Машинное обучение: что это такое и как оно связано с ай?

Сегодня мы хотим более подробно познакомить вас с одним из терминов, которые произвели революцию и революционизируют некоторые взаимодействия, какими мы их знаем. Мы говорим об искусственном интеллекте и его наиболее специфической отрасли, машинном обучении или автоматическом обучении.

Как вы, возможно, знаете, вычисления всегда находятся в постоянном развитии, и то, что мы можем купить , обычно не настолько современно, насколько это возможно.

Например, когда мы разрабатываем 4-е поколение PCI-Express , исследователи уже разрабатывают PCIe Gen 5 и изучают переход к 6-му . По этой же причине нередко находят технологии, о которых мы не знали, для выполнения задач, о которых мы никогда не слышали.

Но прежде чем идти дальше, давайте сузим тему, о которой будем говорить, потому что, что такое машинное обучение ?

Указатель содержания

Что такое машинное обучение ?

Машинное обучение - это особая отрасль информатики и искусственного интеллекта, где создаются системы, способные к автоматическому обучению.

Эта отрасль начала свое изучение и развитие примерно в 80-х годах, и сегодня она достаточно развита. По этой же причине как искусственный интеллект, так и машинное обучение используются во многих областях науки и повседневной жизни.

В этой ветви ИИ состоят из одного или нескольких алгоритмов, способных обрабатывать большие объемы данных и обучаться соответственно. Две ключевые идеи, по которым движется эта тема:

• Система должна уметь анализировать данные и развивать навыки, которых у нее не было при ее рождении. Разведка должна уметь выполнять работу автономно, то есть без человеческого контроля.

В реальном мире у нас есть практические примеры, такие как классификация спама в электронных письмах, соответствующие рекомендации по Amazon или прогнозы на будущее с использованием данных компании. Последний интересный раздел, на который все больше и больше компаний делают ставку.

Используя машинное обучение, мы можем увидеть, какие шаблоны выявляют недовольных клиентов или бывших клиентов, чтобы попытаться улучшить отношения с другими пользователями в том же состоянии. Трудовой стаж, количество жалоб, контрактные планы и другие изучаются для создания определенных профилей. Как только выводы AI сделаны, группа маркетологов может создать специальную кампанию для борьбы с этими проблемами.

Таким образом, компания может создавать планы по привлечению или удержанию клиентов, основываясь на определенных предположениях, и переходит от стратегии реагирования к проактивной. Это очень интересная тактика, которая использует искусственный интеллект , большие объемы данных и машинное обучение .

Как тренируется искусственный интеллект ?

Для того чтобы искусственный интеллект был подготовлен, он должен проходить через различные фазы:

1. Сначала он проходит через контролируемую среду. Здесь вы вводите большое количество данных и соответствующие результаты, с помощью которых вы можете создавать отношения между идеями. Эта часть называется контролируемым обучением . Затем вы попадаете в бесплатную среду без ответа, где сам ИИ должен будет выбрать результат. Зная, верны ли ваши ответы, вы создаете новые правила в своем алгоритме. Этот этап называется неконтролируемым обучением . Наконец, среда подготовлена ​​для него, где он колеблется. Если, например, вам трудно различать изображения с низкой яркостью, возможно, вы будете тренироваться с ночными фотографиями. Эта фаза называется « Обучение усилению». Процесс может быть выполнен из шага 2 столько раз, сколько вы хотите, чтобы настроить интеллект .

Обобщенная схема по машинному обучению

Практическим примером было бы показать AI десять миллионов фотографий и сказать им, какие собаки, а какие нет. Здесь он расскажет, что у собак, как правило, есть шерсть, они обычно ходят на четырех ногах, и в зависимости от породы разные формы и размеры.

После этого ему дают миллион фотографий для классификации. Здесь вы должны ответить, есть ли на фото собака или нет, и в зависимости от того, будете ли вы создавать новые «идеи» в своей базе данных. Чтобы реализовать эти новые данные, Intelligence установит новые правила в своем алгоритме и теперь, например, сможет различать собак и кошек.

