Computer net iwwerhuelen, awer si ginn ëmmer méi clever
Am einfachsten ass Maschinendirektioun (ML) d'Programmatioun vu Maschinne (Computeren), sou datt et eng Ufro unzefroen kann duerch Daten an Informatioun ze analyséieren fir dës Aufgab unabhängig ze maachen, ouni zousätzlech spezifësche Input vu engem mënschlechen Entwéckler.
Machine Learning 101
De Begrëff "Machine Learning" gouf an den IBM Labs 1959 vum Arthur Samuel, e Pionéier an der kënschtlecher Intelligenz (AI) an dem Computerspill geprägt. Maschinn Léieren, als Resultat, ass eng Ast vun Artificial Intelligence. De Samuel seng Viraussetzung ass d'Computermodell vun der Zeit op der Säit ze fléien an d'Computer ze ginn fir Saachen ze léieren.
Anstatt datt hie Computer gewiesselt fir d'Saachen op hir selwer ze weisen, ouni datt d'Mënsche souguer déi klengste Stéck vun Informatioun hunn. Dann, hien huet geduecht, Computeren hunn net nëmme Rechner ze maachen, mä kënne letztendlich decidéieren wéi d'Aufgaben ze maachen an wann. Firwat? Sou datt déi Computeren d'Méigelechen vun den Aarbechter reduzéieren, déi an engem bestëmmte Beräich gemaach hunn.
Wéi Machine Learning Works
Maschinn léiert duerch d'Benotzung vun Algorithmen an Daten. En Algorithmus ass e Set vu Instruktiounen oder Richtlinnen, déi engem Computer oder Programm soen a wéi Dir eng Aufgab ausfëllt. D'Algorithmen, déi am ML benotzt ginn, sammelen Daten, erkennen Muster a benotzen d'Analyse vun deenen Daten, fir seng eege Programmer an d'Fonkele virzestellen, fir Aufgaben ze kompletéieren.
ML-Algorithmen benotzen Regel Regelungen, Entscheedungsbäiem, grafesch Modeller, Naturkatastroféierung a neuréileg Netzwierker (fir e puer ze nennen) fir d'Veraarbechtung vu Daten ze automatiséieren fir Entscheedungen ze maachen an Aufgaben ze maachen. Während ML kann e komplexen Thema sinn, kann Google's Teachable Machine eng vereinfacht Hand-on-Demonstratioun vu wéi ML funktionnéiert.
Déi mächtegst Form vu Maschinn, déi haut benotzt gëtt, genannt Deep-Learning , baut eng komplex mathematesch Struktur, genannt Neural Network, baséiert op enorm Mengen vun Daten. Neural Netzwierker si mat Algorithmen an ML an AI modelléiert no der Nerve Zellen am mënschleche Gehier an am Nervensystem Prozessprozeduren.
Kënschtlech Intelligenz vs Maschinn Léieren vs. Data Mining
Fir gutt ze verstoen ass d'Relatioun tëschent AI, ML an Donneschden, et ass hëllefsbereet ze sinn un engem Ensemble vu verschiddene Schirma ze denken. AI ass déi gréisste Schirma. De ML Schirm ass eng kleng Gréisst a passt ënnert dem AI Regenschirm. Den Data Mining-Dachverglach ass dee klengste a passt ënnert dem ML Schirm.
- D'AI ass ee Fils vun der Informatik, deen d'Computere programméiere fir Aufgaben an méi "intelligenten" a "mënschlechen" Weeër ze manifléissen, mat Argumentatioun an Entscheedungsmethoden no der mënschlecher Intelligenz.
- ML ass eng Kategorie vu Computer an AI déi op Programméierungsapparaten fokusséiert sinn (Computer) fir ze léieren (noutwenneg Daten oder Beispiller sammelen) fir dat Daten drastesch, intelligent Entscheedungen op eng méi automatiséierter Art a Weis ze maachen.
- Donneschden benotze Statistiken, ML, AI an immense Datenbanken vun Informatiounen fir Muster ze fannen, Beleidegungen ze fannen, Klassifikatiounen ze maachen, Problemer ze identifizéieren an detailléiert Datenanalyse.
Wat Machine Learning Can Do (a scho hutt)
D'Kapazitéit fir Computeren fir vill Informatiounsméiglechkeeten an Fraktioune vun engem zweete maacht ML nëtzlech an enger Rei vu Branchen, wou Zäit a Richtegkeet essentiell sinn.
