Pols Daunijs | Flikrs
Mašīnmācība ir frāze, par kuru arvien biežāk tiek darīts galds, tomēr daudzi joprojām precīzi nezina, kas tā ir . Protams, tam ir iemesls. Tas joprojām ir ļoti agrīnā stadijā, un daudzi pieņem, ka tas vēl nav kaut kas tāds, kas ietekmē iedzīvotājus. Patiesībā tas varbūt nav tik patiesi, kā daži pieņem.
Kas ir mašīnmācība? Un ko tas šodien tiek izmantots? Šeit ir mūsu ceļvedis par visu, kas jums jāzina par mašīnmācību.
Kas ir mašīnmācīšanās?
Mašīnmācība, vienkārši izsakoties, ir mākslīgā intelekta forma, kas ļauj datoriem mācīties bez papildu programmēšanas. Citiem vārdiem sakot, programmatūra spēj apgūt jaunas lietas pati par sevi, bez programmētāja vai inženiera nepieciešamības kaut ko “iemācīt”. Mašīnmācība spēj ņemt datus un atklāt modeļus un atrast risinājumus, pēc tam tos piemērojot citām problēmām.
Attēls: K rlis Dambr? Ns | Flikrs
Ir svarīgi atzīmēt, ka mašīnmācība kā jēdziens nepavisam nav jauns - ir grūti izsekot jēdziena precīzai izcelsmei, ņemot vērā, ka tas apvienojas ar citām tehnoloģiju formām un no tām. Varētu apgalvot, ka mašīnmācība meklējama Tjūringa testa izveidē, kuru izmantoja, lai noteiktu, vai datoram ir intelekts. Pirmā datorprogramma, kurā mācījās, tomēr bija dambretes spēle, kuru 1952. gadā izstrādāja Artūrs Samuels. Šī spēle kļuva labāka, jo vairāk tā spēlēja.
Jaunākās tehnoloģijas tomēr krasi uzlabo mašīnmācīšanos. Piemēram, mašīnmācībai ir nepieciešams ļoti liels apstrādes jaudas daudzums, lai nesenā vēsturē mēs tikai sāktu attīstīt pamata mašīnmācību.
Ir daži galvenie veidi, kā programmētāji īsteno mašīnmācību. Pirmo sauc par “uzraudzītu mācīšanos”. Ko tas būtībā nozīmē, ka mašīnai tiek piegādātas problēmas, ja ir zināms problēmas risinājums. Mācīšanās algoritms spēj uztvert šīs problēmas kopā ar vēlamajiem rezultātiem, identificējot problēmu modeļus un attiecīgi rīkojoties. Pārraudzītu mācīšanos bieži izmanto, lai paredzētu notikumus nākotnē - piemēram, kad kredītkartes darījums varētu būt krāpniecisks.
Mašīnmācības otro ieviešanu sauc par “neuzraudzītu mācīšanos”. Šajā gadījumā programmatūrai netiek dots problēmas iznākums - tā vietā tiek piegādātas problēmas, un tam ir jāatrod datu shēmas. Mērķis šeit ir atrast struktūru tajā sniegtajos datos.
Trešā vieta ir “daļēji pārraudzīta mācīšanās”. Šo mašīnmācīšanās metodi bieži izmanto tām pašām lietām, kā uzraudzīto mācīšanos, taču tā prasa datus ar risinājumu un datus bez. Mācības daļēji uzraudzīti bieži tiek ieviesti, ja līdzekļu ir ierobežoti un uzņēmumi nespēj nodrošināt pilnu datu komplektu mācību procesam.
Pēdējais, bet ne mazāk svarīgais ir “pastiprinošais mācīšanās process”, ko īpaši izmanto tādām lietām kā spēles un roboti. Pastiprināšanas mācīšanās pamatā tiek mācīta ar izmēģinājumu un kļūdu palīdzību - mašīna mēģina lietas un mācās, pamatojoties uz panākumiem vai neveiksmēm. Mērķis šeit ir, lai mašīna izdomātu iespējami labākos rezultātus.
Protams, visas šīs mašīnmācīšanās metodes paredz mašīnu barot simtiem tūkstošu problēmu un milzīgu datu daudzumu. Tiešām, jo vairāk datu, jo labāk.
Kur mūsdienās tiek izmantota mašīnmācīšanās?
Attēli ar naudu | Flikrs
Patiesībā šodien ir daudz vietu, kur mašīnmācība tiek izmantota. Daudzi no tiem atrodas aizkulisēs, tomēr jūs varat būt pārsteigti, uzzinot, ka liela daļa no tiem ir arī kaut kas tāds, ko jūs lietojat katru dienu.
Varbūt tas, kuru jūs visvairāk izmantojat, ir personīgajā asistentā - tas ir taisnība, piemēram, Siri un Google tagad patīk mašīnmācība, galvenokārt, lai labāk izprastu runas modeļus. Tā kā miljoniem cilvēku izmanto Siri, sistēma spēj nopietni attīstīties, kā tā izturas pret valodām, akcentiem utt.
Protams, Siri nav vienīgais mašīnmācības patērētājs. Cits pielietojums ir banku darbība, piemēram, krāpšanas atklāšana. Piemēram, mašīnmācīšanās algoritmi var izsekot tēriņu modeļiem, nosakot, kuri modeļi, visticamāk, ir krāpnieciski, pamatojoties uz iepriekšējām krāpnieciskām darbībām.
Patiesībā pat jūsu e-pasts, iespējams, izmanto mašīnmācību. Piemēram, problēma ir surogātpasts, un laika gaitā tie ir attīstījušies. E-pasta sistēmas izmanto mašīnmācību, lai izsekotu surogātpasta e-pasta paraugus un to, kā mainās surogātpasta vēstules, pēc tam ievietojot tos mapē surogātpasta mapē, pamatojoties uz šīm izmaiņām.
Secinājumi
Mašīnmācība ir liela daļa no tā, kā mēs izmantojam tehnoloģijas un kā tehnoloģija mums var palīdzēt. Sākot no Siri līdz ASV bankai, mašīnmācība kļūst arvien izplatītāka, un tas, visticamāk, turpināsies.
