Maskininlärning: vad är det och vad är dess relation till ai?

Idag vill vi lära dig mer i ett av de termer som har revolutionerat och kommer att revolutionera vissa interaktioner som vi känner dem. Vi pratar om Artificiell intelligens och dess mest specifika gren, Machine Learning eller Automatic Learning.

Som ni kanske vet är datorn alltid i ständig utveckling och vad vi kan köpa är vanligtvis inte så banbrytande som möjligt.

Till exempel, medan vi utvecklar fjärde generationen PCI-Express, utvecklar forskare redan PCIe Gen 5 och studerar hoppet till sjätte . Av samma anledning är det inte ovanligt att hitta tekniker som vi inte visste att vi utförde uppgifter som vi aldrig hade hört talas om.

Men innan vi går längre, låt oss begränsa ämnet som vi ska prata om för, vad är maskininlärning ?

Innehållsindex

Vad är maskininlärning ?

Machine Learning är en specifik gren av datavetenskap och artificiell intelligens där system som kan automatiskt lärande skapas .

Denna gren inledde sin studie och utveckling runt 80-talet och idag är den ganska utvecklad. Av samma anledning används både konstgjord intelligens och maskininlärning inom många vetenskapliga och vardagliga områden.

I denna gren består AI: er av en eller flera algoritmer som kan bearbeta stora datamängder och lära sig i enlighet därmed. De två huvudidéerna som detta ämne går runt:

• Systemet måste kunna analysera data och bygga färdigheter som det inte hade vid sin födelse. Intelligens måste kunna utföra arbetet autonomt, det vill säga utan mänsklig övervakning.

I den verkliga världen har vi praktiska exempel som klassificering av skräppost i e-postmeddelanden, relaterade rekommendationer på Amazon eller förutsägelser om framtiden med företagsdata. Det senare är ett intressant avsnitt som fler och fler företag satsar på.

Med maskininlärning kan vi se vilka mönster som identifierar missnöjda kunder eller exkunder för att försöka förbättra förhållandet med andra användare i samma tillstånd. Senioritet, antal klagomål, avtalade planer och andra studeras för att skapa vissa profiler. När AI: s slutsatser har dragits kan en grupp marknadsföringsexperter skapa en specifik kampanj för att bekämpa dessa problem.

Således kan företaget skapa planer för att locka eller behålla kunder baserat på vissa antaganden och går från en reaktiv strategi till en proaktiv strategi. Det är en mycket intressant taktik som använder Artificial Intelligence , stora mängder data och maskininlärning .

Hur utbildas artificiell intelligens ?

För att en konstgjord intelligens ska vara beredd måste den gå igenom olika faser:

1. Det går igenom en kontrollerad miljö först. Här anger du en stor mängd data och deras respektive resultat som du kan skapa förhållanden mellan idéer. Den här delen kallas Supervised Learning . Sedan placeras du i en fri och obesvarad miljö där AI själv måste välja ett resultat. Genom att veta om dina svar är korrekta eller inte, skapar du nya regler i din algoritm. Det här stadiet heter Unsupervised Learning . Slutligen förbereds en miljö för honom där han vacklar. Om det till exempel är svårt för dig att skilja bilder med låg ljusstyrka, är du kanske tränad med nattfoton. Denna fas kallas Förstärkningslärande. Processen kan göras från steg 2 så många gånger som du vill finjustera intelligensen .

Generaliserat schema för maskininlärning

Ett praktiskt exempel skulle vara att visa en AI tio miljoner foton och berätta för dem vilka är hundar och vilka inte. Här kommer han att berätta att hundar vanligtvis har päls, de brukar gå på fyra ben och det finns olika former och storlekar beroende på rasen.

Efteråt får han en miljon foton att klassificera. Här måste du svara på om det finns en hund på fotot eller inte och beroende på om du kommer att skapa nya "idéer" i din databas eller inte. För att implementera denna nya data kommer Intelligence att fastställa nya regler i sin algoritm och nu kommer den till exempel att kunna skilja hundar från katter.

