Arvutid ei võta üle, kuid nad saavad iga päev targemaks
Lihtsaimates tingimustes on masin õppe (ML) masinate (arvutite) programmeerimine nii, et ta suudab täita soovitud ülesannet, kasutades selleks ja analüüsides andmeid (teavet), et seda ülesannet sõltumatult teha, ilma et inimarendaja lisaks konkreetset sisendit .
Masin õppe 101
Mõiste "masin õppimine" valmistati 1959. aastal IBMi laboratooriumis Arthur Samuel, kunstliku luure (IG) ja arvutimängude pioneer. Selle tulemusena on masinatreenimine seotud tehisintellektiga. Samueli eeldus oli ümberlõikata aja arvutamise mudelit tagurpidi ja lõpetada arvutite asemel õppimine.
Selle asemel soovis ta, et arvutid hakkaksid asju ise välja nägema, ilma et inimesed peaksid sisestama isegi väikseima informatsiooni. Siis arvas ta, et arvutid ei täida vaid ülesandeid, vaid võivad lõpuks otsustada, millised ülesanded täita ja millal. Miks? Nii et arvutid võiksid vähendada töömahtu, mida inimene vajab mis tahes piirkonnas tegutsemiseks.
Kuidas masin õpib tööd
Masinõlked töötavad algoritmide ja andmete abil. Algoritmiks on juhiste või juhiste kogum, mis ütleb arvutile või programmile, kuidas ülesanne läbi viia. ML-is kasutatud algoritmid koguvad andmeid, tunnustavad mustreid ja kasutavad nende andmete analüüsi oma ülesannete täitmiseks oma programmide ja funktsioonide kohandamiseks.
ML-algoritmid kasutavad otsuste tegemiseks ja ülesannete täitmiseks andmete kogumiseks automaatselt reeglite kogumit, otsustepuhte, graafilisi mudeleid, looduslikku keeletöötlust ja närvivõrke (nimetades vähe). Kuigi ML võib olla keeruline teema, pakub Google'i õpetatav masin lihtsustatud praktilisi näpunäiteid selle kohta, kuidas ML toimib.
Tänapäeval kõige võimsam masinaõpetus, mida nimetatakse sügavaks õppimiseks , loob keeruka matemaatilise struktuuri, mida nimetatakse neuralvõrguks ja põhineb suurtel andmehulkadel. Närvivõrgud on algoritmide komplektid ML ja AI-s, mis on modelleeritud pärast seda, kui närvirakud inimese ajus ja närvisüsteemis töötlevad teavet.
Artificial Intelligence vs. Machine Learning vs. Data Mining
Selleks, et paremini mõista AI, ML ja andmekaevandamise suhet, on kasulik mõelda erineva suurusega vihmavarju komplektile. AI on suurim vihmavari. ML-i katus on väiksem ja sobib AI-katuse all. Andmekaevamise vihmavari on kõige väiksem ja sobib ML-katuse all.
- AI on arvutiteaduste haru, mille eesmärgiks on arvutiprogrammide programmeerimine, et täita ülesandeid intelligentsemate ja inimpärasemate meetodite abil, kasutades mõistmist ja otsuste tegemise võtteid, mis on modelleeritud inimese intelligentsi põhjal.
- ML on informaatika kategooria AI-s, mis keskendub programmeerimismasinatele (arvutitele), et õppida (koguma vajalikke andmeid või näiteid), et teha andmepõhiseid ja arukaid otsuseid automatiseeritumalt.
- Andmete kaevandamine kasutab statistilisi andmeid, ML, AI-d ja tohutuid andmebaase, et leida mustreid, anda ülevaadet, luua klassifikatsioone, tuvastada probleeme ja anda üksikasjalikke andmeid analüüsi.
Mis masin õpib (ja seda juba teeb)
Arvutite suutlikkus analüüsida suures koguses teavet teise murdosana muudab ML kasu paljudes tööstusharudes, kus aeg ja täpsus on olulised.
