Οι υπολογιστές δεν αναλαμβάνουν αλλά γίνονται πιο έξυπνοι κάθε μέρα
Με απλούστερους όρους, η μηχανική μάθηση (ML) είναι ο προγραμματισμός των μηχανών (υπολογιστών) έτσι ώστε να μπορεί να εκτελέσει μια ζητούμενη εργασία χρησιμοποιώντας και αναλύοντας δεδομένα (πληροφορίες) για να εκτελέσει αυτό το έργο ανεξάρτητα, χωρίς πρόσθετη ειδική εισροή από έναν ανθρώπινο προγραμματιστή.
Εκμάθηση μηχανών 101
Ο όρος "μηχανική μάθηση" σχεδιάστηκε στα εργαστήρια της IBM το 1959 από τον Arthur Samuel, έναν πρωτοπόρο στην τεχνητή νοημοσύνη (AI) και τον υπολογιστή. Η μηχανική μάθηση, ως αποτέλεσμα, είναι ένας κλάδος της Τεχνητής Νοημοσύνης. Η υπόθεση του Σαμουήλ ήταν να αναστρέψει το υπολογιστικό μοντέλο του χρόνου ανάποδα και να σταματήσει να δίδει στους υπολογιστές τα πράγματα που πρέπει να μάθουν.
Αντίθετα, ήθελε υπολογιστές να ξεκινήσουν να υπολογίζουν τα πράγματα μόνοι τους, χωρίς να χρειαστεί να εισάγουν οι άνθρωποι ακόμη και τις πιο μικρές πληροφορίες. Στη συνέχεια, σκέφτηκε, οι υπολογιστές δεν θα εκτελούσαν απλώς καθήκοντα αλλά θα μπορούσαν τελικά να αποφασίσουν ποια καθήκοντα πρέπει να εκτελέσουν και πότε. Γιατί; Έτσι ώστε οι υπολογιστές θα μπορούσαν να μειώσουν την ποσότητα εργασίας που χρειάζονται οι άνθρωποι για να εκτελέσουν σε οποιαδήποτε δεδομένη περιοχή.
Πώς λειτουργεί η μηχανική μάθηση
Η μηχανική μάθηση λειτουργεί μέσω της χρήσης αλγορίθμων και δεδομένων. Ένας αλγόριθμος είναι ένα σύνολο οδηγιών ή οδηγιών που λέει σε έναν υπολογιστή ή πρόγραμμα πώς να εκτελέσει μια εργασία. Οι αλγόριθμοι που χρησιμοποιούνται στο ML συγκεντρώνουν δεδομένα, αναγνωρίζουν πρότυπα και χρησιμοποιούν ανάλυση αυτών των δεδομένων για να προσαρμόσουν τα δικά τους προγράμματα και λειτουργίες για να ολοκληρώσουν τις εργασίες τους.
Οι αλγόριθμοι ML χρησιμοποιούν σύνολα κανόνων, δέντρα αποφάσεων, γραφικά μοντέλα, επεξεργασία φυσικής γλώσσας και νευρωνικά δίκτυα (για να αναφέρουμε μερικά) για την αυτοματοποίηση των δεδομένων επεξεργασίας για τη λήψη αποφάσεων και την εκτέλεση εργασιών. Ενώ το ML μπορεί να είναι ένα περίπλοκο θέμα, η μηχανή της Google Teachable παρέχει μια απλοποιημένη πρακτική επίδειξη για το πώς λειτουργεί το ML.
Η πιο ισχυρή μορφή εκμάθησης μηχανών που χρησιμοποιείται σήμερα, ονομάζεται βαθιά μάθηση , χτίζει μια σύνθετη μαθηματική δομή που ονομάζεται νευρωνικό δίκτυο, βασισμένη σε τεράστιες ποσότητες δεδομένων. Τα νευρωνικά δίκτυα είναι σύνολα αλγορίθμων σε ML και ΑΙ που διαμορφώνονται μετά από τον τρόπο των νευρικών κυττάρων στον ανθρώπινο εγκέφαλο και τις πληροφορίες της διαδικασίας του νευρικού συστήματος.