Наконец, его эффективность изучена, и новые фотографии подготовлены, чтобы тренировать его слабые места.

Конечно, это простая и очень повторяющаяся система для демонстрации, но есть и другие, более экспериментальные и своеобразные методы.

Тай, бот Twitter

Недавним примером экспериментального обучения был Тай , ИИ, разработанный Microsoft, предназначенный для того, чтобы научиться выражать себя как человек.

Профиль Тэя в Твиттере

Бот был запрограммирован на то, чтобы сначала говорить как 19-летняя девочка, и 23 марта 2016 года она была выпущена в темных местах Твиттера.

Вы были запрограммированы, чтобы говорить с сообществом и учиться на полученных сообщениях, а также на ваших взаимодействиях с пользователями. Ее обучение было почти полностью автономным, хотя через 16 часов ее пришлось отозвать за проявление негативного поведения.

За короткую продолжительность своей жизни он написал более 96 000 твитов. Однако преднамеренное оскорбительное поведение этой социальной сети заставило Тэя быстрее, чем скоро, ответить расистскими и другими фразами.

В этом случае контролируемое обучение и ряд основных правил должны быть должным образом пересмотрены. Зная беззаботный и оскорбительный тон социальной сети, Тэй не был готов отличить реальное от саркастического. По той же причине некоторым пользователям удалось легко «преодолеть» «интеллектуальный барьер» интеллекта .

Приложения машинного обучения в реальном мире

Мы уже рассказывали вам о некоторых ежедневных применениях, которые, возможно, вы уже знали о машинном обучении , но какие еще существуют случаи.

Ниже вы увидите серию практических применений этой технологии в самых распространенных задачах. Конечно, они являются передовыми решениями, поэтому они также обычно требуют значительно больше денег.

здоровье

Технология нового типа одежды, способной считывать информацию о нашем теле, находится в стадии изучения. Это может быть в состоянии прочитать наш пульс, дыхание или беспокойство.

Эти данные считываются интеллектом, который оценивает состояние пациента в режиме реального времени. Поэтому, если у вас есть проблема, такая как сердечный приступ в определенное время, вы можете диагностировать и / или быстрее реагировать.

С другой стороны, некоторые боты, способные обнаруживать мысли о самоубийстве, были внедрены у некоторых людей. Знаменитая Facebook Intelligence читает разговоры и вашу активность, чтобы распознать закономерности суицидальных тенденций, хотя есть и другие версии, которые более близко изучают поведение человека, его тон голоса и язык его тела.

финансы

В экономике некоторые банки и компании используют решения на основе машинного обучения для выявления и предотвращения мошенничества.

С другой стороны, нечто подобное также используется для более простого определения инвестиционных возможностей. Он также используется, чтобы решить, когда продавать или покупать акции и другие средства.

маркетинг

Мы уже упоминали об этом, но это одно из самых известных приложений.

Вам довелось увидеть пару продуктов на Amazon , войти в Facebook, Google или Instagram и увидеть именно этот продукт в своих объявлениях. Это не случайно, так как социальные сети и Google используют интеллектуальные системы, которые изучают вашу историю и ваши возможные интересы, чтобы захватить их, где они могут.

Некоторые пользователи видят в этом навязчивый способ «нападения» на пользователя, и это неудивительно, поскольку они обстреливают вас своей идеей. Тем не менее, реклама будет двигаться в этом направлении, поскольку она носит более личный характер, и реклама будет ориентирована на потенциальных покупателей.

Машинное обучение и глубокое обучение

Эти два термина обычно идут рука об руку, но они не совсем совпадают. В следующих статьях мы поговорим об этом втором семестре, поскольку он заслуживает изучения.

