Strojové učení: co to je a jaký je jeho vztah k ai?
Obsah:
- Co je strojové učení ?
- Jak jsou trénovány umělé inteligence ?
- Tay, cvrlikání bot
- Aplikace strojového učení v reálném světě
- Zdraví
- Finance
- Marketing
- Strojové učení a hluboké učení
- Jak daleko jsme od Skynetu ?
- Závěrečná slova o strojovém učení
Dnes vás chceme podrobněji naučit jeden z termínů, který revolucionizoval a způsobí revoluci některých interakcí, jak je známe. Mluvíme o umělé inteligenci a jejím nejkonkrétnějším oboru, strojovém učení nebo automatickém učení.
Jak možná víte, výpočetní technika je vždy v neustálém vývoji a to, co můžeme koupit, obvykle není tak špičkové, jak je to možné.
Například když vyvíjíme 4. generaci PCI-Express , vědci již vyvíjejí PCIe Gen 5 a studují skok na 6 .. Ze stejného důvodu není neobvyklé najít technologie, o kterých jsme nevěděli dělat úkoly, o kterých jsme nikdy neslyšeli.
Ale než půjdeme dále, zúžme téma, o kterém budeme mluvit, protože, co je to strojové učení ?
Index obsahu
Co je strojové učení ?
Strojové učení je specifické odvětví informatiky a umělé inteligence, kde se vytvářejí systémy schopné automatického učení.
Tato větev začala studovat a rozvíjet kolem 80. let a dnes je docela rozvinutá. Ze stejného důvodu se umělá inteligence i strojové učení používají v mnoha vědeckých a každodenních oborech.
V této větvi jsou AI tvořeny jedním nebo více algoritmy schopnými zpracovat velké množství dat a odpovídajícím způsobem se učit. Dva klíčové nápady, na nichž toto téma obíhá:
- Systém musí být schopen analyzovat data a budovat dovednosti, které neměl při svém narození. Inteligence musí být schopna vykonávat práci autonomně, tj. Bez lidského dohledu.
Ve skutečném světě máme praktické příklady, jako je klasifikace spamu v e-mailech, související doporučení týkající se Amazonu nebo předpovědi budoucnosti pomocí firemních údajů. Ta je zajímavou částí, na kterou stále více společností sází.
Pomocí strojového učení můžeme vidět, jaké vzorce identifikují nespokojené zákazníky nebo bývalé zákazníky, aby se pokusili zlepšit vztahy s ostatními uživateli ve stejném stavu. Studuje se seniorita, počet stížností, smluvní plány a další, aby se vytvořily určité profily. Jakmile budou vyvozeny závěry AI , skupina marketingových odborníků může vytvořit konkrétní kampaň k potírání těchto problémů.
Společnost tak může vytvářet plány na přilákání nebo udržení zákazníků na základě určitých předpokladů a přechází od reaktivní strategie k proaktivní. Je to velmi zajímavá taktika, která využívá umělou inteligenci , velké množství dat a strojové učení .
Jak jsou trénovány umělé inteligence ?
Aby byla připravena umělá inteligence , musí projít různými fázemi:
- Nejprve prochází kontrolovaným prostředím. Zde zadáte velké množství dat a jejich příslušné výsledky, s nimiž můžete vytvářet vztahy mezi nápady. Tato část se nazývá supervidované učení . Poté se dostanete do volného a nezodpovězeného prostředí, kde si AI bude muset vybrat výsledek. Tím, že víte, zda jsou vaše odpovědi správné nebo ne, vytvoříte ve svém algoritmu nová pravidla. Tato fáze se nazývá Unsupervised Learning . Nakonec je pro něj připraveno prostředí, kde propadá. Pokud je například pro vás obtížné rozlišit obrázky s nízkou svítivostí, možná budete školeni nočními fotografiemi. Tato fáze se nazývá Posílení učení. Tento proces lze provést od kroku 2 tolikrát, kolikrát chcete doladit zpravodajství .
Obecné schéma strojového učení
Praktickým příkladem by bylo ukázat AI deset milionů fotografií a říct jim, kteří jsou psi a kteří ne. Zde se bude vztahovat na to, že psi obvykle mají srst, obvykle chodí na čtyřech nohou a v závislosti na plemeni jsou různé tvary a velikosti.
