Học máy: nó là gì và mối quan hệ của nó với ai?

Hôm nay chúng tôi muốn dạy bạn sâu hơn một trong những thuật ngữ đã cách mạng hóa và sẽ cách mạng hóa một số tương tác như chúng ta biết. Chúng ta đang nói về Trí tuệ nhân tạo và chi nhánh cụ thể nhất của nó, Machine Learning hoặc Automatic Learning.

Như bạn có thể biết, điện toán luôn trong sự phát triển không ngừng và những gì chúng ta có thể mua thường không phải là tiên tiến nhất có thể.

Ví dụ, trong khi chúng tôi đang phát triển thế hệ thứ 4 của PCI-Express , các nhà nghiên cứu đã phát triển PCIe Gen 5 và nghiên cứu bước nhảy lên thứ 6 . Vì lý do tương tự, không có gì lạ khi tìm thấy các công nghệ mà chúng tôi không biết thực hiện các nhiệm vụ mà chúng tôi chưa bao giờ nghe nói đến.

Nhưng trước khi chúng ta tiến xa hơn, hãy thu hẹp chủ đề mà chúng ta sẽ nói đến bởi vì, Machine Learning là gì?

Chỉ số nội dung

Học máy là gì?

Machine Learning là một nhánh cụ thể của khoa học máy tính và Trí tuệ nhân tạo nơi các hệ thống có khả năng học tự động được tạo ra .

Chi nhánh này bắt đầu nghiên cứu và phát triển vào khoảng những năm 80 và ngày nay nó khá phát triển. Vì lý do tương tự, cả Trí tuệ nhân tạo và Học máy đều được sử dụng trong nhiều lĩnh vực khoa học và hàng ngày.

Trong nhánh này, AI được tạo thành từ một hoặc nhiều thuật toán có khả năng xử lý lượng lớn dữ liệu và học tập theo đó. Hai ý chính mà chủ đề này xoay quanh là:

• Hệ thống phải có khả năng phân tích dữ liệu và xây dựng các kỹ năng mà nó không có khi ra đời. Trí thông minh phải có khả năng thực hiện công việc một cách tự chủ, nghĩa là không có sự giám sát của con người.

Trong thế giới thực, chúng ta có các ví dụ thực tế như phân loại thư rác trong email, các đề xuất liên quan trên Amazon hoặc dự đoán về tương lai bằng cách sử dụng dữ liệu của công ty. Phần sau là một phần thú vị mà ngày càng nhiều công ty đang đặt cược.

Sử dụng Machine Learning, chúng ta có thể thấy những mẫu nào xác định khách hàng không hài lòng hoặc khách hàng cũ để cố gắng cải thiện mối quan hệ với những người dùng khác trong cùng trạng thái. Thâm niên, số lượng khiếu nại, kế hoạch hợp đồng và những người khác được nghiên cứu để tạo ra hồ sơ nhất định. Sau khi kết luận của AI được rút ra, một nhóm các chuyên gia tiếp thị có thể tạo ra một chiến dịch cụ thể để chống lại những vấn đề đó.

Do đó, công ty có thể tạo ra các kế hoạch để thu hút hoặc giữ khách hàng dựa trên các giả định nhất định và đi từ chiến lược phản ứng sang chiến lược chủ động. Đó là một chiến thuật rất thú vị sử dụng Trí tuệ nhân tạo , lượng lớn dữ liệu và Machine Learning .

Trí tuệ nhân tạo được đào tạo như thế nào?

Để có Trí tuệ nhân tạo được chuẩn bị, nó phải trải qua các giai đoạn khác nhau:

1. Nó đi qua một môi trường được kiểm soát đầu tiên. Tại đây bạn nhập một lượng lớn dữ liệu và kết quả tương ứng của chúng mà bạn có thể tạo mối quan hệ giữa các ý tưởng. Phần này được gọi là Học tập có giám sát . Sau đó, bạn được đưa vào một môi trường tự do và chưa được trả lời, nơi chính AI sẽ phải chọn một kết quả. Bằng cách biết câu trả lời của bạn có đúng hay không, bạn tạo quy tắc mới trong thuật toán của mình. Giai đoạn này được gọi là Học tập không giám sát . Cuối cùng, một môi trường được chuẩn bị cho anh ta nơi anh ta chùn bước. Nếu, ví dụ, rất khó để bạn phân biệt hình ảnh với độ sáng thấp, có lẽ bạn sẽ được đào tạo với ảnh đêm. Giai đoạn này được gọi là Học tăng cường. Quá trình có thể được thực hiện từ bước 2 nhiều lần nếu bạn muốn tinh chỉnh Trí thông minh .

