Kompyuterlar egallamaydi, lekin ular har kuni aqlli bo'ladi
Mashinani o'rganish (ML) eng oddiy sharoitda kompyuterni (kompyuterlarni) dasturlash bo'lib, u insonni ishlab chiquvchisidan qo'shimcha aniq ma'lumotisiz bu vazifani mustaqil ravishda bajarish uchun ma'lumotlarni (axborotni) qo'llash va tahlil qilish orqali kerakli vazifani bajarishi mumkin.
Mashinani o'rganish 101
"Mashinani o'rganish" atamasi 1959 yilda IBM laboratoriyalarida sun'iy aql (AI) va kompyuter o'yinlari bo'yicha kashshof bo'lgan Artur Shamuil tomonidan yaratilgan. Mashinani o'rganish, natijada, sun'iy aqlning bir bo'limi. Shomuilning asosiy maqsadi vaqtni hisoblash modelini ag'darib tashlash va kompyuterni o'rganish uchun narsalarni berishni to'xtatish edi.
Buning o'rniga, u kompyuterlar o'zlarining narsalarini o'zlari bilib olishni boshlashlarini istashardi, hatto insonlar ham eng kichik ma'lumotni kiritishga majbur bo'lishdi. Keyin, u kompyuterlar faqat vazifalarni bajarish emas, balki, oxir-oqibatda qanday vazifalarni bajarish kerakligini va qachon qaror berishi mumkin deb o'yladi. Nima uchun? Shunday qilib, kompyuterlar biron bir sohada ishlash uchun zarur bo'lgan ish hajmini kamaytirishi mumkin.
Mashina qanday ishlaydi?
Mashinani o'rganish algoritm va ma'lumotlar yordamida ishlaydi. Algoritm kompyuter yoki dasturni qanday bajarish kerakligini ko'rsatuvchi ko'rsatmalar yoki ko'rsatmalar to'plamidir. MLda ishlatiladigan algoritmlar ma'lumotlarni yig'adi, naqshlarni taniydi va bu ma'lumotlarni tahlil qilish uchun o'z dasturlari va funktsiyalarini vazifalarni bajarish uchun moslashtiradi.
ML algoritmlari qarorlarni qabul qilish va topshiriqlarni bajarish uchun qayta ishlash ma'lumotlarini avtomatlashtirish uchun qoida to'plamlarini, qaror daraxtlarini, grafik modellarni, tabiiy tillarni qayta ishlashni va neyron tarmoqlarini (bir nechta nomini) ishlatadi. ML murakkab masalaga aylanishi mumkin bo'lsa-da, Googlening Teachable Machine dasturi ML ning qanday ishlashi to'g'risida soddalashtirilgan namoyishlarni taqdim etadi.
Bugungi kunda qo'llanilayotgan kompyuterni o'rganishning eng kuchli shakli, chuqur o'rganish deb nomlangan, katta hajmdagi ma'lumotlarga asoslangan neyron tarmoq deb ataladigan murakkab matematik strukturani quradi. Neyron tarmoqlari - bu ML va AI algoritmlarini inson miyasida nerv hujayralari va asab tizimining jarayon ma'lumotidan keyin modellashtirilishi.
Sun'iy razvedka va boshqalar
A.I., ML va ma'lumotlar konlari o'rtasidagi munosabatlarni yaxshiroq tushunish uchun har xil o'lchamdagi shimgichlar haqida o'ylash foydali bo'ladi. A.I. eng katta soyabon. ML soyaboni kichik o'lchamli va A.I. soyabon ostiga to'g'ri keladi. Ma'lumotlar konining soyaboni eng kichik va ML soyabon ostiga to'g'ri keladi.
- A.I., inson aqlidan keyin modellashtirilgan aql-idrok va qarorlarni qabul qilish usullaridan foydalanib, "aqlli" va "odamga o'xshash" usullarda vazifalarni bajarish uchun kompyuterlarni dasturlashni maqsad qilgan kompyuter fanining bir bo'limi.
- ML - axborot uzatish va aqlli qarorlarni yanada avtomatlashtirilgan tarzda amalga oshirish uchun o'rganish uchun kerakli ma'lumotni (misollarni to'plash) programma mashinalariga (kompyuterlarga) yo'naltirilgan AI doirasida hisoblashning bir toifasi.
- Ma'lumot kontseptsiyasi statistikani, MLni, A.I.ni va ma'lumotlarning noyob ma'lumotlar bazasini naqshlarni topish, tushuntirishlar berish, tasniflar yaratish, muammolarni aniqlash va batafsil ma'lumotlarni tahlil qilish uchun ishlatadi.
Mashina qanday o'qiy olish mumkin (va allaqachon mavjudmi)
Kompyuterlarning ko'p sonli ma'lumotni ikkinchi darajali fraktsiyalarda tahlil qilish imkoniyati MLni vaqti va aniqligi zarur bo'lgan bir qator sohalarda foydali bo'ladi.