Poté dostane milion fotografií na klasifikaci. Zde musíte odpovědět, zda je na fotografii pes a podle toho, zda ve své databázi vytvoříte nové nápady . Aby mohla tato nová data implementovat, Intelligence zavede nová pravidla do svého algoritmu a nyní bude například moci odlišit psy od koček.
Nakonec je studována jeho efektivita a nové fotografie jsou připraveny na trénování jeho slabých stránek.
Jde samozřejmě o jednoduchý a velmi opakovaný systém pro demonstraci, ale existují i další experimentálnější a zvláštnější metody.
Tay, cvrlikání bot
Nedávným případem experimentálního výcviku byl Tay , umělá inteligence vyvinutá společností Microsoft, jejímž cílem bylo naučit se vyjadřovat se jako člověk.
Tayův profil na Twitteru
Robot byl naprogramován tak, aby zpočátku mluvil jako 19letá dívka, a 23. března 2016 byla propuštěna na temných místech Twitteru.
Byl jste naprogramován tak, aby hovořil s komunitou a učil se ze zpráv, které jste obdrželi, a také z vašich interakcí s uživateli. Její učení bylo téměř zcela autonomní, i když musela být po 16 hodinách odejmuta, aby projevila negativní chování.
V krátké době svého života tweetoval více než 96 000 tweetů. Díky úmyslnému útočnému chování této sociální sítě však Tay rychle a rychle reagoval rasisticky a jinými frázemi.
V tomto případě by mělo být učení pod dohledem a řada základních pravidel řádně revidována. Tay , neznal bezstarostný a útočný tón sociální sítě, nebyl připraven rozlišit skutečné od sarkastického. Ze stejného důvodu se některým uživatelům podařilo snadno „zlomit“ „intelektuální bariéru“ inteligence .
Aplikace strojového učení v reálném světě
Už jsme vám řekli o některých každodenních způsobech použití, které jste možná již věděli o strojovém učení , ale jaké další případy existují.
Níže uvidíte řadu praktických aplikací této technologie v nejčastějších problémech. Samozřejmě se jedná o špičková řešení, takže obvykle také vyžadují výrazně více peněz.
Zdraví
Studuje se technologie pro nový typ oděvů schopných číst informace o našem těle. Může být schopen přečíst náš puls, dýchání nebo úzkost.
Tato data jsou čtena inteligencí, která vyhodnocuje stav pacienta v reálném čase. Takže pokud máte problém, jako je infarkt v určitém čase, můžete diagnostikovat a / nebo reagovat rychleji.
Na druhé straně, někteří lidé dokázali odhalit sebevražedné myšlenky. Slavná zpravodajská služba Facebook čte konverzace a vaši aktivitu, aby rozpoznávala vzorce sebevražedných tendencí, ačkoli existují i jiné verze, které podrobněji studují chování osoby, jeho tón hlasu a řeč těla.
Finance
V ekonomii některé banky a společnosti použily řešení založená na strojovém učení k detekci a prevenci podvodů.
Na druhé straně se něco podobného používá také pro snadnější identifikaci investičních příležitostí. Používá se také k rozhodnutí, kdy prodat nebo koupit akcie a jiné prostředky.
Marketing
To jsme již zmínili, ale je to jedna z jeho nejznámějších aplikací.
Stalo se vám, že uvidíte na Amazonu několik produktů, vstoupíte na Facebook, Google nebo Instagram a uvidíte jen ten produkt ve svých reklamách. Není to náhoda, protože sociální sítě a Google implementují Intelligences, která studují vaši historii a vaše možné zájmy, aby je zachytily tam, kde je to možné.
Někteří uživatelé to považují za rušivý způsob „útoku“ na uživatele a není divu, protože vás bombardují nápadem. Reklama se však bude pohybovat tímto směrem, protože je více osobní a reklamy budou cíleny na potenciální kupce.
Strojové učení a hluboké učení
Tyto dva termíny obvykle jdou ruku v ruce, ale nejsou úplně stejné. V budoucích článcích budeme hovořit o tomto druhém semestru, protože je to něco, co si zaslouží být poučeni.
DOPORUČUJEME, jak odinstalovat ovladače AMD čistě a snadnoObecně bychom mohli stanovit vztah mezi strojovým učením a hlubokým učením jako ten, který mají umělá inteligence a strojové učení . Hluboké učení je ještě konkrétnější odvětví strojového učení .
Sdílí klíčové sekce, jako je evoluce v čase a zkušenosti, ale má další řadu rozdílů.
