Машинско учење: шта је то и која је његова веза са аи?

Данас желимо да вас детаљније научимо о једном од појмова који су револуционизовали и извршиће револуцију неких интеракција онако како их знамо. Говоримо о вештачкој интелигенцији и њеној најспецифичнијој грани, машинском учењу или аутоматском учењу.

Као што можда знате, рачунарство је увек у сталном еволуцији и оно што можемо купити обично није најновије могуће.

На пример, док развијамо 4. генерацију ПЦИ-Екпресс-а , истраживачи већ развијају ПЦИе Ген 5 и проучавају скок у шесту . Из истог разлога није реткост да пронађемо технологије за које нисмо знали да раде задатке за које никада нисмо чули.

Али пре него што кренемо даље, сузимо тему о којој ћемо разговарати јер, шта је машинско учење ?

Садржај индекс

Шта је машинско учење ?

Машинско учење је специфична грана рачунарске науке и вештачке интелигенције где се стварају системи способни за аутоматско учење.

Ова грана је започела своје проучавање и развој око 80-их година и данас је прилично развијена. Из истог разлога, и вештачка интелигенција и машинско учење користе се у многим научним и свакодневним областима.

У овој грани, АИ се састоје од једног или више алгоритама који могу обрађивати велике количине података и учити у складу с тим. Две кључне идеје о којима кружи ова тема су:

• Систем мора бити у стању да анализира податке и изгради вештине које није имао у рођењу. Интелигенција мора бити способна да посао обавља самостално, односно без људског надзора.

У стварном свету имамо практичне примере као што су класификација нежељене поште у е-порукама, сродне препоруке о Амазону или предвиђања будућности помоћу података компаније. Потоњи је занимљив одељак на који се све више компанија клади.

Помоћу машинског учења можемо видети који обрасци идентификују незадовољне купце или бивше купце како би покушали побољшати однос са другим корисницима у истој држави. Проучавају се сениори, број жалби, уговорени планови и други како би се створили одређени профили. Након што се закључци АИ донесу, група маркетиншких стручњака може креирати одређену кампању за борбу против тих проблема.

Стога компанија може креирати планове за привлачење или задржавање купаца на основу одређених претпоставки и прелази из реактивне стратегије у проактивну. То је веома занимљива тактика која користи вештачку интелигенцију , велике количине података и машинско учење .

Како се обучава вештачка интелигенција ?

Да би се вештачка интелигенција припремила мора да прође кроз различите фазе:

1. Прво пролази кроз контролисано окружење. Овде уносите велику количину података и њихове одговарајуће резултате помоћу којих можете створити однос између идеја. Овај део се зове Надзорно учење . Тада се стављате у слободно и неодговорено окружење где ће АИ сам морати да одабере резултат. Знајући да ли су ваши одговори тачни или не, креирате нова правила у свом алгоритму. Ова фаза се назива Ненадзоровано учење . Коначно, за њега је припремљено окружење у којем се колеба. Ако вам је, на пример, тешко разликовати слике са слабом светлошћу, можда ћете бити обучени уз ноћне фотографије. Ова фаза се назива Ојачавање учења. Процес од 2. корака се може обавити онолико пута колико желите прецизирати Интеллигенце .

Генерализована шема о машинском учењу

Практичан пример био би показати АИ десет милиона фотографија и рећи им који су пси а који нису. Овде ће пренети да пси обично имају крзно, обично иду на четири ноге и различити су облици и величине у зависности од пасмине.

Након тога, добијају му милион фотографија које може класификовати. Овде морате одговорити да ли на фотографији постоји пас или не, као и да ли ћете у својој бази података створити нове или не идеје . Да би имплементирао ове нове податке, Интеллигенце ће успоставити нова правила у свом алгоритму и сада ће, на пример, моћи да разликује псе од мачака.

Коначно се проучава његова ефикасност и припремају се нове фотографије које ће обучити његове слабе тачке.

Наравно, ово је једноставан и веома поновљен систем демонстрације, али постоје и други експерименталнији и осебујнији методи.

Таи, Твиттер бот

Недавни случај експерименталне обуке био је Таи , АИ који је развио Мицрософт и осмишљен да научи да се изражава као човек.

Таи-ов профил на Твиттеру

Бот је програмиран да у почетку говори као 19-годишња девојчица, а 23. марта 2016. објављена је у мрачним местима на Твиттеру.

Били сте програмирани да разговарате са заједницом и учите из порука које сте добили као и ваше интеракције са корисницима. Њено је учење било готово потпуно аутономно, мада је морала да се повуче после 16 сати због показивања негативног понашања.

У кратком трајању свог живота написао је више од 96.000 твитова. Међутим, намерно увредљиво понашање ове друштвене мреже учинило је брже него брзо да је Таи одговорио расистичким и другим фразама.

У овом случају требало је уредно ревидирати надзирано учење и низ основних правила . Знајући безбрижан и увредљив тон друштвене мреже, Таи није била спремна да разликује стварну од саркастичне. Из истог су разлога неки корисници успјели лако „пробити “ интелектуалну баријеру интелигенције .

Апликације за машинско учење у стварном свету

Већ смо вам рекли о неким свакодневним коришћењема које сте можда већ знали о машинском учењу , али који други случајеви постоје.

Испод ћете видети низ практичних примена ове технологије у најчешћим проблемима. Наравно, то су врхунска решења, па такође обично захтевају знатно више новца.

Здравље

Технологија за нову врсту одеће која може да чита информације о нашем телу се проучава. Можда ће моћи да прочита наш пулс, дисање или анксиозност.