Đề án tổng quát về Machine Learning

Một ví dụ thực tế là hiển thị mười triệu ảnh AI và cho chúng biết đó là chó nào và không. Ở đây anh ta sẽ liên quan rằng chó thường có lông, chúng thường đi bằng bốn chân và có hình dạng và kích cỡ khác nhau tùy thuộc vào giống.

Sau đó, anh ta được đưa ra một triệu bức ảnh để phân loại. Tại đây, bạn phải trả lời có hay không có một con chó trong ảnh và tùy theo việc bạn có tạo ra 'ý tưởng' mới trong cơ sở dữ liệu của mình hay không. Để thực hiện dữ liệu mới này, Intelligence sẽ thiết lập các quy tắc mới trong thuật toán của mình và bây giờ, ví dụ, nó sẽ có thể phân biệt chó với mèo.

Cuối cùng, hiệu quả của anh ấy được nghiên cứu và những bức ảnh mới được chuẩn bị để rèn luyện những điểm yếu của anh ấy.

Tất nhiên, đây là một hệ thống đơn giản và rất lặp đi lặp lại cho cuộc biểu tình, nhưng có nhiều phương pháp thử nghiệm và đặc biệt khác.

Tay, bot Twitter

Một trường hợp đào tạo thử nghiệm gần đây là Tay , một AI được phát triển bởi Microsoft được thiết kế để học cách thể hiện bản thân như một con người.

Hồ sơ Twitter của Tây

Bot đã được lập trình để ban đầu nói chuyện như một cô gái 19 tuổi và vào ngày 23 tháng 3 năm 2016, cô đã được thả ra ở những nơi tối tăm của Twitter.

Bạn đã được lập trình để nói chuyện với cộng đồng và học hỏi từ những tin nhắn bạn nhận được cũng như tương tác của bạn với người dùng. Việc học của cô gần như hoàn toàn tự chủ, mặc dù cô đã phải rút lui sau 16 giờ vì thể hiện những hành vi tiêu cực.

Trong khoảng thời gian ngắn của cuộc đời, anh đã tweet hơn 96.000 tweet. Tuy nhiên, hành vi tấn công có chủ đích của mạng xã hội này đã khiến cho Tay nhanh chóng phản ứng với phân biệt chủng tộc và các cụm từ khác.

Trong trường hợp này, Học tập được giám sát và một loạt các quy tắc cơ bản nên được sửa đổi hợp lệ. Biết giọng điệu vô tư và phản cảm của mạng xã hội, Tay không sẵn sàng phân biệt sự thật với sự mỉa mai. Vì lý do tương tự, một số người dùng đã dễ dàng "phá vỡ" "rào cản trí tuệ" của Trí thông minh .

Ứng dụng Machine Learning trong thế giới thực

Chúng tôi đã nói với bạn về một số cách sử dụng hàng ngày mà có lẽ bạn đã biết về Machine Learning , nhưng những trường hợp khác tồn tại.

Dưới đây bạn sẽ thấy một loạt các ứng dụng thực tế của công nghệ này trong các vấn đề phổ biến nhất. Tất nhiên, chúng là những giải pháp tiên tiến, vì vậy chúng cũng thường đòi hỏi nhiều tiền hơn đáng kể.

Sức khỏe

Một công nghệ cho một loại quần áo mới có khả năng đọc thông tin về cơ thể chúng ta đang được nghiên cứu. Nó có thể đọc được mạch, nhịp thở hoặc sự lo lắng của chúng ta.

