Пол Дауні | Flickr
Машинне навчання - це фраза, яка все частіше стає перешкодою, але багато хто досі не знає, що це саме . Звичайно, в цьому є причина. Це ще на дуже ранній стадії, і багато хто припускає, що це ще не те, що впливає на загальну чисельність населення. Насправді це, мабуть, не так правда, як припускають деякі.
То що таке машинне навчання? І для чого це використовується сьогодні? Ось наш посібник про все, що потрібно знати про машинне навчання.
Що таке машинне навчання?
Машинне навчання, простіше кажучи, - це форма штучного інтелекту, яка дозволяє комп’ютерам вчитися без зайвих програмувань. Іншими словами, програмне забезпечення здатне самостійно вивчати нові речі, без програміста або інженера, що не повинен цього "навчити". Машинне навчання здатне приймати дані та виявляти закономірності та знаходити рішення, застосовуючи ці рішення до інших проблем.
Зображення: K? Rlis Dambr? Ns | Flickr
Важливо зазначити, що машинне навчання як концепція зовсім не нове - важко простежити точне походження концепції, враховуючи, що воно зливається з іншими формами технології. Ви можете стверджувати, що машинне навчання сягає часу ще до створення Тесту Тьюрінга, який використовувався для визначення того, чи має комп'ютер інтелект. Однак першою комп'ютерною програмою, яка вивчила, була гра в шашки, розроблена в 1952 році Артуром Самуелем. Ця гра стала кращою, чим більше вона грала.
Однак останні технології різко покращують машинне навчання. Наприклад, машинне навчання вимагає великих обробних потужностей, настільки, що ми лише почали розвивати базове машинне навчання в недавній історії.
Існує кілька основних способів, якими програмісти реалізують машинне навчання. Перший називається «контрольоване навчання». В основному це означає, що машина подає проблеми, коли рішення проблеми відоме. Алгоритм навчання здатний отримувати ці проблеми разом з бажаними результатами, визначаючи закономірності проблем і діючи відповідно. Контрольоване навчання часто використовується для прогнозування майбутніх подій - наприклад, коли транзакція з кредитною карткою може бути шахрайською.
Друга реалізація машинного навчання називається «непідконтрольне навчання». У цьому випадку результат проблеми не надається програмному забезпеченню - натомість він подає проблеми та має виявляти шаблони в даних. Ціль тут - знайти структуру в даних, які йому надані.
По-третє, "напівконтрольне навчання". Цей метод машинного навчання часто використовується для тих же речей, що і під контрольним навчанням, але він бере дані з рішенням і дані без них. Навчальне навчання під наглядом часто реалізується, коли кошти обмежені, і компанії не в змозі надати повний набір даних для навчального процесу.
І останнє, але не менш важливе значення - це "підкріплення навчання", яке використовується спеціально для таких речей, як ігри та роботи. Навчання зміцненню в основному викладається шляхом спроб і помилок - машина намагається робити речі і вчиться на основі своїх успіхів чи невдач. Мета полягає в тому, щоб машина визначила найкращі можливі результати.
Звичайно, всі ці методи машинного навчання включають в себе годування машини сотнями тисяч проблем і величезною кількістю даних. Дійсно, чим більше даних, тим краще.
Де сьогодні використовується машинне навчання?
Фотографії грошей | Flickr
Насправді є багато місць, в яких сьогодні використовується машинне навчання. Багато з них є поза лаштунками, однак ви можете здивуватися, дізнавшись, що багато з них - це теж щось, чим ви користуєтесь кожен день.
Можливо, той, яким ви найбільше користуєтесь, знаходиться у вашого особистого помічника - саме так, подібні до Сірі та Google Асистем, використовують машинне навчання, багато в чому для кращого розуміння мовленнєвих зразків. Оскільки так багато мільйонів людей, які використовують Siri, система здатна серйозно просунутися в тому, як вона поводиться з мовами, акцентами тощо.
Звичайно, Сірі - не єдине споживче застосування машинного навчання. Інше використання - в банківській справі, наприклад, виявлення шахрайства. Наприклад, алгоритми машинного навчання можуть відслідковувати схеми витрат, визначаючи, які шаблони, швидше за все, є шахрайськими на основі минулої шахрайської діяльності.
Насправді навіть ваш електронний лист може використовувати машинне навчання. Наприклад, спам-листи є проблемою, і вони розвивалися з часом. Системи електронної пошти використовують машинне навчання для відстеження шаблонів спам-електронної пошти та того, як змінюються спам-листи, а потім розміщувати їх у папці зі спамом на основі цих змін.
Висновки
Машинне навчання вважається важливою частиною того, як ми використовуємо технології, що рухаються вперед, і як технології можуть нам допомогти. Від Сірі до Банку США машинне навчання стає все більш поширеним, і це лише ймовірно, що триватиме.
