Computerele nu prelucrează, dar devin mai inteligente în fiecare zi
În termeni simpli, învățarea de mașină (ML) este programarea mașinilor (computerelor) astfel încât să poată îndeplini o sarcină solicitată prin utilizarea și analizarea datelor (informațiilor) pentru a îndeplini această sarcină în mod independent, fără o informație specifică specifică a unui dezvoltator uman.
Învățarea în mașină 101
Termenul "învățare automată" a fost inventat în laboratoarele IBM în 1959 de către Arthur Samuel, un pionier în inteligența artificială (AI) și jocurile pe calculator. Învățarea în mașină, ca rezultat, este o ramură a Inteligenței Artifice. Premisa lui Samuel a fost să răstoarnă modelul de calcul al timpului cu susul în jos și să nu mai dea computerului lucruri de învățat.
În schimb, el dorea ca computerele să înceapă să-și imagineze lucrurile pe cont propriu, fără ca oamenii să trebuiască să introducă chiar și cea mai mică informație. Apoi, se gândi el, computerele nu ar îndeplini doar sarcini, ci ar putea decide în cele din urmă ce sarcini să facă și când. De ce? Deci, computerele ar putea reduce cantitatea de muncă pe care oamenii ar trebui să o îndeplinească într-o anumită zonă.
Cum funcționează învățarea în mașină
Învățarea prin mașină funcționează prin utilizarea algoritmilor și a datelor. Un algoritm este un set de instrucțiuni sau instrucțiuni care indică unui computer sau unui program cum să realizeze o sarcină. Algoritmii utilizați în ML colectează date, recunosc modele și utilizează analiza acelor date pentru a-și adapta propriile programe și funcții pentru a-și îndeplini sarcinile.
ML algoritmii utilizează seturi de reguli, arbori de decizie, modele grafice, prelucrare a limbajului natural și rețele neuronale (pentru a numi câteva) pentru a automatiza prelucrarea datelor pentru a lua decizii și a efectua sarcini. În timp ce ML poate fi un subiect complex, mașina Google Teachable oferă o demonstrație simplificată de funcționare a modului în care lucrează ML.
Cea mai puternică formă de învățare mecanică utilizată astăzi, numită învățare profundă , construiește o structură matematică complexă numită rețea neuronală, bazată pe cantități mari de date. Rețelele neuronale sunt seturi de algoritmi în ML și AI modelate după modul în care celulele nervoase din creierul uman și informațiile sistemului nervos proces.
Inteligența artificială vs. învățarea mașinii vs. extracția datelor
Pentru a înțelege mai bine relația dintre AI, ML și extragerea de date, este util să vă gândiți la un set de umbrele de dimensiuni diferite. AI este cea mai mare umbrelă. Umbrela ML este o dimensiune mai mică și se potrivește sub umbrela AI. Umbrela de extragere a datelor este cea mai mică și se potrivește sub umbrela ML.
- AI este o ramură a științei informaticii care urmărește să programeze computerele pentru a îndeplini sarcini în moduri mai inteligente și "asemănătoare cu omul", folosind tehnici de raționament și de luare a deciziilor modelate după inteligența umană.
- ML este o categorie de calcul în cadrul AI axată pe mașini de programare (computere) pentru a învăța (colectarea datelor sau a exemplelor necesare) pentru a face deciziile inteligente, bazate pe date, într-un mod mai automatizat.
- Explorarea datelor utilizează statistici, ML, AI și baze de date imense de informații pentru a găsi modele, a oferi perspective, a crea clasificări, a identifica probleme și a furniza date detaliate de analiză.
Ce învățare de mașină poate face (și deja are)
Capacitatea computerelor de a analiza cantitati mari de informatii in fractiuni de secunda face ML utila intr-un numar de industrii unde timpul si precizia sunt esentiale.
- Medicina: Tehnologia ML este pusă în aplicare într-o serie de soluții pentru domeniul medical, incluzând ajutarea medicilor departamentului de urgență cu diagnosticarea mai rapidă a pacienților cu simptome neobișnuite. Medicii pot introduce o listă a simptomelor pacientului în program și folosind ML, programul poate răsfoi trilioane de terabytes de informații din literatura medicală și de pe Internet pentru a returna o listă de diagnostice potențiale și a recomandat testarea sau tratamentul în timp record.
- Educație: ML este utilizat pentru a crea instrumente educaționale care se adaptează nevoilor de învățare ale elevului, cum ar fi asistenții virtuali de învățare și manualele electronice care sunt mai interactive. Aceste instrumente folosesc ML pentru a descoperi ce concepte și abilități înțelege elevul folosind teste scurte și exerciții practice. Instrumentele oferă clipuri video scurte, exemple suplimentare și materiale de fundal pentru a ajuta elevul să învețe abilitățile sau conceptele necesare.
- Automobile: ML este, de asemenea, o componentă cheie în domeniul emergenței autoturismelor (numite și mașini fără autovehicule sau autoturisme autonome). Software-ul care operează autoturisme utilizează ML în timpul testelor rutiere și a simulărilor pentru a detecta condițiile rutiere (cum ar fi drumurile înghețate) sau pentru a identifica obstacolele pe șosea și pentru a învăța sarcini de conducere adecvate pentru a naviga în siguranță în astfel de situații.
Probabil că ați întâlnit deja ML de mai multe ori, fără să o realizați. Unele dintre utilizările mai uzuale ale tehnologiei ML includ recunoașterea practică a vorbirii ( Bixby , Siri de la Apple și multe programe de conversație text care sunt standardizate pe PC-uri), filtrarea spam-urilor pentru e-mail-ul dvs., editare de știri, detectarea fraudelor, personalizarea cum ar fi recomandările de cumpărături și oferirea de rezultate mai eficiente în căutarea pe web.
ML este chiar implicat în feed -ul dvs. Facebook . Când doriți sau faceți clic frecvent pe mesajele unui prieten, algoritmii și ML în spatele scenei "învață" din acțiunile dvs. de-a lungul timpului pentru a acorda prioritate anumitor prieteni sau pagini din Newsfeed.
Ce învățare în mașină nu se poate face
Cu toate acestea, există limite la ceea ce ML poate face. De exemplu, utilizarea tehnologiei ML în diferite industrii necesită o cantitate semnificativă de dezvoltare și programare de către oameni pentru a specializa un program sau sistem pentru tipurile de sarcini cerute de această industrie. De exemplu, în exemplul medical de mai sus, programul ML utilizat în departamentul de urgență a fost dezvoltat special pentru medicina umană. În prezent, nu este posibil să se ia acest program exact și să se pună în aplicare direct într-un centru de urgență veterinară. O astfel de tranziție necesită o vastă specializare și dezvoltare de către programatorii umani pentru a crea o versiune capabilă să facă această sarcină pentru medicina veterinară sau animală.
De asemenea, este nevoie de cantități incredibile de date și exemple pentru a "învăța" informațiile necesare pentru a lua decizii și a efectua sarcini. Programele ML sunt, de asemenea, foarte literale în interpretarea datelor și lupta cu simbolismul și, de asemenea, unele tipuri de relații în cadrul rezultatelor datelor, cum ar fi cauza și efectul.
Progresele continue, cu toate acestea, fac ML mai mult o tehnologie de bază care creează computere mai inteligente în fiecare zi.