Rekenaars neem nie oor nie, maar hulle word elke dag slimmer
In die eenvoudigste terme is masjienleer (ML) die programmering van masjiene (rekenaars) sodat dit 'n aangevraagde taak kan uitvoer deur data (inligting) te gebruik en te ontleed om daardie taak selfstandig te verrig sonder addisionele spesifieke insette van 'n menslike ontwikkelaar.
Masjienleer 101
Die term "masjienleer" is in 1959 deur Arthur Samuel, 'n pionier in kunsmatige intelligensie (AI) en rekenaarspeletjies, in die IBM-laboratoriums geskep. Masjienleer, as gevolg hiervan, is 'n tak van kunsmatige intelligensie. Samuel se uitgangspunt was om die rekenaarmodel van die tyd ondersteboven te draai en op te hou om rekenaars dinge te leer om te leer.
In plaas daarvan wou hy rekenaars begin om dinge op hul eie uit te vind, sonder dat mense selfs die kleinste inligting moet invoer. Dan het hy gedink, rekenaars sal nie net take uitvoer nie, maar kan uiteindelik besluit watter take moet verrig en wanneer. Hoekom? Sodat rekenaars die hoeveelheid werk wat mense nodig het om in enige gegewe gebied te verrig, kan verminder.
Hoe masjienleer werk
Masjienleer werk deur die gebruik van algoritmes en data. 'N Algoritme is 'n stel instruksies of riglyne wat 'n rekenaar of program vertel hoe om 'n taak uit te voer. Die algoritmes wat in ML gebruik word, versamel data, herken patrone, en gebruik ontleding van daardie data om sy eie programme en funksies aan te pas om take te voltooi.
ML algoritmes gebruik reëlstelle, besluitbome, grafiese modelle, natuurlike taalverwerking en neurale netwerke (om 'n paar te noem) om data te verwerk om besluite te neem en take te verrig. Hoewel ML 'n komplekse onderwerp kan wees, bied Google se Teachable Machine 'n vereenvoudigde praktiese demonstrasie van hoe ML werk.
Die mees kragtige vorm van masjienleer wat vandag gebruik word, noem diep leer , bou 'n komplekse wiskundige struktuur wat 'n neurale netwerk genoem word, gebaseer op groot hoeveelhede data. Neurale netwerke is stelle algoritmes in ML en AI gemodelleer na die manier waarop senuweeselle in die menslike brein en senuweestelsel inligting verwerk.
Kunsmatige intelligensie teen masjienleer teen data-ontginning
Om die verhouding tussen AI, ML, en data-ontginning die beste te verstaan, is dit nuttig om te dink aan 'n stel verskillende sambrele. AI is die grootste sambreel. Die ML-sambreel is 'n kleiner grootte en pas onder die AI-sambreel. Die data mining sambreel is die kleinste en pas onder die ML sambreel.
- AI is 'n tak van rekenaarwetenskap wat daarop gemik is om rekenaars te programmeer om take op meer "intelligente" en "menslike" maniere te verrig, met behulp van redenasie en besluitnemingstegnieke wat gemodelleer word na menslike intelligensie.
- ML is 'n kategorie rekenaar binne AI wat op programmeringsmasjiene (rekenaars) gefokus is om te leer (versamel nodige data of voorbeelde) om data-gedrewe, intelligente besluite op 'n meer outomatiese manier te maak.
- Data-ontginning gebruik statistieke, ML, AI, en groot databasisse van inligting om patrone te vind, insigte te verskaf, klassifikasies te skep, probleme te identifiseer en gedetailleerde data-analise te lewer.
Wat masjienleer kan doen (en reeds doen)
Die vermoë om rekenaars groot hoeveelhede inligting in breuke van 'n sekonde te analiseer, maak ML bruikbaar in 'n aantal industrieë waar tyd en akkuraatheid noodsaaklik is.
- Geneeskunde: ML tegnologie word geïmplementeer in 'n verskeidenheid oplossings vir die mediese veld, insluitend die hulp van nooddienste dokters met vinniger diagnose van pasiënte met ongewone simptome. Dokters kan 'n lys van die pasiënt se simptome in die program insit en met behulp van ML, kan die program triljoene terte van inligting uit mediese literatuur en die internet skop om 'n lys van moontlike diagnoses en aanbevole toetsing of behandeling in rekordtyd terug te gee.
- Onderwys: ML word gebruik om opvoedkundige gereedskap te skep wat pas by die leerbehoeftes van die student, soos virtuele leerassistente en elektroniese handboeke wat meer interaktief is. Hierdie gereedskap gebruik ML om te ontdek watter konsepte en vaardighede die student verstaan met behulp van kort vasvrae en oefeninge. Die gereedskap verskaf dan kort video's, addisionele voorbeelde en agtergrondmateriaal om die student te help om die nodige vaardighede of konsepte te leer.
- Motorvoertuie: ML is ook 'n belangrike komponent in die opkomende veld van selfrigtingmotors (ook bekend as bestuurderslose motors of outonome motors). Die sagteware wat selfrigtingvoertuie gebruik, gebruik ML tydens beide praktiese padtoetse en simulasies om padtoestande (soos ysige paaie) op te spoor of hindernisse in die ryvlak te identifiseer en toepaslike bestuurstake te leer om sulke situasies veilig te navigeer.
Jy het waarskynlik alreeds ML alvast ontmoet sonder om dit te besef. Sommige van die meer algemene gebruike van ML-tegnologie sluit in praktiese spraakherkenning ( Samsung's Bixby , Apple's Siri , en talle teksprogramme wat tans op PC's staan), spamfiltering vir jou e-pos, die bou van nuusfeeds, die opsporing van bedrog, persoonlike inkopie-aanbevelings, en die verskaffing van meer effektiewe web soekresultate.
ML is selfs betrokke by jou Facebook- toevoer. Wanneer jy dikwels van 'n vriend se poste hou of op 'n vriend se plasings kliek, leer die algoritmes en ML agter die skerms van jou optrede oor tyd om sekere vriende of bladsye in jou Newsfeed te prioritiseer.
Wat masjienleer kan nie
Daar is egter grense aan wat ML kan doen. Byvoorbeeld, die gebruik van ML-tegnologie in verskillende industrieë vereis 'n aansienlike hoeveelheid ontwikkeling en programmering deur mense om 'n program of stelsel te spesialiseer vir die tipes take wat deur die bedryf benodig word. Byvoorbeeld, in ons mediese voorbeeld hierbo, is die ML-program wat in die noodafdeling gebruik is, spesifiek ontwikkel vir menslike medisyne. Dit is tans nie moontlik om die presiese program te neem nie en dit direk in 'n veeartsenykundige noodsentrum te implementeer. So 'n oorgang vereis uitgebreide spesialisasie en ontwikkeling deur menslike programmeerders om 'n weergawe te skep wat in staat is om hierdie taak vir veeartsenykundige of diergeneeskunde te doen.
Dit verg ook ongelooflike groot hoeveelhede data en voorbeelde om die inligting te leer wat hulle nodig het om besluite te neem en take te verrig. ML-programme is ook baie letterlik in die interpretasie van data en sukkel met simboliek en ook sekere tipes verhoudings binne data-uitslae, soos oorsaak en gevolg.
Voortgesette vorderings maak egter ML meer van 'n kerntegnologie wat elke dag slimmer rekenaars skep.