Kompjûters binne net nimme, mar se sille elke dei smarter wurde
Yn 'e ienfâldige terminen is de masinelearen (ML) de programmearring fan masines (kompjûters) sadat it in frege taak útfiere kin troch ynformaasje en analysearjen fan ynformaasje (ynformaasje) om dy taak selsstannich út te fieren, sûnder ekstra spesifike ynfier fan in minsklike ûntwikkelder.
Machine Learning 101
De term "masine learen" waard yn 1959 troch Arthur Samuel, in pionier yn keunstmjittige yntelliginsje (AI) en komplekspul, yn 'e IBM-laboratoaren ynrjochte. Masine learen, as resultaat, is in branch fan keunstmjittige yntelliginsje. It foardiel fan Samuel wie om it rekkenmodel fan 'e tiid omheech te lizzen en stopjen fan komputer te learen.
Ynstee dêrfan woe hy komputers begjinne mei it útfieren fan dingen sels, sûnder de minske ek it tinste stik fan ynformaasje yn te nimmen. Doe't er tocht, komputer sille net allinich útfieren dwaan, mar kinne úteinlik beslute oer hokker taken om te fieren en wannear. Wêrom? Sa kinne komputers de bedoente wurken ferminderje dy't nedich binne om te fieren yn in bepaald gebiet.
Hoe't Machine Learning Works is
Machine learen wurket fia it brûken fan algoritme en gegevens. In algoritme is in ynset fan ynstruksjes of rjochtlinen dy't in kompjûter of programma fertelt hoe't jo in taak útfiere. De algoritmen dy't yn ML brûkt wurde sammele gegevens, lêze opnommen, en gebrûk meitsje fan analysearjen fan dy gegevens om har eigen programma's en funksjes oan te passen om folsleine taken te meitsjen.
ML-algoritme brûke regelsetsjes, beslutenbeamten, grafyske modellen, natuerkundige ferwurking, en neuronale netwurken (om in inkele namme te meitsjen) om automatisearjende data te automatisearjen om besluten te meitsjen en taken taken te dwaan. Hoewol ML in komplekse ûnderwerp wêze kin, liedt Google's Teachable Machine in ienfâldige hân-oan-demonstraasje fan hoe't ML wurket.
De machtichste foarm fan masineeleksjet, dy't hjoeddedei brûkt wurdt, wurdt djippe learing neamd , in komplekse wiskundige struktuer neamd, neamd in neuronale netwurk, basearre op folle mjittingen fan gegevens. Neoretyske netwurken binne algoritme-sets yn ML en AI modelearre nei de wize nerve-sellen yn 'e minsklike harsens en nervous systemproses ynformaasje.
Artificial Intelligence vs Machine Learning vs Data Mining
Om de relaasje tusken AI, ML, en data mining better te begripen, is it goed om te tinken oan in set fan ferskillende sieraden. AI is de grutste paragraaf. De ML-rún is in lytser lytser en past ûnder de AI-paragrafen. De gegevensboarne is it lytste en past ûnder de ML-rânemar.
- AI is in branch fan kompjûterwittenskippen dy't as doel hat om kompjûters te programmearjen om takenwerpen yn mear "yntelliginte" en "minske-like" wizen út te fieren, te brûken redenen en beslutingsmethoden, modelearre nei minsklike yntelliginsje.
- ML is in kategory fan kompjûters yn AI dy't rjochte is op programmearmmasines (kompjûters) om te learen (sammelje nedige gegevens of foarbylden) om data-driven, yntelliginte besluten op mear automatisearre manier te meitsjen.
- Data mining brûkt Statistiken, ML, AI, en ûnbidige databases fan ynformaasje om patruten te finen, ynsichten te finen, klassifikaasje te meitsjen, problemen te identifisearjen, en detaillearre analysaten foar te stellen.
Wat Masinelearjen kin dwaan (en al hat)
De kapasiteiten foar kompjûters om analyzere maten fan ynformaasje yn fraksjes fan in sekonde makket ML brûkber yn in oantal yndustry wêr't tiid en rjochtfeardigens essinsjeel is.
- Medisine: ML-technology wurdt ynfierd yn in ferskaat oan oplossings foar it medyske fjild, ynklusyf helpferliening fan dokters mei faker diagnostyk fan pasjinten mei ungewoane symptomen. Medisinen kinne in list fan symptomen yn it programma ynfiere en ML brûke, it programma kin trillions fan terabytes fan ynformaasje fan medyske literatuer en it ynternet skodearje om in list mei potensjele diagnoaze werom te krijen en oan te rekkenjen of testen yn behanneling.
- Ûnderwiis: ML wurdt brûkt om edukative arken te meitsjen dy't har passe oan 'e learenwittens fan' e studint, lykas firtuele learende assistinten en elektroanyske learboeken dy't mear ynteraktyf binne. Dizze tools brûke ML om te ûntdekken hokker begripen en feardichheden de studint begrypt mei koarte quizzes en praktyske oefeningen. De ynstruminten jouwe dan koarte fideos, ekstra foarbylden en eftergrûnmateriaal om de learling te helpen de nedige feardichheden of begripen te learen.
- Automotive: ML is ek in kaaibestimming yn it opkommende fjild fan auto-autofahren (ek wol driver-minder auto's of autonome auto's neamd). De software dy't selsauto-auto's bedriuwt, brûkt ML yn beide real-life roadtests en simulaasjes om ferkearde betingsten (lykas icy diken) te identifisearjen of obstakels op 'e dyk te identifisearjen en lege passende rydtaken om safolle sitewaasjes te navigearjen.
Jo hawwe wierskynlik al in protte moeten mei ML realisearre. Guon fan 'e meast brûkte ML-technyk binne ûnder oare praktyske sprekkende erkenning ( Samsung's Bixby , Apple's Siri , en in protte talk-to-text-programma' s dy't no standert binne op PC's), spamfiltering foar jo e-post, nijsbrieven, befetsje fraude, winkeljen oanbefellings, en it jaan fan effektive web-sykresultaten.
ML is sels belutsen by jo Facebook feed. As jo wolle oft jo klikke op in berjochten fan in freon, dan sille de algoritme en ML efter de sênes 'learje' fan jo aksjes oer de tiid om foarkommende freonen of siden te foarkommen yn jo Newsfeed.
Wat Masinelearjen kin & t Do
Lykwols binne der limiten hokker ML kin dwaan. Bygelyks it brûken fan ML-technyk yn ferskillende yndustryen freget in wichtige mannichte ûntwikkeling en programmearring troch de minske om in programma of systeem te spesjalisearjen foar de soarten taken dy't dy bedriuw nedich is. Bygelyks yn ús medyske foarbyld hjirboppe waard it ML-programma brûkt yn 'e emergency-ôfdieling spesjaal ûntwikkele foar minsklike medisinen. It is no op it stuit net mooglik om dat krekte programma te nimmen en direkt yn it feterinoarsintrum te realisearjen. Sokke in transysje fereasket wiidweidige spesjaliteit en ûntwikkeling troch minsk programmers om in ferzje te meitsjen dy't dizze opdracht foar feterinaaryske of dierlike medisinen dwaan kin.
It freget ek geweldig enerzjy fan gegevens en foarbylden om "ynformaasje te learen" dy't it nedich is om besluten te meitsjen en taken taken te dwaan. ML-programma's binne ek tige literêr yn 'e ynterpretaasje fan gegevens en striid mei symbolyk en ek guon soarten relaasjes fan boaiem resultaten, lykas oarsaak en effekt.
Ferfolgende foarstellingen lykwols meitsje ML mear fan in kearntechnology dy't elke dei smarter komputer meitsje.