კომპიუტერები არ იღებენ, მაგრამ ყოველ დღე ჭკვიანია
მანქანათმცოდნეობა (მაგ.) არის კომპიუტერული პროგრამების (კომპიუტერები) პროგრამების შექმნა, რათა მას შეუძლია შეასრულოს მოთხოვნილი დავალება მონაცემების (ინფორმაციის) გამოყენებით და ანალიზის მეშვეობით, რომელიც დამოუკიდებლად შეასრულებს ამ ამოცანის შესრულებას, ადამიანის დეველოპერისგან დამატებითი სპეციფიკური შეყვანის გარეშე .
მანქანა სწავლის 101
ტერმინი "მანქანათმცოდნე" 1959 წელს IBM ლაბორატორიებში შეიმუშავეს არტურ სამუელი, ხელოვნების ინტელექტის (AI) და კომპიუტერული თამაშების პიონერი. მანქანა სწავლის შედეგად, არის ხელოვნური ინტელექტის ფილიალი. სამუელის ნაგებობა იყო დროთა განმავლობაში კომპიუტერის მოდელირების გადასალახი და შეჩერებულიყო კომპიუტერების გასაკეთებლად.
ამის ნაცვლად, მას უნდოდა კომპიუტერები, რომ დაიწყონ მტკიცებულება თავიანთი შინაარსის გარეშე, ადამიანთა გარეშეც, თუნდაც ყველაზე მწირი ინფორმაცია. შემდეგ, მას მიაჩნდა, რომ კომპიუტერები არ შეასრულებდნენ ამოცანებს, მაგრამ საბოლოო ჯამში გადაწყვეტს, თუ რომელი ამოცანები შეასრულოს და როდის. რატომ? ამგვარად, კომპიუტერთან შეიძლება შეამცირონ იმ ადამიანების რაოდენობა, რომლებიც საჭიროა ნებისმიერი ადგილისთვის.
როგორ სწავლის სამუშაოები
მექანიკური სამუშაოები ალგორითმებისა და მონაცემების გამოყენებით. ალგორითმი არის ინსტრუქციის ან ინსტრუქციების კომპლექტი, რომელიც მოგვითხრობს კომპიუტერული ან პროგრამას, თუ როგორ უნდა განახორციელოს დავალება. ალგორითმები, რომლებიც იყენებენ ML შეგროვების მონაცემებს, აღიარებენ ნიმუშებს და გამოიყენებენ ამ მონაცემების ანალიზს საკუთარი პროგრამებისა და ფუნქციების ადაპტირების მიზნით.
ML ალგორითმები იყენებენ წესების კომპლექტებს, გადაწყვეტილებებს, გრაფიკულ მოდელებს, ბუნებრივი ენის დამუშავებას და ნერვულ ქსელებს (ასახელებს რამდენიმე) დამუშავების მონაცემების ავტომატიზირებას გადაწყვეტილებების მიღებისა და ამოცანების შესასრულებლად. მიუხედავად იმისა, ML შეიძლება იყოს რთული თემა, Google- ის Teachable Machine უზრუნველყოფს გამარტივებული პრაქტიკული დემონსტრირება როგორ ML მუშაობს.
დღესდღეობით გამოყენებული მანქანა სწავლის ყველაზე ძლიერი ფორმა, რომელსაც ეწოდება ღრმა სწავლება , აყალიბებს კომპლექსურ მათემატიკურ სტრუქტურას, რომელსაც ეწოდება ნერვული ქსელი, მონაცემთა დიდი რაოდენობით. ნერვული ქსელები არის ალგორითმების კომპლექტი ML და AI მოდელირებული შემდეგ ნერვული უჯრედების ადამიანის ტვინის და ნერვული სისტემის პროცესი ინფორმაცია.
ხელოვნური დაზვერვის წინააღმდეგ Machine Learning წინააღმდეგ მონაცემთა სამთო
იმისათვის, რომ უკეთ გავიგოთ AI, ML და მონაცემთა სამთო შორის ურთიერთობა, ის სასარგებლოა სხვადასხვა ზომის ქოლგის კომპლექტის მოსააზრებად. AI არის ყველაზე დიდი ქოლგა. ML ქოლგა არის ზომა პატარა და შეესაბამება ქვეშ AI ქოლგა. მონაცემთა სამთო ქოლგა ყველაზე პატარაა და ემთხვევა ML ქოლეს.
- AI არის კომპიუტერული მეცნიერების ფილიალი, რომელიც მიზნად ისახავს კომპიუტერთან პროგრამების განხორციელებას უფრო "ინტელექტუალური" და "ადამიანის მსგავსი" გზებით, რაც გულისხმობს აზროვნებისა და გადაწყვეტილების მიღების მეთოდებს ადამიანის დაზვერვის შემდეგ.
- ML არის განყოფილების კატეგორია AI- ზე ორიენტირებული პროგრამირების დანადგარები (კომპიუტერები), რათა ისწავლონ (საჭირო მონაცემების შეგროვება ან მონაცემების შეგროვება) მონაცემთა ორიენტირებული, ინტელექტუალური გადაწყვეტილებების მიღება უფრო ავტომატიზირებულ რეჟიმში.
- მონაცემების მოპოვება იყენებს სტატისტიკას, ML, AI და მონაცემთა უზარმაზარ მონაცემთა ბაზებს, რათა მოიძებნოს ნიმუშები, უზრუნველყონ ინსაითი, შექმნას კლასიფიკაცია, პრობლემების იდენტიფიცირება და დეტალური მონაცემების ანალიზი.
რა მანქანა სწავლის შეუძლია (და უკვე აკეთებს)
კომპიუტერების შესაძლებლობები გაანალიზებულია დიდი რაოდენობით ინფორმაციის ფრაქციებში მეორეზე, რაც საშუალებას აძლევს ML- ს სასარგებლო წილი, სადაც დრო და სიზუსტე აუცილებელია.
