Компьютерлер қабылдамайды, бірақ олар күн сайын ақылды болады
Ең қарапайым терминдерде машиналық оқыту (ML) - бұл адамның әзірлеушісінен қосымша нақты кіріссіз деректерді (ақпаратты) пайдалана отырып, бұл тапсырманы өз бетімен орындау үшін сұралған тапсырманы орындау үшін машиналардың (компьютерлердің) программалауы.
Машина жасау 101
«Машина жасау» термині 1959 жылы IBM зертханаларында жасанды интеллект (AI) және компьютерлік ойындарда ізашар болып табылатын Артур Самуэльмен құрастырылған. Машина жасау, нәтижесінде, жасанды интеллект бөлімшесі. Самуилдің мақсаты - уақыттың компьютерлік моделін айналдырып, компьютерді үйренуге мүмкіндік бермеу.
Керісінше, ол компьютерлерді өздерінің жеке заттарын тіпті ең кішкентай ақпаратты енгізуге мәжбүр етпестен бастауға тырысты. Содан кейін, ол ойымша, компьютерлер міндеттерді орындауға ғана емес, сайып келгенде, қандай міндеттерді орындауға шешеді және қашан. Неліктен? Компьютерлер кез-келген жерде жұмыс істеу үшін қажетті адамдардың жұмыс көлемін азайтуы мүмкін.
Машина жасау қалай жұмыс істейді
Машина жасау алгоритмдері мен деректерді пайдалану арқылы жұмыс істейді. Алгоритм - компьютерге немесе тапсырманы орындау жолына нұсқайтын нұсқау немесе нұсқаулық жиынтығы. ML-де пайдаланылатын алгоритмдер деректерді жинайды, үлгілерді таниды және осы бағдарламалардың өздерінің бағдарламаларын және функцияларын аяқтау үшін функцияларды бейімдеу үшін талдауды қолданады.
ML алгоритмдері шешімдерді қабылдау және тапсырмаларды орындау үшін өңдеу деректерін автоматтандыру үшін ереже жиынтығын, шешімді ағаштарды, графикалық үлгілерді, табиғи тілдерді өңдеуді және нейрондық желілерді (бірнеше атауды) пайдаланады. ML күрделі тақырыпқа айналуы мүмкін болғанымен, Google Teachable Machine ML қалай жұмыс істейтінін қарапайым түрде көрсетуді ұсынады.
Бүгінгі таңда қолданылатын машиналық оқытудың ең қуатты түрі, терең білім деп аталады, деректердің көп мөлшеріне негізделген нейрондық желі деп аталатын күрделі математикалық құрылымды құрастырады. Нейрондық желілер ML және AI жүйесінде алгоритмдер жиынтығы болып табылады, олар адамның миы мен жүйке жүйесінің процесінің ақпараттарындағы жүйке жасушаларының үлгісімен модельденеді.
Жасанды интеллект және машина жасау және деректерді өңдеу
AI, ML және деректерді өңдеу арасындағы қарым-қатынасты жақсы түсіну үшін түрлі өлшемдегі қолшатырлар жиынтығын ойластыру пайдалы. AI - ең үлкен қолшатыр. ML қолшатыры өлшемі кішігірім және AI қолшатырының астында орналасады. Деректерді өндірудің қолшатырлығы ең кішкентай және ML қолшатырының астында орналасады.
- А.И. - информатика саласы, ол адамның ақыл-ойының негізінде модельдеу әдістерін қолдану арқылы ақылға қонымды және адамгершілік тәрізді тәсілдермен жұмыс істеу үшін компьютерлерді жасауға бағытталған.
- ML - дерекқорға негізделген, интеллектуалды шешімдерді автоматтандырылған түрде жасау үшін бағдарламалау машиналарына (компьютерлерге) бағдарланған АИ ішіндегі есептеулердің санаты (қажетті деректерді немесе мысалдарды жинау).
- Деректерді өндіру статистиканы, ML, AI және үлгілерді табу, түсініктер беру, классификация жасау, мәселелерді анықтау және толық деректерді талдау үшін статистикалық деректерді пайдаланады.
Машинамен жұмыс істеу мүмкіндігі қандай (және қазірдің өзінде бар)
Екінші санаттағы фракциялардағы ақпараттың көп мөлшерін талдау үшін компьютерлердің мүмкіндіктері ML уақытты және дәлдікті қажет ететін бірқатар салаларда пайдалы етеді.