- Tibbiyot: ML texnologiyasi tibbiy sohada bir qator echimlarga, shu jumladan, favqulodda vaziyatlar shifoxonasida g'ayrioddiy simptomlari bo'lgan bemorlarni tezkor tashxislashda yordam beradi. Shifokorlar bemorning semptomlari ro'yxatini dasturga kiritishi va ML dan foydalanishi mumkin, dastur tibbiy adabiyotlardan trillionlab terabayt ma'lumot to'plashi va Internetda mumkin bo'lgan diagnostika ro'yxatini qaytarish va tavsiya etilgan test yoki retsept bo'yicha davolanishi mumkin.
- Ta'lim: O'L O'quvchilarning talablariga, masalan, virtual o'qituvchilar va elektron darsliklar kabi interaktiv ta'lim vositalariga mos keladigan ta'lim vositalarini yaratish uchun ishlatiladi. Ushbu vositalar qisqa muddatli viktorina va mashqlarni bajarish orqali talaba tushunadigan tushunchalarni va ko'nikmalarni tushunish uchun MLdan foydalanadi. Keyinchalik asboblar, talaba zarur ko'nikmalar yoki tushunchalarni o'rganish uchun qisqa videolar, qo'shimcha misollar va materiallarni taqdim etadi.
- Avtotransport: ML o'z-o'zini avtomashinalar vositasida (shuningdek, haydovchisiz mashinalar yoki avtonom mashinalar deb nomlanuvchi) paydo bo'lgan sohada muhim rol o'ynaydi. O'z-o'zidan avtomashina qiluvchi vositalarni ishlatadigan dasturiy ta'minot MLni haqiqiy hayot yo'llari sinovlari va simulyatsiyalarda yo'l sharoitlarini aniqlash uchun (masalan, muzli yo'llar) yoki avtomobil yo'lidagi to'siqlarni aniqlash uchun ishlatadi va bunday vaziyatlarni xavfsiz boshqarish uchun tegishli haydash vazifalarini o'rganadi.
Ehtimol, MLni ko'p marta tanishsiz. ML texnologiyasidan foydalanishning ba'zi bir turlari orasida amaliy nutqni tanitish ( Samsung Bixby , Apple Siri va kompyuterda standartlarga mos keladigan ko'plab matnli dasturlar), elektron pochtangiz uchun spam-filtrlash, yangiliklarni yangiliklar yaratish, firibgarliklarni aniqlash, shaxsiylashtirish xarid qilish bo'yicha tavsiyalar va veb-qidiruv natijalarini yanada samaraliroq ta'minlash.
ML sizning Facebook tasmangizda ham ishtirok etmoqda. Do'stingizning xabarlarini tez-tez yoqib yoki bosganda, sizning xabarlaringizdagi ba'zi do'stlar yoki sahifalarni birinchi o'ringa qo'yish uchun sahn ortidagi algoritmlar va ML vaqt-vaqti bilan harakatlaringizdan "o'rganish" mumkin.
Mashinani qanday o'rganish mumkin emas
Biroq, ML nima qilishi mumkin bo'lgan cheklovlar mavjud. Misol uchun, turli sohalarda ML texnologiyasidan foydalanish bu sanoat tomonidan talab qilinadigan vazifalar turlari uchun dastur yoki tizimni ixtisoslash uchun odamlarning ishlab chiqish va dasturiylashtirishning katta hajmini talab qiladi. Masalan, yuqoridagi tibbiy misolimizda, favqulodda yordam bo'limida ishlatiladigan ML dasturi inson tibbiyoti uchun maxsus ishlab chiqilgan. Hozirgi vaqtda ushbu dasturni qabul qilish va uni veterinariya favqulodda vaziyatlar markazida bevosita amalga oshirish mumkin emas. Bunday o'tish inson dasturchilari tomonidan ushbu vazifani veterinariya yoki hayvonot tibbiyotida bajarishga qodir bo'lgan versiyani yaratish uchun keng ixtisoslashuv va rivojlanishni talab qiladi.
Bundan tashqari, qarorlar qabul qilish va vazifalarni bajarish uchun kerak bo'lgan ma'lumotlarni "o'rganish" uchun juda ko'p miqdorda ma'lumotlar va misollar talab etiladi. ML dasturlari ma'lumotlarni sharhlashda va simvolizmga qarshi kurashishda, shuningdek, natijalar va natijalar kabi ma'lumotlar natijalari bo'yicha ba'zi turdagi munosabatlarda juda aniqdir.
Biroq, ilgarilashlarni davom ettirish, ML-ni har kuni aqlli kompyuterlarni yaratadigan yadro texnologiyasidan ko'proq narsa qilishdir.