Машинно обучение: какво е това и каква е връзката му с ай?

Днес искаме да ви научим по-задълбочено един от термините, който е революционизирал и ще промени революцията в някои взаимодействия, както ги познаваме. Говорим за изкуствения интелект и неговия най-специфичен клон, машинно обучение или автоматично обучение.

Както може би знаете, изчисленията винаги са в постоянна еволюция и това, което можем да купим, обикновено не е възможно най-новото.

Например, докато разработваме 4-то поколение PCI-Express , изследователите вече разработват PCIe Gen 5 и изучават скока към 6-то . По същата тази причина не е необичайно да намерим технологии, за които не знаехме да вършим задачи, за които никога не сме чували.

Но преди да продължим по-нататък, нека стесним темата, за която ще говорим, защото какво е машинно обучение ?

Индекс на съдържанието

Какво е машинно обучение ?

Машинното обучение е специфичен отрасъл на компютърните науки и изкуствения интелект, където се създават системи, способни да учат автоматично.

Този клон започва своето проучване и развитие около 80-те години и днес е доста развит. По същата причина както изкуственият интелект, така и машинното обучение се използват в много научни и ежедневни области.

В този клон AI са съставени от един или повече алгоритми, способни да обработват големи количества данни и да учат съответно. Двете ключови идеи, на които тази тема орбитира са:

• Системата трябва да може да анализира данни и да изгради умения, които не е имала при раждането си. Интелигентността трябва да може да върши работата автономно, тоест без човешки надзор.

В реалния свят имаме практически примери като класификация на спам в имейли, свързани препоръки за Amazon или прогнози за бъдещето, използвайки данни на компанията. Последният е интересен раздел, на който залагат все повече компании.

Използвайки машинно обучение можем да видим какви модели идентифицират недоволни клиенти или бивши клиенти, за да се опитат да подобрят връзката с други потребители в същото състояние. За да се създадат определени профили, се изучават старшинство, брой оплаквания, договорени планове и други . След като бъдат направени заключенията на AI , група маркетингови експерти могат да създадат конкретна кампания за борба с тези проблеми.

По този начин компанията може да създаде планове за привличане или задържане на клиенти въз основа на определени предположения и преминава от реактивна стратегия към проактивна. Това е много интересна тактика, която използва изкуствен интелект , големи количества данни и машинно обучение .

Как се обучават изкуствения интелект ?

За да бъде подготвен изкуствен интелект, той трябва да премине през различни фази:

1. Първо минава през контролирана среда. Тук въвеждате голямо количество данни и съответните им резултати, с които можете да създадете връзки между идеи. Тази част се нарича Надзорно обучение . Тогава вие се поставяте в свободна и без отговор среда, в която AI сам ще трябва да избере резултат. Като знаете дали вашите отговори са верни или не, вие създавате нови правила във вашия алгоритъм. Този етап се нарича Неуправляемо обучение . И накрая, за него се подготвя среда, в която той се колебае. Ако например ви е трудно да разграничите изображенията с ниска осветеност, може да бъдете обучени с нощни снимки. Тази фаза се нарича Укрепване на обучението. Процесът може да се извърши от стъпка 2 толкова пъти, колкото искате да прецизирате интелигентността .

Обобщена схема за машинно обучение

Практичен пример е да се покаже AI десет милиона снимки и да им се каже кои са кучета и кои не. Тук той ще разкаже, че кучетата обикновено имат козина, обикновено отиват на четири крака и има различни форми и размери в зависимост от породата.

След това му се дават милион снимки за класификация. Тук трябва да отговорите дали на снимката има куче или не и според това дали ще създадете или не нови „идеи“ в базата си данни. За да приложи тези нови данни, Intelligence ще установи нови правила в своя алгоритъм и сега например ще може да разграничава кучетата от котките.

И накрая, неговата ефективност се изучава и се подготвят нови снимки, които да обучават слабите му страни.

Разбира се, това е проста и много повтаряща се система за демонстрация, но има и други по-експериментални и особени методи.

Тей, бота в Twitter

Скорошен случай на експериментално обучение беше Tay , AI, разработен от Microsoft, предназначен да се научи да се изразява като човек.

Профилът на Tay в Twitter

Ботът е програмиран да говори първоначално като 19-годишно момиче и на 23 март 2016 г. е пуснат на тъмните места в Twitter.

Били сте програмирани да говорите с общността и да се учите от получените съобщения, както и от взаимодействията ви с потребителите. Ученето й беше почти напълно автономно, въпреки че трябваше да се оттегли след 16 часа, за да демонстрира негативно поведение.

За кратката продължителност на живота си той туитира повече от 96 000 туитове. Умишленото обидно поведение на тази социална мрежа обаче направи по-бързо от скоро Тей да отговори с расистки и други фрази.

В този случай надзорното обучение и поредицата от основни правила трябваше да бъдат надлежно преразгледани. Познавайки безгрижния и обиден тон на социалната мрежа, Тей не беше готов да разграничава истинското от саркастичното. По същата причина някои потребители успяха лесно да „преборят“ „интелектуалната бариера“ на Intelligence .

Приложения за машинно обучение в реалния свят

Вече ви разказахме за някои ежедневни употреби, които може би вече сте знаели за машинното обучение , но какви други случаи съществуват.

По-долу ще видите серия от практически приложения на тази технология при най-често срещаните проблеми. Разбира се, това са авангардни решения, така че обикновено изискват и значително повече пари.

здраве

Изучава се технология за нов тип дрехи, способна да чете информация за нашето тяло. Може да е в състояние да чете нашия пулс, дишане или тревожност.