Τεχνητή νοημοσύνη εναντίον μάθησης μηχανών και εξόρυξης δεδομένων
Για να κατανοήσετε καλύτερα τη σχέση μεταξύ AI, ML και εξόρυξης δεδομένων, είναι χρήσιμο να σκεφτείτε ένα σύνολο διαφορετικών ομπρελών. Η ΑΙ είναι η μεγαλύτερη ομπρέλα. Η ομπρέλα ML είναι μικρότερου μεγέθους και ταιριάζει κάτω από την ομπρέλα AI. Η ομπρέλα εξόρυξης δεδομένων είναι η μικρότερη και ταιριάζει κάτω από την ομπρέλα ML.
- Το AI είναι κλάδος της επιστήμης των υπολογιστών που στοχεύει στον προγραμματισμό υπολογιστών ώστε να εκτελούν εργασίες με πιο "έξυπνες" και "ανθρώπινες" μεθόδους, χρησιμοποιώντας τεχνικές συλλογισμού και λήψης αποφάσεων που διαμορφώνονται σύμφωνα με την ανθρώπινη νοημοσύνη.
- Το ML είναι μια κατηγορία υπολογιστών μέσα στο AI που επικεντρώνεται στις μηχανές προγραμματισμού (υπολογιστές) για να μάθουν (να συγκεντρώσουν τα απαραίτητα δεδομένα ή παραδείγματα) για να κάνουν τις πληροφορίες που βασίζονται σε δεδομένα, έξυπνες αποφάσεις με πιο αυτοματοποιημένο τρόπο.
- Η εξόρυξη δεδομένων χρησιμοποιεί στατιστικά στοιχεία, ML, AI και τεράστιες βάσεις δεδομένων για την εύρεση σχεδίων, την παροχή πληροφοριών, τη δημιουργία ταξινομήσεων, τον εντοπισμό προβλημάτων και την παροχή λεπτομερών αναλυτικών στοιχείων.
Ποια μηχανή μάθησης μπορεί να κάνει (και ήδη κάνει)
Η ικανότητα των υπολογιστών να αναλύουν τεράστιες ποσότητες πληροφοριών σε κλάσματα ενός δευτερολέπτου καθιστά το ML χρήσιμο σε πολλές βιομηχανίες όπου ο χρόνος και η ακρίβεια είναι απαραίτητες.
- Ιατρική: Η τεχνολογία ML εφαρμόζεται σε μια σειρά λύσεων για τον ιατρικό τομέα, συμπεριλαμβανομένης της βοήθειας των ιατρών των υπηρεσιών έκτακτης ανάγκης με ταχύτερη διάγνωση ασθενών με ασυνήθη συμπτώματα. Οι γιατροί μπορούν να εισάγουν μια λίστα με τα συμπτώματα του ασθενούς στο πρόγραμμα και χρησιμοποιώντας το ML, το πρόγραμμα μπορεί να αφαιρέσει τρισεκατομμύρια terabytes των πληροφοριών από την ιατρική βιβλιογραφία και το διαδίκτυο για να επιστρέψει μια λίστα δυνητικών διαγνώσεων και συνιστώμενων εξετάσεων ή θεραπείας σε χρόνο ρεκόρ.
- Εκπαίδευση: Το ML χρησιμοποιείται για τη δημιουργία εκπαιδευτικών εργαλείων που προσαρμόζονται στις μαθησιακές ανάγκες του μαθητή, όπως βοηθοί εικονικής μάθησης και ηλεκτρονικά εγχειρίδια που είναι πιο διαδραστικά. Τα εργαλεία αυτά χρησιμοποιούν το ML για να ανακαλύψουν ποιες έννοιες και δεξιότητες ο φοιτητής κατανοεί χρησιμοποιώντας σύντομα κουίζ και ασκήσεις πρακτικής. Τα εργαλεία στη συνέχεια παρέχουν σύντομα βίντεο, επιπλέον παραδείγματα και υλικό υποβάθρου για να βοηθήσουν τον μαθητή να μάθει τις απαραίτητες δεξιότητες ή έννοιες.