Те податке чита обавештајна служба која процењује стање пацијента у реалном времену. Дакле, ако имате проблем као што је срчани удар у одређено време, можете брже дијагностицирати и / или одговорити.

С друге стране, код неких људи су примењени роботи који могу открити самоубилачке мисли. Позната Фацебоок Интеллигенце чита разговоре и ваше активности како би препознала обрасце суицидних склоности, мада постоје и друге верзије које детаљније проучавају понашање особе, њен тон гласа и говор тела.

Финансије

У економији, неке банке и компаније користиле су решења заснована на машинском учењу како би открила и спречила преваре.

С друге стране, нешто слично се такође користи за лакше препознавање могућности улагања. Такође се користи да се одлучи када треба продати или купити акције и друга средства.

Маркетинг

То смо већ споменули, али то је једна од његових најпознатијих примена.

Догодиће вам се када видите неколико производа на Амазону , уђете на Фацебоок, Гоогле или Инстаграм и видите само тај производ у огласима. То није случајност, јер друштвене мреже и Гоогле имплементирају Интеллигенцес који проучавају вашу историју и ваше могуће интересе како би их снимили тамо где могу.

Неки корисници то виде као наметљив начин „напада“ на корисника и не чуди јер вас бомбардују идејом. Међутим, оглашавање ће се кретати у том правцу јер је више лично и огласи ће бити циљани на потенцијалне купце.

Машинско учење и дубоко учење

Ова два појма обично иду руку под руку, али нису потпуно исти. У наредним ћемо чланцима говорити о овом другом појму, јер је то нешто што заслужује да се научи.

ПРЕПОРУЧУЈЕМО Вама како деинсталирати АМД управљачке програме чисто и лако

Генерално, могли бисмо успоставити однос између машинског учења и дубоког учења као оног који имају вештачка интелигенција и машинско учење . Дубоко учење је још специфичнија грана машинског учења .

Дијели кључне одјељке попут еволуције кроз вријеме и искуства, али има још један низ разлика.

Поједностављено дубоко учење

Његова основа за учење и обраду података је коришћење различитих слојева који делују као да су неурони. Стога бисмо могли утврдити да су ти Интеллигенцес обично више рафинирани, али и сложенији и скупљи за изградњу.

Иако вас ова тема више занима, пратите веб локацију и посетите наш следећи чланак о Дубоком учењу .

Колико смо далеко од Скинета ?

Имамо овај одељак за најпаметније умове.

Ово је врло поновљена тема у књигама, филмовима и другима. Не узалуд, постоји тачно жанр или тема која се зове Циберпунк . Међутим, далеко од оних футуристичких дистопија које контролише вештачка интелигенција , наше машине још увек чекају дуг пут.

Паметни робот Рицк & Морти-а

Данашњи системи машинског учења припадају групи „ слабих АИ-јева“. Као што смо видели, ови Интеллигенцес способни су само да разумеју обрасце и праве једноставне закључке. Они су врло корисни да нас подрже у одређеним контекстима, али уопште нису аутономни системи.

Са друге стране имали бисмо „снажне АИ“ , оне представљене у футуристичким причама где су једнаки или много интелигентнији од људи. У популарној култури можемо пронаћи запажене примере попут „Матрикса“ , „Терминатора“ , „Духа у шкољци“ или „Хало“ . У ствари, на овом списку постоје два дела која су повезана једно са другим; Погоди који?

Данас још увек развијамо потпуно аутономне и сигурне аутомобиле . Константно напредујемо, али још увек имамо начин да развијемо једнаку чињеницу у потпуности сачињену од технологије.

Ако желите знати више о томе, посјетите наш чланак о умјетној интелигенцији . То је текст са опћенитијег становишта и мало проучавамо могуће последице које ће имати ова технологија.

Завршне речи о машинском учењу

Слично нашем закључку о вештачкој интелигенцији, јасно је да је будућност неизвесна. Међутим, неизбежно је да се еволуција мора преиспитати да би технологија применила своје способности и карактеристике.

Мало по мало, Интернет ће бити више и боље контролисан програмима и алгоритмима. Друштвене мреже ће бити боље калибриране и нудиће нам садржај више према нашем укусу. И на крају, мрежни односи биће много сигурнији тако што ће се лакше откривати када постоји опасност од преваре или слично.

Са друге стране, немојте се изненадити да ће ово век када ће ИоТ (Интернет ствари) заблистати. То је идеја о којој смо дуго сањали и која се све више зближава. Поред тога, ИоТ је велики понуђач врхунских технологија повезаних са машинским учењем, мада и даље нема неких прилагођавања у погледу безбедности.

Са наше стране, мислимо да ће то бити постепена еволуција и све док сте обавештени о ономе што се догађа, нема се чега бојати. Нови аутомобили или фрижидери могу вам звучати чудно, али сигурно не мислим да ћемо видети буђење „јаких АИ“.

Препоручујемо читање најбољих лаптопа на тржишту

На крају, морамо признати да нисмо стручњаци за вештачку интелигенцију или машинско учење , па немојте бити изненађени неким чудним подацима. Ако смо направили грешку, не оклевајте да нам кажете! Уосталом, још увек нисмо савршени стројеви.

А ви, шта мислите о машинском учењу и вештачкој интелигенцији ? У ком аспекту мислите да би их требало спровести? Поделите своје идеје у наставку.

Цлевер Датаапдсаслагацетавхатснев фонт