Tölvur eru ekki að taka yfir en þeir verða betri á hverjum degi
Einfaldasta hugtökin er vélaþjálfun (ML) forritun véla (tölvur) þannig að hún geti framkvæmt umbeðna verkefni með því að nota og greina gögn (upplýsingar) til að framkvæma þetta verkefni sjálfstætt án frekari sérstakra innsláttar frá mannlegri verktaki.
Vélnám 101
Hugtakið "vélinám" var myntsláttur í IBM Labs árið 1959 af Arthur Samuel, frumkvöðull í gervigreind (AI) og tölvuleik. Vél nám, sem afleiðing, er útibú Artificial Intelligence. Samúels forsenda var að fletta upp tölvunarformi tímans á hvolfi og hætta að gefa tölvum hluti til að læra.
Í staðinn vildi hann tölvur að byrja að reikna út hlutina á eigin spýtur, án þess að menn þurftu að skrifa inn jafnvel smástu upplýsingarnar. Þá hugsaði hann, tölvur myndu ekki bara framkvæma verkefni en gætu á endanum ákveðið hvaða verkefni að framkvæma og hvenær. Af hverju? Þannig að tölvur gætu dregið úr vinnuafli manna sem þurfa að framkvæma á hverju svæði.
Hvernig vélinám virkar
Vélám virkar með því að nota reiknirit og gögn. Reiknirit er sett af leiðbeiningum eða leiðbeiningum sem segir tölvu eða forrit hvernig á að framkvæma verkefni. Reikniritarnir sem notaðir eru í ML safna gögnum, viðurkenna mynstur og nota greiningu á þeim gögnum til að laga eigin áætlanir og aðgerðir til að ljúka verkefnum.
ML reikniritir nota reglustöðvar, ákvarðatré, grafísku módel, náttúruleg málvinnsla og taugakerfi (til að nefna nokkrar) til að gera sjálfvirkan vinnslu gögn til að taka ákvarðanir og framkvæma verkefni. Þó ML getur verið flókið efni, þá er kennanlegur vél Google einfölduð, með því að sýna fram á hvernig ML virkar.
Öflugasta form námsmatsins, sem er notað í dag, kallast djúpt nám , byggir flókið stærðfræðilegan uppbyggingu sem kallast taugakerfi, byggt á miklu magni gagna. Taugakerfi eru settar af reikniritum í ML og AI líkan eftir því hvernig taugarfrumur í heilanum og taugakerfinu vinna upplýsingar.
Artificial Intelligence vs Machine Learning vs Data Mining
Til að skilja betur tengslin milli AI, ML og gagnavinnslu, er það gagnlegt að hugsa um mismunandi ólíkar regnhlífar. AI er stærsti regnhlífin. ML regnhlífin er minni minni og passar undir AI-regnhlífinni. Gagnavinnsluhlífið er minnsta og passar undir ML regnhlífinni.
- AI er útibú tölvunarfræði sem miðar að því að forrita tölvur til að sinna verkefnum á fleiri "greindum" og "mannlegum" háttum með því að nota rökstuðning og ákvarðanatökuaðferðir sem líkjast eftir mönnum upplýsingaöflun.
- ML er flokkur computing innan AI með áherslu á forritunartæki (tölvur) til að læra (safna nauðsynlegum gögnum eða dæmum) til að gera gagnatengda, greindar ákvarðanir á sjálfvirkan hátt.
- Gagnavinnslu notar tölfræði, ML, AI og gríðarlega gagnagrunna upplýsinga til að finna mynstur, veita innsýn, búa til flokkanir, greina vandamál og afhenda nákvæmar gagnagreiningar.
Hvaða Machine Learning getur gert (og nú þegar)
Hæfileiki fyrir tölvur til að greina mikið magn upplýsinga í brotum í sekúndu gerir ML gagnlegt í mörgum atvinnugreinum þar sem tími og nákvæmni eru nauðsynleg.
- Læknisfræði: ML-tækni er hrint í framkvæmd í ýmsum lausnum á heilbrigðisvettvangi, þar með talið að aðstoða læknar við neyðardeildir með hraðari greiningu sjúklinga með óvenjuleg einkenni. Læknar geta slegið inn lista yfir einkenni sjúklingsins í forritinu og með því að nota ML, forritið getur hreinsað trilljón af terabitum af upplýsingum úr læknisfræðilegum bókmenntum og internetinu til að skila lista yfir hugsanlega greiningu og ráðlagða próf eða meðferð á upptöku tíma.
- Menntun: ML er notað til að búa til fræðsluverkfæri sem henta sér að þörfum nemenda, svo sem raunverulegur námsmaður og rafræn kennslubækur sem eru gagnvirkari. Þessi verkfæri nota ML til að uppgötva hvaða hugmyndir og færni nemandinn skilur með því að nota stuttar spurningar og æfingar. Verkfærin veita síðan stuttar myndskeið, viðbótar dæmi og bakgrunnsmat til að hjálpa nemandanum að læra nauðsynlegar færni eða hugtök.
- Vélknúin ökutæki : ML er einnig lykilþáttur á sviði ökutækja sem eru sjálfknúnar ökutæki (einnig kallaðir ökumannalausir bílar eða sjálfstæðar bílar). Hugbúnaðurinn sem rekur sjálfknúnar bíla notar ML bæði í raunveruleikanum á vegum og í hermum til að greina veglagsskilyrði (eins og ísbirnir vegir) eða greina hindranir í akbrautinni og læra viðeigandi aksturseiginleika til þess að fara örugglega í slíkar aðstæður.
Þú hefur líklega fundið fyrir ML mörgum sinnum án þess að átta sig á því. Nokkur algengari notkun ML-tækni er hagnýt ræðukerfi ( Samsung Bixby , Siri Apple, og margar forritatækni sem eru nú venjulegar á tölvum), ruslpóstsía fyrir tölvupóstinn þinn, byggingu fréttaveita, uppgötvun svikar, persónuleika ráðleggingar um að versla og veita skilvirkari leitarniðurstöðum.
ML tekur jafnvel þátt í Facebook- straumnum þínum. Þegar þú vilt eða smellir á innlegg vina oft, reikniritarnir og ML á bak við tjöldin "læra" af aðgerðum þínum með tímanum til að forgangsraða ákveðnum vinum eða síðum í Newsfeed þínum.
Hvaða vélnám getur ekki gert
Hins vegar eru takmarkanir á því hvað ML getur gert. Til dæmis krefst notkun ML-tækni í mismunandi atvinnugreinum verulega mikilli þróun og forritun hjá mönnum til að sérhæfa áætlun eða kerfi fyrir þær tegundir verkefna sem viðkomandi iðnaður krefst. Til dæmis, í læknisfræðilegu dæmi okkar hér að framan, var ML forritið sem notað var í neyðardeildinni sérstaklega þróað til læknisins. Ekki er mögulegt að taka þetta nákvæma forrit og beina því strax í dýralæknaráð. Slík breyting krefst mikillar sérhæfingar og þróunar manna forritara til að búa til útgáfu sem er fær um að gera þetta verkefni fyrir dýralækninga eða dýra lyf.
Það krefst einnig ótrúlega mikið magn gagna og dæmi til að "læra" þær upplýsingar sem hún þarf til að taka ákvarðanir og framkvæma verkefni. ML forrit eru einnig mjög bókstafleg í túlkun gagna og baráttu við táknrænni og einnig nokkrar gerðir samskipta innan gagnasafns, svo sem orsök og áhrif.
Áframhaldandi framfarir eru hins vegar að gera ML meira af kjarna tækni sem skapar betri tölvur á hverjum degi.