan dan mencegah penipuan.

Sebaliknya, sesuatu yang serupa juga digunakan untuk mengenal pasti peluang pelaburan dengan lebih mudah. Ia juga digunakan untuk menentukan masa untuk menjual atau membeli stok dan cara lain.

Pemasaran

Ini kita telah disebutkan, tetapi ia adalah salah satu aplikasi yang paling terkenal.

Ia akan berlaku kepada anda untuk melihat beberapa produk di Amazon , masukkan Facebook, Google atau Instagram dan lihat hanya produk itu dalam iklan anda. Bukan kebetulan, kerana rangkaian sosial dan Google melaksanakan Intelligence yang mengkaji sejarah dan minat mungkin untuk menangkap mereka di mana mereka boleh.

Sesetengah pengguna melihatnya sebagai cara mengganggu pengguna 'menyerang' dan tidak menghairankan kerana mereka membombardir anda dengan idea. Walau bagaimanapun, iklan akan bergerak ke arah itu kerana ia lebih peribadi dan iklan akan disasarkan kepada bakal pembeli.

Pembelajaran Mesin dan Pembelajaran Deep

Kedua-dua istilah ini biasanya bersatu, tetapi mereka tidak sama. Dalam artikel masa depan kita akan membincangkan istilah kedua ini, kerana ia adalah sesuatu yang patut dipelajari.

KAMI MEREKOMENDASIKAN ANDA Bagaimana untuk memadam pemacu AMD dengan bersih dan mudah

Pada umumnya, kita dapat mewujudkan hubungan antara Pembelajaran Mesin dan Pembelajaran Deep sebagai yang mempunyai Kecerdasan Buatan dan Pembelajaran Mesin . Pembelajaran Deep adalah cawangan Pembelajaran Mesin yang lebih spesifik.

Ia berkongsi bahagian utama seperti evolusi dari masa ke masa dan pengalaman, tetapi ia mempunyai satu lagi siri perbezaan.

Pembelajaran Deep Mudah

Asas untuk data pembelajaran dan pemprosesan adalah menggunakan lapisan berlainan yang bertindak seolah-olah mereka adalah neuron. Oleh itu, kita dapat menegaskan bahawa Intelijen ini biasanya lebih halus, tetapi juga lebih rumit dan mahal untuk dibina.

Walaupun jika anda lebih berminat dalam topik ini, tunggu laman web dan lawati artikel seterusnya mengenai Deep Learning .

Sejauh mana kita dari Skynet ?

Kami mempunyai bahagian ini untuk minda yang paling mengasyikkan.

Ini adalah topik yang sangat berulang dalam buku, filem dan lain-lain. Bukan untuk apa-apa terdapat genre atau tema yang dipanggil Cyberpunk . Walau bagaimanapun, jauh dari dystopi futuristik yang dikawal oleh Kecerdasan Buatan , mesin kami masih jauh.

Robot Pintar Rick & Morty

Sistem Pembelajaran Mesin hari ini tergolong dalam kumpulan ' AIs lemah'. Seperti yang telah kita lihat, Intelijen ini hanya mampu memahami corak dan membuat potongan mudah. Mereka sangat berguna untuk menyokong kita dalam konteks tertentu, tetapi mereka tidak sistem autonomi sama sekali.

Sebaliknya kita akan mempunyai 'AI yang kuat' , yang diwakili dalam cerita-cerita futuristik di mana mereka sama atau lebih pintar daripada manusia. Kita boleh mencari contoh yang ketara dalam budaya popular seperti 'Matrix' , 'Terminator' , 'Ghost in the Shell' atau 'Halo' . Malah, dalam senarai ini terdapat dua karya yang berkaitan dengan satu sama lain; Tebak yang mana?

Hari ini kita masih membangun kereta autonomi dan selamat sepenuhnya. Kami terus maju, tetapi kami masih mempunyai cara untuk membangunkan fakta yang sama yang dibuat sepenuhnya oleh teknologi.

Jika anda ingin mengetahui lebih lanjut mengenainya, anda boleh melawat artikel kami mengenai Kecerdasan Buatan . Ini adalah teks dari sudut pandang yang lebih umum dan kita mengkaji sedikit ramalan yang mungkin bahawa teknologi ini akan ada.

Perkataan Akhir Pembelajaran Mesin

Sama seperti kesimpulan kami mengenai Kepintaran Artificial, jelaslah bahawa masa depan tidak pasti. Walau bagaimanapun, tidak dapat dielakkan bahawa evolusi perlu dikaji semula untuk melaksanakan teknologi di kalangan kemahiran dan ciri-cirinya.

Sedikit demi sedikit, Internet akan lebih dan dikawal dengan lebih baik oleh program dan algoritma. Rangkaian sosial akan ditentukur dengan lebih baik dan akan memberi kami lebih banyak kandungan mengikut citarasa kami. Dan akhirnya, hubungan dalam talian akan lebih selamat dengan mengesan lebih mudah apabila terdapat bahaya penipuan atau sebagainya.

Sebaliknya, jangan terkejut bahawa abad ini adalah ketika IoT (Internet of Things) bersinar. Ia adalah idea bahawa kita telah bermimpi untuk masa yang lama dan semakin dekat. Di samping itu, IoT adalah pembida besar teknologi canggih yang berkaitan dengan Pembelajaran Mesin, walaupun masih kurang beberapa pelarasan mengenai keselamatan.

Bagi pihak kami, kami fikir ia akan menjadi evolusi beransur-ansur dan selagi anda dimaklumkan tentang apa yang sedang berlaku, anda tidak perlu takut. Kereta baru atau peti sejuk mungkin terdengar aneh kepada anda, tetapi saya tidak fikir kita akan melihat kebangkitan 'AI kuat'.

Kami mengesyorkan membaca komputer riba yang terbaik di pasaran

Akhirnya, kita perlu mengakui bahawa kita bukan pakar dalam Kecerdasan Buatan atau Pembelajaran Mesin , jadi jangan terkejut dengan beberapa data aneh. Jika kita telah membuat kesilapan, jangan ragu untuk memberitahu kami! Lagipun, kami belum sempurna mesin.

Dan anda, apa yang anda fikir tentang Pembelajaran Mesin dan Kepintaran Artificial ? Dalam aspek mana yang anda fikir mereka harus dilaksanakan? Kongsi idea anda di bawah.

Cerdas Dataapdsaslagacetawhatsnewnew