Koneoppiminen: mikä se on ja mikä on sen suhde aileihin?

Tänään haluamme opettaa sinulle syvällisemmin yhden termeistä, jotka ovat mullistaneet ja mullistavat joitain vuorovaikutuksia, kun tunnemme heidät. Puhumme tekoälystä ja sen erityisimmistä aloista, koneoppimisesta tai automaattisesta oppimisesta.

Kuten ehkä tiedät, tietojenkäsittely on jatkuvassa kehityksessä, ja mitä voimme ostaa, se ei yleensä ole niin kärjessä kuin mahdollista.

Esimerkiksi, kun kehitämme PCI-Expressin 4. sukupolvea , tutkijat kehittävät jo PCIe Gen 5: tä ja opiskelevat siirtymistä kuudenteen . Tästä samasta syystä ei ole harvinaista löytää tekniikoita, joita emme tienneet tekevän tehtäviä, joista emme koskaan olleet kuulleet.

Mutta ennen kuin menemme pidemmälle, kavennamme aihetta, josta aiomme puhua, koska mikä on koneoppiminen ?

Sisällysluettelo

Mikä on koneoppiminen ?

Koneoppiminen on tietotekniikan ja keinotekoisen älykkyyden erityinen haara, jossa luodaan automaattioppimiseen kykeneviä järjestelmiä.

Tämä haara aloitti tutkimuksensa ja kehityksensä 80-luvulla ja on nykyään melko kehittynyt. Tästä samasta syystä sekä tekoälyä että koneoppimista käytetään monilla tieteen ja arjen aloilla.

Tässä haarassa AI: t koostuvat yhdestä tai useammasta algoritmista, jotka kykenevät käsittelemään suuria määriä dataa ja oppimaan sen mukaisesti. Kaksi keskeistä ajatusta, joista tämä aihe kiertää:

• Järjestelmän on kyettävä analysoimaan tietoja ja rakentamaan taitoja, joita sillä ei ollut syntymässään. Älykkyyden on kyettävä tekemään työ itsenäisesti eli ilman ihmisen valvontaa.

Todellisessa maailmassa on käytännön esimerkkejä, kuten roskapostin luokittelu sähköposteissa, siihen liittyvät suositukset Amazonista tai tulevaisuuden ennusteet yritystietojen avulla. Jälkimmäinen on mielenkiintoinen osa, johon yhä useammat yritykset panostavat.

Koneoppimisen avulla voimme nähdä, mitkä mallit tunnistavat tyytymättömiä asiakkaita tai entisiä asiakkaita yrittää parantaa suhteita muihin saman tilan käyttäjiin. Ikä, valitusten lukumäärä, sopimussuunnitelmat ja muut tutkitaan tiettyjen profiilien luomiseksi. Kun AI: n päätelmät on tehty, ryhmä markkinoinnin asiantuntijoita voi luoda erityisen kampanjan näiden ongelmien torjumiseksi.

Siksi yritys voi luoda suunnitelmia asiakkaiden houkuttelemiseksi tai pitämiseksi tiettyjen oletusten perusteella ja siirtyy reaktiivisesta strategiasta ennakoivaan. Se on erittäin mielenkiintoinen taktiikka, joka käyttää tekoälyä , suuria määriä dataa ja koneoppimista .

Kuinka tekoäly koulutetaan?

Keinotekoisen älykkyyden valmistelemiseksi sen on läpäistävä eri vaiheet:

1. Se menee ensin hallitun ympäristön läpi . Täällä syötät suuren määrän tietoa ja niiden tuloksia, joiden avulla voit luoda suhteita ideoiden välille. Tätä osaa kutsutaan ohjattuksi oppimiseksi . Sitten asetetaan vapaaseen ja vastaamattomaan ympäristöön, jossa itse AI: n on valittava tulos. Kun tiedät onko vastauksesi oikeat vai ei, luot uusia sääntöjä algoritmisi. Tätä vaihetta kutsutaan ohjaamattomaksi oppimiseksi . Lopuksi hänelle valmistellaan ympäristö, jossa hän horjuu. Jos esimerkiksi sinun on vaikea erottaa kuvia, joilla on vähän kirkkautta, kenties sinut koulutetaan yövalokuvien avulla. Tätä vaihetta kutsutaan vahvistusoppimiseksi. Prosessi voidaan suorittaa vaiheesta 2 niin monta kertaa kuin haluat hienosäätää älykkyyttä .

Yleinen kaavio koneoppimisesta

Käytännöllinen esimerkki olisi näyttää AI: n kymmenen miljoonan valokuvan kuvaus ja kertoa heille, mitkä ovat koiria ja mitkä eivät. Tässä hän kertoo, että koirilla on yleensä turkista, ne käyvät yleensä neljällä jalalla ja niiden muoto ja koko ovat rodusta riippuen.

Myöhemmin hänelle annetaan miljoona kuvaa luokiteltavaksi. Täällä on vastattava, onko valokuvassa koira vai ei, ja sen mukaan, luotko uusia "ideoita" tietokantaan vai ei. Tämän uuden tiedon toteuttamiseksi älykkyys asettaa uudet säännöt algoritmilleen ja nyt esimerkiksi pystyy erottamaan koirat kissoista.