Тези данни се четат от Интелигентност, която оценява състоянието на пациента в реално време. Така че, ако имате проблем като сърдечен удар в определен момент, можете да диагностицирате и / или да реагирате по-бързо.

От друга страна, при някои хора са внедрени ботове, способни да откриват мисли за самоубийство. Известният Facebook Intelligence чете разговори и вашата активност, за да разпознаете модели на самоубийствени тенденции, въпреки че има и други версии, които изучават по-отблизо поведението на човека, неговия тон на гласа и езика на тялото му.

финанси

В икономиката някои банки и компании използват решения, базирани на машинно обучение, за да открият и предотвратят измами.

От друга страна, нещо подобно се използва и за по-лесно идентифициране на възможностите за инвестиране. Той също така се използва за решаване кога да се продават или купуват акции и други средства.

маркетинг

Това вече споменахме, но това е едно от най-известните му приложения.

Ще ви се случи да видите няколко продукта в Amazon , да влезете във Facebook, Google или Instagram и да видите точно този продукт в рекламите си. Не е случайно, тъй като социалните мрежи и Google прилагат Intelligences, които изучават вашата история и вашите възможни интереси, за да ги заснемете, където могат.

Някои потребители го гледат като натрапчив начин за „нападение“ на потребителя и не е изненадващо, тъй като те бомбардират с идея. Рекламата обаче ще се движи в тази посока, тъй като е по-лична и рекламите ще бъдат насочени към потенциални купувачи.

Машинно обучение и задълбочено обучение

Тези два термина обикновено вървят ръка за ръка, но не са абсолютно еднакви. В следващи статии ще говорим за този втори мандат, тъй като той е нещо, което заслужава да бъде научено.

ПРЕПОРЪЧВАМЕ ВИ Как да деинсталирате драйвери на AMD чисто и лесно

Като цяло бихме могли да установим връзката между машинното обучение и дълбокото обучение като тази, която изкуственият интелект и машинното обучение имат . Дълбокото обучение е още по-специфичен клон на машинното обучение .

Той споделя ключови раздели като еволюция във времето и опит, но има друга поредица от различия.

Опростено задълбочено обучение

Основата му за изучаване и обработка на данни е да се използват различни слоеве, които действат така, сякаш са неврони. Следователно можем да установим, че тези Intelligences обикновено са по-усъвършенствани, но и по-сложни и скъпи за изграждане.

Въпреки че, ако се интересувате повече от тази тема, следете уебсайта и посетете следващата ни статия за Deep Learning .

Колко далеч сме от Skynet ?

Имаме този раздел за най-мечтаните умове.

Това е много повтаряна тема в книги, филми и други. Не за нищо няма точно жанр или тема, наречена Cyberpunk . Въпреки това, далеч от онези футуристични дистопии, контролирани от изкуствения интелект , нашите машини все още имат дълъг път.

Умният робот на Rick & Morty

Днешните системи за машинно обучение принадлежат към групата на „ слабите ИИ“. Както видяхме, тези Intelligences са способни да разбират само модели и да правят прости изводи. Те са много полезни да ни подкрепят в определени контексти, но изобщо не са автономни системи.

От друга страна бихме имали „силните ИИ“ , тези, представени във футуристични истории, където те са равни или много по-интелигентни от хората. Можем да намерим забележителни примери в популярната култура като „Матрица“ , „Терминатор“ , „Призрак в черупката“ или „Ореол“ . Всъщност в този списък има две творби, които са свързани помежду си; Познайте кои от тях?

Днес все още разработваме напълно автономни и безопасни автомобили . Ние непрекъснато напредваме, но все още имаме начин да развием равен факт, направен изцяло от технологии.

Ако искате да знаете повече за него, можете да посетите нашата статия за изкуствения интелект . Това е текст от по-обща гледна точка и изучаваме малко възможните последствия, които тази технология ще има.

Заключителни думи за машинно обучение

Подобно на нашето заключение за изкуствения интелект, ясно е, че бъдещето е несигурно. Въпреки това е неизбежно еволюцията да се наложи да бъде преразгледана, за да приложи технологията сред нейните умения и характеристики.

Малко по малко Интернет ще бъде контролиран повече и по-добре от програми и алгоритми. Социалните мрежи ще бъдат по-добре калибрирани и ще ни предлагат съдържание повече според нашите вкусове. И накрая, онлайн връзките ще бъдат много по-сигурни, като откриват по-лесно, когато има опасност от измама или други подобни.

От друга страна, не се изненадвайте, че този век е, когато IoT (Интернет на нещата) ще свети. Това е идея, за която мечтаем отдавна и която се приближава. В допълнение, IoT е голям доставчик на авангардни технологии, свързани с машинното обучение, въпреки че все още липсва някои корекции по отношение на сигурността.

От своя страна смятаме, че това ще бъде постепенна еволюция и стига да сте информирани за случващото се, няма от какво да се страхувате. Новите автомобили или хладилници може да ви звучат странно, но със сигурност не мисля, че ще видим пробуждането на „силните ИИ“.

Препоръчваме да прочетете най-добрите лаптопи на пазара

И накрая, трябва да признаем, че не сме експерти по изкуствен интелект или машинно обучение , така че не се изненадвайте от някои странни данни. Ако сме направили грешка, не се колебайте да ни кажете! В крайна сметка все още не сме перфектни машини.

А вие, какво мислите за машинното обучение и изкуствения интелект ? В кой аспект смятате, че те трябва да бъдат приложени? Споделете идеите си по-долу.

Clever Dataapdsaslagacetawhatsnew шрифт