Slutligen studeras hans effektivitet och nya bilder är beredda att träna hans svaga punkter.

Naturligtvis är detta ett enkelt och mycket upprepat system för demonstrationen, men det finns andra mer experimentella och speciella metoder.

Tay, Twitter-botten

Ett nytt fall av experimentell träning var Tay , en AI utvecklad av Microsoft som är utformad för att lära sig att uttrycka sig som en människa.

Tay's Twitter-profil

Botten var programmerad att initialt tala som en 19-årig flicka och den 23 mars 2016 släpptes hon på de mörka platserna på Twitter.

Du var programmerad att prata med samhället och lära av de meddelanden du fick samt dina interaktioner med användare. Hennes inlärning var nästan fullständigt autonom, även om hon var tvungen att dras tillbaka efter 16 timmar för att visa negativt beteende.

Under den korta tiden av sitt liv tweetade han mer än 96 000 tweets. Men det sociala nätverkets avsiktliga offensiva beteende gjorde det snabbare än snart för Tay att svara med rasistiska och andra fraser.

I detta fall borde Supervised Learning och serien med grundläggande regler ha vederbörligen reviderats. Tay kände den sorglösa och stötande ton i det sociala nätverket och var inte beredd att skilja det verkliga från det sarkastiska. Av samma anledning lyckades vissa användare enkelt "bryta " intelligensens "intellektuella barriär" .

Machine Learning-applikationer i den verkliga världen

Vi har redan berättat om vissa dagliga användningar som du kanske redan visste om maskininlärning , men vilka andra fall som finns.

Nedan ser du en serie praktiska tillämpningar av denna teknik i de vanligaste problemen. Naturligtvis är de banbrytande lösningar, så de kräver vanligtvis betydligt mer pengar.

hälsa

En teknik för en ny typ av kläder som kan läsa information om vår kropp studeras. Det kanske kan läsa vår puls, andning eller ångest.

Dessa data läses av en intelligens som utvärderar patientens tillstånd i realtid. Så om du har ett problem som hjärtattack vid en viss tidpunkt kan du diagnostisera och / eller svara snabbare.

Å andra sidan har vissa robotar som kan upptäcka självmordstankar implementerats hos vissa människor. Den berömda Facebook- intelligensen läser konversationer och din aktivitet för att känna igen mönster av självmordsbenägenheter, även om det finns andra versioner som studerar personens beteende, hans röstton och hans kroppsspråk.

ekonomi

Inom ekonomi har vissa banker och företag använt Machine Learning- baserade lösningar för att upptäcka och förebygga bedrägerier.

Å andra sidan används också något liknande för att lättare identifiera investeringsmöjligheter. Det används också för att bestämma när man ska sälja eller köpa aktier och andra medel.

marknadsföring

Detta har vi redan nämnt, men det är en av dess mest kända applikationer.

Det har hänt dig att se ett par produkter på Amazon , gå in på Facebook, Google eller Instagram och se just den produkten i dina annonser. Det är ingen slump, eftersom sociala nätverk och Google implementerar intelligenser som studerar din historia och dina möjliga intressen för att fånga dem där de kan.

Vissa användare ser det som ett påträngande sätt att "attackera" användaren och det är inte förvånande eftersom de bombarderar dig med en idé. Annonsering kommer dock att röra sig i den riktningen eftersom den är mer personlig och annonserna riktas till potentiella köpare.

Maskininlärning och djupt lärande

Dessa två termer går vanligtvis hand i hand, men de är inte exakt samma. I framtida artiklar kommer vi att prata om den andra terminen, eftersom det är något som förtjänar att lära sig.

VI rekommenderar dig hur du avinstallerar AMD-drivrutiner rent och enkelt

I allmänhet kan vi fastställa förhållandet mellan maskininlärning och djupinlärning som det som konstgjord intelligens och maskininlärning har . Deep Learning är en ännu mer specifik gren av Machine Learning .