МЫ РЕКОМЕНДУЕМ ВАМ Как легко и просто удалить драйверы AMD

В целом, мы могли бы установить отношения между машинным обучением и глубоким обучением как отношения между искусственным интеллектом и машинным обучением . Глубокое обучение - это еще более специфическая отрасль машинного обучения .

Он разделяет ключевые разделы, такие как эволюция во времени и опыт, но у него есть еще ряд различий.

Упрощенное глубокое обучение

Его основой для изучения и обработки данных является использование различных слоев, которые действуют так, как если бы они были нейронами. Следовательно, мы могли бы установить, что эти интеллектуальные возможности обычно более усовершенствованы, но также сложнее и дороже в построении.

Хотя, если вас больше интересует эта тема, следите за обновлениями на веб-сайте и посетите нашу следующую статью о глубоком обучении .

Как далеко мы от Скайнет ?

У нас есть этот раздел для самых мечтательных умов.

Это очень повторяющаяся тема в книгах, фильмах и других. Недаром существует жанр или тема под названием « Киберпанк» . Однако далеко от тех футуристических дистопий, контролируемых искусственным интеллектом , нашим машинам еще предстоит пройти долгий путь.

Умный робот Рика и Морти

Современные системы машинного обучения относятся к группе « слабых ИИ». Как мы уже видели, эти Разумы способны только понимать закономерности и делать простые выводы. Они очень полезны для поддержки нас в определенных контекстах, но они вовсе не являются автономными системами.

С другой стороны, у нас были бы «сильные ИИ» , представленные в футуристических историях, где они равны или намного умнее людей. Мы можем найти известные примеры в популярной культуре, такие как «Матрица» , «Терминатор» , «Призрак в доспехах» или «Ореол» . На самом деле, в этом списке есть две работы, которые связаны друг с другом; Угадай, какие?

Сегодня мы все еще разрабатываем полностью автономные и безопасные автомобили . Мы постоянно прогрессируем, но у нас все еще есть способ развить равный факт, полностью состоящий из технологий.

Если вы хотите узнать больше об этом, вы можете посетить нашу статью об искусственном интеллекте . Это текст с более общей точки зрения, и мы немного изучим возможные последствия этой технологии.

Заключительные слова по машинному обучению

Как и в нашем заключении по искусственному интеллекту, ясно, что будущее неопределенно. Тем не менее, неизбежно, что эволюция должна быть пересмотрена, чтобы внедрить технологию среди ее навыков и характеристик.

Понемногу интернет будет все больше и больше контролироваться программами и алгоритмами. Социальные сети будут лучше откалиброваны и предложат нам контент в соответствии с нашими вкусами. И, наконец, онлайн-отношения станут намного более безопасными, так как их будет легче обнаруживать, когда существует опасность мошенничества или чего-либо подобного.

С другой стороны, не удивляйтесь тому, что в этом веке будет светить Интернет вещей . Это идея, о которой мы давно мечтали и которая становится все ближе. Кроме того, IoT является крупным претендентом на использование передовых технологий, связанных с машинным обучением, хотя в нем все еще отсутствуют некоторые корректировки в отношении безопасности.

Со своей стороны, мы думаем, что это будет постепенная эволюция, и до тех пор, пока вам сообщают о происходящем, вам нечего бояться. Новые машины или холодильники могут показаться вам странными, но я не думаю, что мы увидим пробуждение «сильных ИИ».

Мы рекомендуем читать лучшие ноутбуки на рынке

Наконец, мы должны признать, что мы не являемся экспертами в области искусственного интеллекта или машинного обучения , поэтому не удивляйтесь некоторым странным данным. Если мы допустили ошибку, не стесняйтесь, сообщите нам! Ведь мы еще не идеальные машины.

А вы, что вы думаете о машинном обучении и искусственном интеллекте ? В каком аспекте вы думаете, что они должны быть реализованы? Поделитесь своими идеями ниже.

Умный Dataapdsaslagacetawhatsnew шрифт