- Αυτοκίνητο: Το ML είναι επίσης ένα βασικό συστατικό στον αναδυόμενο τομέα αυτο-οδήγησης αυτοκινήτων (επίσης αποκαλούμενων μηχανοκίνητων οχημάτων ή αυτόνομων αυτοκινήτων). Το λογισμικό που χρησιμοποιεί αυτόνομα αυτοκίνητα χρησιμοποιεί ML κατά τη διεξαγωγή δοκιμών οδικής κυκλοφορίας και προσομοιώσεων για την ανίχνευση οδικών συνθηκών (όπως οι παγωμένοι δρόμοι) ή τον εντοπισμό εμποδίων στο οδόστρωμα και την εκμάθηση των κατάλληλων οδηγών για ασφαλή πλοήγηση σε τέτοιες καταστάσεις.
Πιθανότατα έχετε ήδη συναντήσει ML πολλές φορές χωρίς να το καταλάβετε. Μερικές από τις πιο κοινές χρήσεις της τεχνολογίας ML περιλαμβάνουν την πρακτική αναγνώριση ομιλίας ( Bixby της Samsung , το Siri της Apple και πολλά προγράμματα talk-to-text που είναι πλέον πρότυπα για υπολογιστές), το φιλτράρισμα ανεπιθύμητων μηνυμάτων για το ηλεκτρονικό ταχυδρομείο, τη δημιουργία ειδήσεων ειδήσεων, τις προτάσεις αγορών και την παροχή αποτελεσματικότερων αποτελεσμάτων αναζήτησης ιστού.
Το ML συμμετέχει ακόμη και στην τροφή σας στο Facebook . Όταν σας αρέσει ή κάνετε κλικ στις δημοσιεύσεις ενός φίλου σας συχνά, οι αλγόριθμοι και οι ML πίσω από τις σκηνές «μαθαίνουν» από τις ενέργειές σας με την πάροδο του χρόνου, για να δώσουν προτεραιότητα σε ορισμένους φίλους ή σελίδες στο newsfeed σας.
Τι μηχανική μάθηση δεν μπορεί να κάνει
Ωστόσο, υπάρχουν όρια σε ό, τι ML μπορεί να κάνει. Για παράδειγμα, η χρήση της τεχνολογίας ML σε διαφορετικούς κλάδους απαιτεί σημαντική ανάπτυξη και προγραμματισμό από τον άνθρωπο για την εξειδίκευση ενός προγράμματος ή ενός συστήματος για τους τύπους εργασιών που απαιτούνται από αυτόν τον κλάδο. Για παράδειγμα, στο ιατρικό μας παράδειγμα παραπάνω, το πρόγραμμα ML που χρησιμοποιήθηκε στο τμήμα έκτακτης ανάγκης αναπτύχθηκε ειδικά για την ιατρική. Επί του παρόντος, δεν είναι δυνατόν να ληφθεί αυτό το ακριβές πρόγραμμα και να εφαρμοστεί άμεσα σε κτηνιατρικό κέντρο έκτακτης ανάγκης. Μια τέτοια μετάβαση απαιτεί εκτεταμένη εξειδίκευση και ανάπτυξη από ανθρώπινους προγραμματιστές για να δημιουργηθεί μια έκδοση ικανή να κάνει αυτό το έργο για κτηνιατρική ή ζωική ιατρική.
Απαιτεί επίσης απίστευτα τεράστια ποσά δεδομένων και παραδείγματα για να "μαθαίνει" τις πληροφορίες που χρειάζονται για να λαμβάνει αποφάσεις και να εκτελεί καθήκοντα. Τα προγράμματα ML είναι επίσης πολύ κυριολεκτικά στην ερμηνεία των δεδομένων και τον αγώνα με συμβολισμό και επίσης ορισμένους τύπους σχέσεων μέσα στα αποτελέσματα των δεδομένων, όπως η αιτία και το αποτέλεσμα.
Οι συνεχείς εξελίξεις, ωστόσο, καθιστούν το ML περισσότερο μια βασική τεχνολογία που δημιουργεί πιο έξυπνα υπολογιστές κάθε μέρα.