- Meditsiin: ML-tehnoloogiat rakendatakse meditsiini valdkonnas mitmesugustes lahendustes, sealhulgas abiorganisatsioonide abistamisel ebatavaliste sümptomitega patsientide kiirema diagnoosimisega. Arstid saavad sisestada patsiendi sümptomite nimekirja ja kasutada ML-i. Programm võib meditsiinilises kirjanduses ja Internetis teavet triljoneid terabaiti koguda, et saada rekordajaga võimalike diagnooside ja soovitatavate testide või ravi kohta nimekiri.
- Haridus: ML-i kasutatakse selliste õppematerjalide loomiseks, mis sobivad õpilase õpivajadustega, nagu näiteks virtuaalõpetajate assistendid ja elektroonilised õpikud, mis on interaktiivsemad. Need vahendid kasutavad ML-i, et avastada, milliseid kontseptsioone ja oskusi üliõpilane mõistab, kasutades lühikesi viktsioone ja harjutusi. Seejärel pakuvad tööriistad lühikest videot, täiendavaid näiteid ja taustmaterjale, mis aitavad õpilastel omandada vajalikke oskusi või kontseptsioone.
- Autotööstus: ML on ka isevalgustatavate autode (nn juhi vähem autode või autonoomsete autode) võti. Tava, mis töötab iseseisvad autod, kasutab mobiilsidevõrku nii reaalajas liikluskatseid kui ka simulatsioone, et tuvastada teekontingimusi (näiteks jäine teed) või tuvastada takistusi sõiduteel ja õppida sobivaid sõiduülesandeid, et ohutult liikuda sellistes olukordades.
Te olete tõenäoliselt juba korduvalt ML-ga kokku puutunud ilma seda mõista. ML-i tehnoloogiate levinumate kasutusviiside hulka kuuluvad praktiline kõne tuvastamine ( Samsungi Bixby , Apple Siri ja paljud multimeediumprogrammide jaoks kõnelevad programmid), e-posti rämpsposti filtreerimine, uudistevoogude loomine, pettuse tuvastamine, isikupärastamine shopping recommendations ja tõhusamate veebiotsingu tulemuste pakkumine.
ML on isegi teie Facebooki voogu kaasatud. Kui sulle sageli meeldib sõprade postitused või klõpsate neid sageli, siis saavad algoritmid ja stseenide taga olevad MLd oma toimingutest aja jooksul "õppida", et seada oma uudistevoogude teatud sõpradele või lehtedele prioriteediks.
Millist masinatõppet ei saa teha
Siiski on ML-ile võimalik teha piiranguid. Näiteks, ML-tehnoloogia kasutamine erinevates tööstusharudes eeldab inimeste märkimisväärset arendamist ja programmeerimist, et spetsialiseeruda sellele tööstusharule vajalike tööülesannete täitmiseks vajalike programmide või süsteemide jaoks. Näiteks ülaltoodud meditsiinilistel näidetel töötati erakorralise meditsiini osakonna poolt kasutatud ML-programm spetsiaalselt inimese meditsiinis. Hetkel ei ole võimalik seda täpset programmi võtta ja seda otseselt rakendada veterinaaria hädaabikeskuses. Selline üleminek vajab inimeste programmeerijate ulatuslikku spetsialiseerumist ja arendamist, et luua versioon, mis suudab seda ülesannet veterinaar- või loomameditsiinis teha.
See nõuab ka tohutult suurt hulka andmeid ja näiteid, et "õppida" teavet, mida on vaja otsuste tegemiseks ja ülesannete täitmiseks. ML-programmid on samuti väga otsesed andmete tõlgendamisel ja sümbolismivastase võitlusega ning ka teatud tüüpi suhted andmete tulemuste, näiteks põhjuse ja tagajärje vahel.
Kuid edaspidised edusammud muudavad MLi rohkem igapäevaseks tuumatehnoloogiaks, mis loob targad arvutid.