Lopuksi hänen tehokkuuttaan tutkitaan ja uusia valokuvia valmistellaan hänen heikkouksien kouluttamiseksi.

Tietenkin, tämä on yksinkertainen ja erittäin toistuva järjestelmä demonstrointiin, mutta on myös muita kokeellisempia ja erikoisempia menetelmiä.

Tay, Twitter-botti

Äskettäinen tapaus kokeellisesta koulutuksesta oli Tay , Microsoftin kehittämä AI, jonka tarkoituksena oli oppia ilmaisemaan itseään ihmisenä.

Tayn Twitter-profiili

Botti oli ohjelmoitu puhumaan aluksi 19-vuotiaana tytönä ja 23. maaliskuuta 2016 hänet vapautettiin Twitterin pimeisiin paikkoihin .

Sinun oli ohjelmoitu puhumaan yhteisölle ja oppimaan vastaanotetuista viesteistä sekä käyttäjien kanssa käymästäsi vuorovaikutuksesta. Hänen oppimisensa oli melkein täysin itsenäistä, vaikka hän joutui vetäytymään 16 tunnin kuluttua negatiivisen käyttäytymisen osoittamisesta.

Lyhyen elämänsä aikana hän tweetti yli 96 000 tweettiä. Tämän sosiaalisen verkoston tahallinen loukkaava käyttäytyminen teki kuitenkin Tayn nopeammin vastaamiseksi rasistisilla ja muilla lauseilla.

Tässä tapauksessa ohjattua oppimista ja perussääntöjä olisi pitänyt tarkistaa asianmukaisesti. Tietäen sosiaalisen verkoston huoletonta ja loukkaavaa sävyä, Tay ei ollut valmis erottamaan todellisuutta sarkastiikasta. Samasta syystä jotkut käyttäjät onnistuivat helposti "murtamaan" tiedustelun "älyllisen esteen" .

Koneoppimissovellukset todellisessa maailmassa

Olemme jo kertoneet teille joistakin päivittäisistä käytöistä, jotka ehkä tienitte jo koneoppimisesta , mutta mitä muita tapauksia on olemassa.

Alla näet sarjan tämän tekniikan käytännön sovelluksia yleisimpiin ongelmiin. Ne ovat tietysti huippuluokan ratkaisuja, joten yleensä ne vaativat myös huomattavasti enemmän rahaa.

terveys

Tutkimuksen alla on tekniikka uudentyyppiselle vaatteelle, joka pystyy lukemaan tietoja kehostamme. Se voi pystyä lukemaan sykeemme, hengityksen tai ahdistuksen.

Nämä tiedot luetaan tiedustelupalvelulla, joka arvioi potilaan tilaa reaaliajassa. Joten jos sinulla on sydänkohtaus, kuten tiettyyn aikaan, voit diagnosoida ja / tai vastata nopeammin.

Toisaalta joihinkin ihmisiin on otettu käyttöön botteja, jotka pystyvät havaitsemaan itsemurha-ajatuksia. Kuuluisa Facebook Intelligence lukee keskusteluja ja toimintaasi itsemurha-taipumusten tunnistamiseksi, vaikka on myös muita versioita, jotka tutkivat tarkemmin ihmisen käyttäytymistä, hänen äänensävyään ja kehon kieltä.

raha-asiat

Talouden alalla jotkut pankit ja yritykset ovat käyttäneet koneoppimispohjaisia ratkaisuja petosten havaitsemiseksi ja estämiseksi.

Toisaalta jotain vastaavaa käytetään myös sijoitusmahdollisuuksien helpompaan tunnistamiseen. Sitä käytetään myös päättämään, milloin myydä tai ostaa osakkeita ja muita keinoja.

markkinointi

Tämän olemme jo maininneet, mutta se on yksi sen tunnetuimmista sovelluksista.

Sinulle on tapahtunut nähdä pari tuotetta Amazonissa , kirjoittaa Facebook, Google tai Instagram ja nähdä juuri tämä tuote mainostesi sisällä. Se ei ole sattumaa, koska sosiaaliset verkostot ja Google toteuttavat älykkyyttä, joka tutkii historiaasi ja mahdollisia kiinnostuksen kohteitasi vangitaksesi ne mahdollisuuksien mukaan.

Jotkut käyttäjät näkevät sen häiritsevänä tapana hyökätä käyttäjään, ja se ei ole yllättävää, koska he pommittavat sinua idealla. Mainonta kuitenkin siirtyy siihen suuntaan, koska se on henkilökohtaisempaa ja mainokset kohdistetaan potentiaalisille ostajille.

Koneoppiminen ja syväoppiminen

Nämä kaksi termiä käyvät yleensä käsi kädessä, mutta ne eivät ole täysin samoja. Tulevissa artikkeleissa puhumme tästä toisesta termiä, koska se on asia, joka ansaitsee oppimisen.