- მედიცინა: ML ტექნოლოგია ხორციელდება მრავალფეროვან გადაწყვეტილებებში სამედიცინო სფეროში, მათ შორის, საგანგებო სიტუაციების დეპარტამენტის ექიმების დახმარებით უჩვეულო სიმპტომების მქონე პაციენტების სწრაფი დიაგნოზი. ექიმებს შეუძლიათ პაციენტთა სიმპტომების სიაში შეყვანისას და გამოიყენონ ML- ის პროგრამა, რომლის საშუალებითაც შეიძლება შეიმუშაოს ინფორმაცია თრიალეთიდან სამკურნალო ლიტერატურისა და ინტერნეტის საშუალებით, რათა ჩაიტაროს პოტენციური დიაგნოზის ნუსხა და რეკომენდებული ტესტირება ან მკურნალობა.
- განათლება: ML გამოიყენება საგანმანათლებლო ინსტრუმენტების შესაქმნელად სტუდენტის სწავლის საჭიროებებზე, როგორიცაა ვირტუალური სწავლების თანაშემწეები და ელექტრონული სახელმძღვანელოები, რომლებიც უფრო ინტერაქტიულია. ეს მექანიზმები გამოიყენებს ML- ს, თუ რომელი კონცეფციებისა და უნარ-ჩვევების მოსწავლეებს ესმის მოკლე ტესტ-კითხვები და პრაქტიკა. ინსტრუმენტები შემდეგ მოკლე ვიდეოებს, დამატებით მაგალითებს და ფონურ მასალას საშუალებას აძლევს, დაეხმაროს სტუდენტს საჭირო უნარ-ჩვევებსა და ცნებებზე.
- ავტომობილები: ML ასევე ძირითადი კომპონენტი თვითმმართველობის მამოძრავებელი მანქანების განვითარებაში (ასევე მოუწოდა მძღოლის ნაკლებ მანქანა ან ავტონომიური მანქანა). პროგრამული უზრუნველყოფა, რომელიც ახორციელებს თვითმმართველობის მამოძრავებელ მანქანებს, ML იყენებს ორივე რეალურ ცხოვრებაში საგზაო ტესტებსა და სიმულაციებს საგზაო პირობების (მაგ. ყინულოვანი გზების) გამოვლენა, ან გზის სავალი ნაწილის იდენტიფიცირება და სათანადო მართვის ამოცანები.
თქვენ სავარაუდოდ უკვე შეხვდა ML ბევრჯერ ხვდებიან მას. ML ტექნოლოგიის ზოგიერთი უფრო ხშირი გამოყენება მოიცავს პრაქტიკული სიტყვის აღიარებას ( Samsung- ის Bixby , Apple- ის Siri და ბევრი საუბრობს ტექსტურ პროგრამებს, რომლებიც ახლა PC- ების სტანდარტულია), ელფოსტის სპამის ფილტრაცია, სიახლეების შექმნა, თაღლითობის გამოვლენა, პერსონალიზაციის სავაჭრო რეკომენდაციები და უფრო ეფექტური ვებ-ძიების შედეგები.
ML ჩართულია თქვენი Facebook feed- ში. როდესაც მოგწონთ ან დააწკაპუნეთ მეგობრის პოსტებზე ხშირად, ალგორითმები და ML კადრები "სწავლობენ" თქვენი ქმედებების დროთა განმავლობაში, რათა განაახლონ გარკვეული მეგობრები ან გვერდები თქვენს Newsfeed- ში.
რა მანქანით სწავლის გაკეთება შეგიძლიათ
თუმცა, არსებობს შეზღუდვები, თუ რა ML შეუძლია. მაგალითად, ML ინდუსტრიის გამოყენება სხვადასხვა ინდუსტრიებში მოითხოვს მნიშვნელოვან რაოდენობას განვითარებისა და პროგრამირების საშუალებით ადამიანებს, რომ სპეციალობდეს პროგრამა ან სისტემა, რომელიც აუცილებელია ამ ინდუსტრიის მიერ მოთხოვნილ ამოცანებზე. მაგალითად, ჩვენს სამედიცინო მაგალითში ზემოთ მოყვანილი ML პროგრამა საგანგებო განყოფილებაში გამოიყენება სპეციალურად ადამიანის მედიცინისთვის. ამჟამად არ არის შესაძლებელი ამ ზუსტი პროგრამის აღება და ვეტერინარულ საგანგებო ცენტრში პირდაპირ განხორციელება. ასეთი ტრანზიცია საჭიროებს სპეციალურ პროგრამას და განვითარებას ადამიანის პროგრამისტების მიერ, რათა შეიქმნას ისეთი ვერსია, რომელსაც შეუძლია ვეტერინარული ან ცხოველური მედიცინისთვის ამ ამოცანის შესრულება.
მას ასევე მოითხოვს მონაცემების და მაგალითებიდან წარმოუდგენლად დიდი რაოდენობით ინფორმაციის "შესწავლა", რაც მას სჭირდება გადაწყვეტილებების მიღებისა და ამოცანების შესასრულებლად. ML პროგრამები ასევე ძალიან ლიტერატურული მონაცემების ინტერპრეტაცია და სიმბოლიზმით ბრძოლა და ზოგიერთი სახის ურთიერთობები მონაცემთა შედეგების ფარგლებში, როგორიცაა მიზეზი და ეფექტი.
გრძელვადიანი მიღწევები, თუმცა ყოველდღიურად უფრო მეტ ტექნოლოგიას ქმნიან, რომლებიც ყოველწლიურად კმარა კომპიუტერებს ქმნიან.