Những dữ liệu này được đọc bởi một Tình báo đánh giá tình trạng của bệnh nhân trong thời gian thực. Vì vậy, nếu bạn gặp vấn đề như đau tim tại một thời điểm cụ thể, bạn có thể chẩn đoán và / hoặc phản hồi nhanh hơn.

Mặt khác, một số bot có khả năng phát hiện ý nghĩ tự tử đã được triển khai ở một số người. Facebook Intelligence nổi tiếng đọc các cuộc hội thoại và hoạt động của bạn để nhận ra các kiểu khuynh hướng tự tử, mặc dù có những phiên bản khác nghiên cứu kỹ hơn hành vi của con người, giọng nói và ngôn ngữ cơ thể của anh ta.

Tài chính

Trong kinh tế học, một số ngân hàng và công ty đã sử dụng các giải pháp dựa trên Machine Learning để phát hiện và ngăn chặn gian lận.

Mặt khác, một cái gì đó tương tự cũng được sử dụng để dễ dàng xác định các cơ hội đầu tư hơn. Nó cũng được sử dụng để quyết định khi nào nên bán hoặc mua cổ phiếu và các phương tiện khác.

Tiếp thị

Điều này chúng tôi đã đề cập, nhưng nó là một trong những ứng dụng nổi tiếng nhất của nó.

Bạn sẽ thấy một vài sản phẩm trên Amazon , vào Facebook, Google hoặc Instagram và chỉ thấy sản phẩm đó trong quảng cáo của bạn. Không phải ngẫu nhiên, vì các mạng xã hội và Google triển khai Trí tuệ nghiên cứu lịch sử của bạn và lợi ích có thể của bạn để nắm bắt chúng ở nơi chúng có thể.

Một số người dùng coi đó là một cách xâm nhập 'tấn công' người dùng và không có gì đáng ngạc nhiên vì họ bắn phá bạn bằng một ý tưởng. Tuy nhiên, quảng cáo sẽ đi theo hướng đó vì nó mang tính cá nhân hơn và quảng cáo sẽ được nhắm mục tiêu đến người mua tiềm năng.

Học máy và học sâu

Hai thuật ngữ này thường đi đôi với nhau, nhưng chúng không hoàn toàn giống nhau. Trong một bài viết trong tương lai, chúng tôi sẽ nói về thuật ngữ thứ hai này, vì nó là thứ đáng được học hỏi.

CHÚNG TÔI KIẾN NGHỊ BẠN Cách gỡ cài đặt trình điều khiển AMD một cách sạch sẽ và dễ dàng

Nói chung, chúng ta có thể thiết lập mối quan hệ giữa Machine Learning và Deep Learning như mối quan hệ mà Trí tuệ nhân tạo và Học máy có . Deep Learning là một nhánh thậm chí cụ thể hơn của Machine Learning .

Nó chia sẻ các phần quan trọng như tiến hóa theo thời gian và kinh nghiệm, nhưng nó có một loạt khác biệt.

Học đơn giản

Cơ sở của nó để học và xử lý dữ liệu là sử dụng các lớp khác nhau hoạt động như thể chúng là tế bào thần kinh. Do đó, chúng ta có thể thiết lập rằng những Trí tuệ này thường được tinh chỉnh hơn, nhưng cũng phức tạp hơn và tốn kém hơn để xây dựng.

Mặc dù nếu bạn quan tâm hơn đến chủ đề này, hãy theo dõi trang web và truy cập bài viết tiếp theo của chúng tôi về Deep Learning .

Chúng ta cách Skynet bao xa?

Chúng tôi có phần này cho những tâm trí mơ mộng nhất.

Đây là một chủ đề rất lặp đi lặp lại trong sách, phim ảnh và những người khác. Không phải là không có gì chính xác là một thể loại hoặc chủ đề được gọi là Cyberpunk . Tuy nhiên, khác xa với những kẻ mắc chứng tương lai được điều khiển bởi Trí tuệ nhân tạo , máy móc của chúng ta vẫn còn một chặng đường dài.