- Медицина: ML технологиясы медицина саласындағы бірқатар шешімдерде, соның ішінде төтенше жағдайлар бөлімінің дәрігерлеріне ерекше симптомдары бар науқастарды тез диагностикалауға көмектеседі. Дәрігерлер пациенттің симптомдарының тізімін бағдарламаға енгізе алады және ML-ды пайдалана алады, бағдарлама медицина әдебиетінен және Интернет желісінен триллион терабайт ақпаратты потенциалды диагноздардың тізімін қайтару және рекордтық уақытты тестілеу немесе емдеу үшін шығара алады.
- Білім беру: ML оқушының оқу қажеттіліктеріне бейімделген оқу құралдарын жасау үшін пайдаланылады, мысалы, виртуалды оқыту ассистенттері және интерактивті электрондық оқулықтар. Бұл құралдар қысқа викториналар мен тәжірибе жаттығуларын пайдаланып, оқушы қандай ұғымдар мен дағдыларды түсіну үшін ML-ды пайдаланады. Содан кейін құралдар қажетті дағдыларды немесе түсініктерді үйренуге көмектесу үшін қысқа бейнелерді, қосымша мысалдарды және материалды материалдарды ұсынады.
- Автокөлік: ML өзін-өзі басқаратын автокөліктердің (сондай-ақ, автокөліксіз автокөліктер немесе дербес автокөліктер) пайда болатын өрісіндегі маңызды құрамдас бөлігі болып табылады. Өзін-өзі басқаратын автокөліктерді басқаратын бағдарламалық жасақтама нақты жолдағы жол сынақтарында және жол жағдайларын анықтауға (мысалы, мұзды жолдарға) арналған немесе көліктің жолындағы кедергілерді анықтайтын және осындай жағдайларды қауіпсіз шарлау үшін тиісті нұсқауларды үйрететін ML пайдаланады.
Мүмкін сіз оны ML-ны бірнеше рет кездестірмегенсіз. ML технологиясының неғұрлым кең таралған қолданылуының ішіне практикалық сөйлеуді тану кіреді ( Samsung Bixby , Apple Siri және қазіргі уақытта компьютерлерде стандартты болып табылатын көптеген әңгімелесу бағдарламалары), электрондық поштаңызға спам сүзгілеуі, жаңалықтар арналарын жасау, алаяқтықты анықтау, жекелендіру сатып алу туралы ұсыныстарды және тиімді веб іздеу нәтижелерін ұсыну.
ML тіпті сіздің Facebook-тің арнасына қосылған. Достарыңыздың хабарларын жиі ұнатсаңыз немесе бассаңыз, сценарийлердің артындағы алгоритмдер мен ML сіздердің әрекеттеріңізден белгілі бір уақытта достарыңыз бен веб-беттеріңізге басымдық беру үшін «үйренеді».
Машинаны қандай әдіспен үйрене аламыз?
Дегенмен, МЛ-ны жасауға болатын шектеулер бар. Мысалы, ML технологиясын әртүрлі салаларда қолдану адамның осы саланы қажет ететін тапсырмаларының түрлері үшін бағдарламаны немесе жүйені мамандандыру үшін айтарлықтай даму және бағдарламалауды талап етеді. Мысалға, жоғарыда келтірілген медициналық мысалда төтенше жағдайлар бөлімінде қолданылатын ML бағдарламасы адам медицинасына арналған. Қазіргі уақытта нақты бағдарламаны қабылдау және оны ветеринарлық жедел жәрдем орталығында тікелей жүзеге асыру мүмкін емес. Мұндай көшу адам бағдарламашыларының осы тапсырманы ветеринария немесе жануарларға арналған медицинада қолдануға қабілетті нұсқаны жасау үшін ауқымды мамандандыруды және дамытуды талап етеді.
Ол сондай-ақ шешімдер қабылдау және тапсырмаларды орындау үшін қажет ақпаратты «үйрену» үшін деректер мен мысалдардың керемет көлемін талап етеді. ML бағдарламалары деректерді түсіндіруде және символизммен күресуде, сондай-ақ себеп-салдар сияқты деректер нәтижелеріндегі қатынастардың кейбір түрлерінде өте қарапайым.
Жалғасқан жетістіктер, алайда, ML-ді күнделікті ақылға қонымды компьютерлерді жасайтын негізгі технологияларды жасайды.