Suosittelemme, että poistat AMD -ajurit puhtaasti ja helposti

Yleisesti ottaen voimme luoda koneoppimisen ja syvän oppimisen suhteen keinotekoisen älykkyyden ja koneoppimisen väliseksi suhteeksi. Syväoppiminen on vielä tarkempi osa koneoppimista .

Se jakaa keskeiset kohdat, kuten evoluutio ajan ja kokemuksen suhteen, mutta siinä on toinen joukko eroja.

Yksinkertaistettu syvä oppiminen

Sen perusta tietojen oppimiseen ja käsittelyyn on käyttää erilaisia ​​kerroksia, jotka toimivat ikään kuin ne olisivat neuroneja. Siksi voimme todeta, että nämä älykkyydet ovat yleensä hienostuneempia, mutta myös monimutkaisempia ja kalliimpia rakentaa.

Vaikka olet kiinnostunut tästä aiheesta enemmän, pysy verkkosivustollasi ja käy seuraavassa syväopetusta käsittelevässä artikkelissamme.

Kuinka kaukana olemme Skynetistä ?

Meillä on tämä osio unenomaisimmille mielissä.

Tämä on hyvin toistuva aihe kirjoissa, elokuvissa ja muissa. Ei mitään, ei ole tarkalleen genreä tai teemaa nimeltä Cyberpunk . Kuitenkin kaukana niistä keinotekoisen älykkyyden hallitsemista futuristisista dystopioista, koneillamme on vielä pitkä tie kuljettavanaan.

Rick & Mortyn älyrobotti

Nykyiset koneoppimisjärjestelmät kuuluvat heikkojen AI- ryhmien joukkoon . Kuten olemme nähneet, nämä älykkyydet kykenevät vain ymmärtämään kuvioita ja tekemään yksinkertaisia ​​päätelmiä. Ne ovat erittäin hyödyllisiä tukemaan meitä tietyissä tilanteissa, mutta ne eivät ole lainkaan itsenäisiä järjestelmiä.

Toisaalta meillä olisi ”vahvat AI: t” , ne, jotka on esitetty futuristisissa tarinoissa, joissa he ovat yhtä mieltä tai paljon älykkäämpiä kuin ihmiset. Voimme löytää merkittäviä esimerkkejä suositusta kulttuurista, kuten 'Matrix' , 'Terminaattori' , 'Ghost in the Shell' tai 'Halo' . Itse asiassa tässä luettelossa on kaksi toisiinsa liittyvää teosta; Arvaa mitä?

Tänään kehitämme edelleen täysin itsenäisiä ja turvallisia autoja . Edistymme jatkuvasti, mutta meillä on silti tapa kehittää tasa-arvoinen tosiasia, joka koostuu kokonaan tekniikasta.

Jos haluat tietää enemmän siitä, voit vierailla tekoälyä käsittelevässä artikkelissamme . Se on teksti yleisemmältä kannalta ja tutkimme vähän tämän tekniikan mahdollisia seurauksia.

Viimeiset sanat koneoppimisesta

Kuten johtopäätöksessämme tekoälystä, on selvää, että tulevaisuus on epävarma. On kuitenkin väistämätöntä, että evoluutio on tarkistettava tekniikan toteuttamiseksi sen taitojen ja ominaisuuksien joukossa.

Vähitellen Internet on entistä paremmin hallittavissa ohjelmien ja algoritmien avulla. Sosiaaliset verkostot kalibroidaan paremmin ja tarjoavat meille sisältöä enemmän makujemme mukaan. Ja lopuksi, online-suhteet ovat paljon turvallisempia havaitsemalla helpommin, kun on olemassa petoksen tai muun vastaavan vaara.

Toisaalta, älä ihmettele, että tämä vuosisata on, kun Internet (esineiden Internet) palaa. Se on idea, josta olemme haaveilleet jo pitkään ja joka lähenee. Lisäksi Internet on suuri tarjoaja huipputeknologioista, jotka liittyvät koneoppimiseen, vaikka siitä puuttuu vielä joitain tietoturvamuutoksia.

Omasta puolestamme mielestämme se on asteittainen kehitys ja niin kauan kuin sinulle tiedotetaan tapahtuvasta, sinulla ei ole mitään pelättävää. Uudet autot tai jääkaapit saattavat kuulostaa oudolta, mutta en todellakaan usko, että näemme 'vahvojen AI: ien' herättämistä .

Suosittelemme lukemaan markkinoiden parhaita kannettavia tietokoneita

Lopuksi meidän on tunnustettava, että emme ole keinoälyn tai koneoppimisen asiantuntijoita, joten älä ole yllättynyt omituisista tiedoista. Jos olemme tehneet virheen, älä epäröi kertoa meille! Loppujen lopuksi emme ole vielä täydellisiä koneita.

Ja sinä, mitä ajattelet koneoppimisesta ja tekoälystä ? Missä mielessä ne pitäisi panna täytäntöön? Jaa ideasi alla.

Clever Dataapdsaslagacetawhatsnew font