Det delar viktiga avsnitt som evolution över tid och erfarenhet, men det har en annan serie skillnader.

Förenklad Deep Learning

Grunden för att lära och bearbeta data är att använda olika lager som fungerar som om de var neuroner. Därför kan vi konstatera att dessa intelligenser vanligtvis är mer förfinade, men också mer komplicerade och dyra att bygga.

Även om du är mer intresserad av det här ämnet, så håll dig anpassad till webbplatsen och besök vår nästa artikel om Deep Learning .

Hur långt är vi från Skynet ?

Vi har detta avsnitt för de mest drömmande sinnen.

Detta är ett mycket upprepat ämne i böcker, filmer och andra. Inte för ingenting finns det exakt en genre eller ett tema som heter Cyberpunk . Men långt ifrån de futuristiska dystopier som kontrolleras av Artificial Intelligence , har våra maskiner fortfarande en lång väg att gå.

Rick & Mortys smarta robot

Dagens maskininlärningssystem tillhör gruppen " svaga AI". Som vi har sett, kan dessa intelligenser bara förstå mönster och göra enkla avdrag. De är mycket användbara för att stödja oss i vissa sammanhang, men de är inte alls autonoma system.

Å andra sidan skulle vi ha de "starka AI: erna" , de som representeras i futuristiska berättelser där de är lika med eller mycket mer intelligenta än människor. Vi kan hitta viktiga exempel i populærkulturen som 'Matrix' , 'Terminator' , 'Ghost in the Shell' eller 'Halo' . I den här listan finns det faktiskt två verk som är relaterade till varandra; Gissa vilka?

Idag utvecklar vi fortfarande helt autonoma och säkra bilar . Vi går kontinuerligt framåt, men vi har fortfarande ett sätt att utveckla ett lika faktum helt och hållet av teknik.

Om du vill veta mer om det kan du besöka vår artikel om artificiell intelligens . Det är en text från en mer allmän synvinkel och vi studerar lite de möjliga konsekvenserna av denna teknik.

Slutord om maskininlärning

I likhet med vår slutsats om artificiell intelligens är det tydligt att framtiden är osäker. Det är emellertid oundvikligt att evolutionen måste ses över för att implementera teknik bland dess färdigheter och egenskaper.

Lite för lite kommer Internet att kontrolleras mer och bättre av program och algoritmer. Sociala nätverk kommer att kalibreras bättre och kommer att erbjuda oss mer innehåll enligt vår smak. Och slutligen kommer onlinerelationer att vara mycket säkrare genom att lättare upptäcka när det finns risk för bedrägeri eller liknande.

Å andra sidan, var inte förvånad över att detta århundrade är när IoT (Internet of Things) kommer att lysa. Det är en idé som vi har drömt om länge och som närmar sig. Dessutom är IoT en stor anbudsgivare av avancerad teknik relaterad till maskininlärning, även om det fortfarande saknar vissa justeringar när det gäller säkerhet.

För vår del tror vi att det kommer att bli en gradvis utveckling och så länge du är informerad om vad som händer har du ingenting att frukta. Nya bilar eller kylskåp kanske låter konstigt för dig, men jag tror verkligen inte att vi kommer att se uppvaknande av "starka AI: er".

Vi rekommenderar att du läser de bästa bärbara datorerna på marknaden

Slutligen måste vi erkänna att vi inte är experter på artificiell intelligens eller maskininlärning , så var inte förvånad över några konstiga data. Om vi ​​har gjort ett misstag, tveka inte att berätta för oss! När allt kommer omkring är vi ännu inte perfekta maskiner.

Och du, vad tycker du om maskininlärning och artificiell intelligens ? I vilken aspekt anser du att de borde genomföras? Dela dina idéer nedan.

Smart Dataapdsaslagacetawhatsnew typsnitt