- Medizin: D' ML-Technik gëtt an enger Rei vu Léisungen fir de medizinesche Kader agefouert, an och d'Noutfalldirekter Doktare mat enger schneller Diagnos bei Patienten mat ongewéinlecher Symptomer ze hëllefen. D'Doktoren kënnen eng Lëscht vun de Symptomer vum Patient an d'Programm eroflueden a mat ML benotze kënnen, kann de Programm Trilliounen vun Terabyte vun Informatioun aus der medizinescher Literatur a vum Internet scrollen, fir eng Lëscht vu potenziellen Diagnosen zréckzebréngen a recommandéiert Testen oder Behandlungen a Rekordzäit.
- Educatioun: ML gëtt benotzt fir Edukatiounsinstrumenter ze kreéieren déi sech fir d'Léierbedierfskäschte vun de Schüler këmmeren, wéi virtuelle Léierpersonal an elektronesch Léierbicher déi méi interaktiv sinn. Dës Instrumenter benotzen ML fir ze entdecken, wéi Konzepter a Fäegkeeten de Schüler verstanen huet mat kuerze Quizze a Praxisübungen ze maachen. D'Instrumenter baussend kuerz Videoen, zousätzlech Beispiller an Hannergrond, fir de Schüler ze hëllefen d'néideg Fäegkeeten oder Konzepter ze léieren.
- Automotive: ML ass och e Schlësselkomponent am neie Schwieregkeete vu selbsttrennende Autoen (och Autoen a autonom Autoen genannt). D'Software, déi selwer Auto féiert, benotzt ML während zwou realistesch Strahentester a Simulatioune fir d'Stroossbedéngungen ze erméiglechen (wéi eis Eise Strooss) oder d'Hindernisser an der Strooss ze identifizéieren an z'erfollege Fuerderen ze erfëllen, fir sou séier Situatiounen ze navigéieren.
Dir hutt vläicht mol vill ze vill mat der Realiséierung realiséiert. E puer vun de gewéinlech Uspréch vun der ML-Technologie beinhaltlech praktesch Léiererkennung ( Samsung Bixby , Apple's Siri a vill Talk-to-Text Programmer déi elo Standard op PCe sinn), Spamfilter fir Är E-Mail, Newsfeeds, Fraudulatioun, Reklammempfehlungen a méi efficace Websearch Resultater.
ML gëtt och u Är Facebook feed. Wann Dir wëllt oder op e Poste vum Frënn klickt, ginn d'Algorithmen an den ML hannert der Szenen "léieren" aus Äre Betriber am Laaf vun der Zäit Prioritär fir verschidde Frënn oder Säiten an Ärem Newsfeed.
Wat Machine Learning Can & # 39; t Do
Et gëtt Limiten awer wat ML kann maachen. Zum Beispill, d'Benotze vu ML-Technologien an verschiddenen Industrien erfëllt eng wesentlech Quantitéit vun der Entwécklung an der Programmatioun vu Mënschen, fir e Programm oder System fir d'Tip vun der Aufgaben ze spezialiséieren déi vun der Industrie gefuerdert gëtt. Zum Beispill, an eisem medizinesche Beispill obwuel de ML Programm am Notfall Departement speziell fir mënschlech Medizin entwéckelt gouf. Et ass am Moment net méiglech dat genee Programm ze huelen an direkt an engem Veterinär Notdentrum ze realiséieren. Sou eng Iwwergang erfordert extensiv Spezialiséierung a Entwécklung vu mënschleche Programméierer fir eng Versioun ze kreéieren déi dës Aufgab fir Veterinär oder Déier Medizin gemaach huet.
Et erfuerderlech och erfuerderlëch grouss Mounts vu Daten an Beispiller fir "d'Léieren" d'Informatioun ze huelen, déi se Décisiounen huelen an d'Aufgaben ze maachen. ML-Programmer sinn och ganz wuertwiertlech an der Interpretatioun vu Daten an de Kampf mat Symbolismus an och verschidde Typen vun Bezéiungen an Datenerfroen, wéi z. B. Ursaach an Effekt.
Weider Fortschrëtter maachen allerdéngs e méi e Kernkënschtler, fir méi clevere Computeren z'entwéckelen.