Robot thông minh của Rick & Morty

Các hệ thống Machine Learning ngày nay thuộc về nhóm ' AI yếu'. Như chúng ta đã thấy, những Trí tuệ này chỉ có khả năng hiểu các mẫu và đưa ra các suy luận đơn giản. Chúng rất hữu ích để hỗ trợ chúng tôi trong một số bối cảnh nhất định, nhưng chúng hoàn toàn không phải là hệ thống tự trị.

Mặt khác, chúng ta sẽ có 'AI mạnh mẽ' , những người được thể hiện trong những câu chuyện tương lai, nơi họ ngang bằng hoặc thông minh hơn nhiều so với con người. Chúng ta có thể tìm thấy những ví dụ đáng chú ý trong văn hóa phổ biến như 'Ma trận' , 'Kẻ hủy diệt' , 'Bóng ma trong vỏ' hoặc 'Halo' . Trên thực tế, trong danh sách này có hai tác phẩm có liên quan với nhau; Đoán xem cái nào?

Ngày nay chúng ta vẫn đang phát triển những chiếc xe hoàn toàn tự chủ và an toàn. Chúng tôi đang tiếp tục tiến bộ, nhưng chúng tôi vẫn có cách để phát triển một thực tế bình đẳng được làm hoàn toàn bằng công nghệ.

Nếu bạn muốn biết thêm về nó, bạn có thể truy cập bài viết của chúng tôi về Trí tuệ nhân tạo . Đó là một văn bản từ quan điểm tổng quát hơn và chúng tôi nghiên cứu một chút về sự phân nhánh có thể có mà công nghệ này sẽ có.

Lời cuối cùng về học máy

Tương tự như kết luận của chúng tôi về Trí tuệ nhân tạo, rõ ràng tương lai là không chắc chắn. Tuy nhiên, không thể tránh khỏi sự tiến hóa sẽ cần được xem xét để thực hiện công nghệ giữa các kỹ năng và đặc điểm của nó.

Dần dần, Internet sẽ ngày càng được kiểm soát tốt hơn bởi các chương trình và thuật toán. Mạng xã hội sẽ được hiệu chỉnh tốt hơn và sẽ cung cấp cho chúng tôi nội dung nhiều hơn theo thị hiếu của chúng tôi. Và cuối cùng, các mối quan hệ trực tuyến sẽ an toàn hơn nhiều bằng cách phát hiện dễ dàng hơn khi có nguy cơ lừa đảo hoặc tương tự.

Mặt khác, đừng ngạc nhiên rằng thế kỷ này là khi IoT (Internet of Things) sẽ tỏa sáng. Đó là một ý tưởng mà chúng ta đã mơ ước từ lâu và ngày càng gần hơn. Ngoài ra, IoT là nhà thầu lớn các công nghệ tiên tiến liên quan đến Machine Learning, mặc dù nó vẫn thiếu một số điều chỉnh liên quan đến bảo mật.

Về phần chúng tôi, chúng tôi nghĩ rằng nó sẽ là một sự tiến hóa dần dần và miễn là bạn được thông báo về những gì đang xảy ra, bạn không có gì phải sợ. Xe hơi hoặc tủ lạnh mới nghe có vẻ lạ đối với bạn, nhưng tôi chắc chắn không nghĩ rằng chúng ta sẽ thấy sự thức tỉnh của 'AI mạnh mẽ'.

Chúng tôi khuyên bạn nên đọc các máy tính xách tay tốt nhất trên thị trường

Cuối cùng, chúng tôi phải thú nhận rằng chúng tôi không phải là chuyên gia về Trí tuệ nhân tạo hay Học máy , vì vậy đừng ngạc nhiên trước một số dữ liệu lạ. Nếu chúng tôi đã phạm sai lầm, đừng ngần ngại nói với chúng tôi! Rốt cuộc, chúng ta chưa phải là máy hoàn hảo.

Còn bạn, bạn nghĩ gì về Machine Learning và Artificial Intelligence ? Ở khía cạnh nào bạn nghĩ rằng họ nên được thực hiện? Chia sẻ ý tưởng của bạn dưới đây.

Phông chữ thông minh Dataapdsaslagacetawhatsnew