Zjednodušené hluboké učení
Jeho základem pro učení a zpracování dat je použití různých vrstev, které fungují, jako by to byly neurony. Mohli bychom tedy prokázat, že tato inteligence jsou obvykle propracovanější, ale také složitější a nákladnější na jejich sestavení.
Přestože se o toto téma více zajímáte, zůstaňte naladěni na tento web a navštivte náš další článek o hlubokém učení .
Jak daleko jsme od Skynetu ?
Máme tuto sekci pro nejvíce zasněné mysli.
Toto je velmi opakované téma v knihách, filmech a dalších. Ne nadarmo existuje přesně takový žánr nebo téma zvané Cyberpunk . Naše futuristické dystopie ovládané umělou inteligencí však mají daleko k tomu, aby odešly.
Inteligentní robot Ricka a Mortyho
Dnešní systémy strojového učení patří do skupiny „ slabých AI“. Jak jsme viděli, tato inteligence jsou schopna pouze porozumět vzorcům a provádět jednoduché dedukce. Jsou velmi užitečné, aby nás v určitých kontextech podporovali, ale nejsou to vůbec autonomní systémy.
Na druhé straně bychom měli „silné AI“ , ty, které jsou zastoupeny ve futuristických příbězích, kde jsou stejné nebo mnohem inteligentnější než lidé. V populární kultuře najdeme pozoruhodné příklady jako „Matrix“ , „Terminator“ , „Ghost in Shell“ nebo „Halo“ . Ve skutečnosti jsou v tomto seznamu dvě díla, která spolu souvisí; Hádejte, které?
Dnes stále vyvíjíme plně autonomní a bezpečná auta . Neustále postupujeme, ale stále máme způsob, jak vyvinout stejný fakt vyrobený zcela z technologie.
Pokud se o tom chcete dozvědět více, můžete navštívit náš článek o umělé inteligenci . Jedná se o text z obecnějšího hlediska a my trochu prozkoumáme možná důsledky, které tato technologie bude mít.
Závěrečná slova o strojovém učení
Podobně jako náš závěr o umělé inteligenci je jasné, že budoucnost je nejistá. Je však nevyhnutelné, že vývoj bude muset být přezkoumán, aby se technologie mohla implementovat do svých schopností a vlastností.
Postupně bude internet více a lépe ovládán programy a algoritmy. Sociální sítě budou lépe kalibrovány a nabídnou nám obsah více podle našeho vkusu. A konečně, online vztahy budou mnohem bezpečnější tím, že budou snadněji detekovány, pokud existuje nebezpečí podvodu nebo podobně.
Na druhou stranu se nedivte, že v tomto století bude svítit internet věcí . Je to myšlenka, o které jsme snili dlouho a to se blíží. Kromě toho je IoT velkým uchazečem o špičkové technologie související se strojovým učením, i když stále chybí některá přizpůsobení týkající se bezpečnosti.
Z naší strany si myslíme, že to bude postupný vývoj, a pokud budete informováni o tom, co se děje, nemusíte se čeho bát. Nová auta nebo ledničky vám mohou znít divně, ale rozhodně si nemyslím, že uvidíme probuzení „silných AI“.
Doporučujeme přečíst si nejlepší notebooky na trhu
Nakonec se musíme přiznat, že nejsme odborníci na umělou inteligenci nebo strojové učení , takže vás nepřekvapí některá podivná data. Pokud jsme udělali chybu, neváhejte nám to říct! Koneckonců, nejsme zatím dokonalé stroje.
A vy, co si myslíte o strojovém učení a umělé inteligenci ? Z jakého hlediska si myslíte, že by měly být implementovány? Podělte se o své nápady níže.
Chytrá Dataapdsaslagacetawhatsnew písmoSpolečnost Microsoft použije strojové učení pro aktualizace systému Windows 10
Společnost Microsoft použije strojové učení pro aktualizace systému Windows 10. Další informace o této změně v aktualizacích.
Google uvádí na trh nové api strojové učení, aby našel obrázky sexuálního zneužívání dětí online
Google uvádí na trh bezplatný nástroj pro strojové učení, který zrychlí a zlepší detekci obrázků sexuálního zneužívání dětí online
Directml přidá „strojové učení“ k directxu 12 a dorazí v roce 2019
Společnost Microsoft vydala aktualizaci připravovaného rozhraní DirectML API, což je přírůstek k současnému rozhraní DirectX 12 API, které bude fungovat podobně jako DXR.