Machine learning: wat is het en wat is de relatie met de AI?

Vandaag willen we je dieper ingaan op een van de termen die een revolutie teweeg hebben gebracht en die sommige interacties zoals we die kennen, zullen revolutioneren. We hebben het over kunstmatige intelligentie en de meest specifieke tak, machine learning of automatisch leren.

Zoals u wellicht weet, is computergebruik altijd in constante evolutie en wat we kunnen kopen is meestal niet zo modern mogelijk.

Terwijl we bijvoorbeeld de 4e generatie PCI-Express ontwikkelen , ontwikkelen onderzoekers al PCIe Gen 5 en bestuderen ze de sprong naar de 6e . Om dezelfde reden is het niet ongebruikelijk om technologieën te vinden waarvan we niet wisten dat ze taken deden waarvan we nog nooit hadden gehoord.

Maar laten we, voordat we verder gaan, het onderwerp waar we het over zullen hebben beperken, want wat is machine learning ?

Inhoudsindex

Wat is machine learning ?

Machine learning is een specifieke tak van informatica en kunstmatige intelligentie waar systemen worden gecreëerd die in staat zijn tot automatisch leren.

Deze tak begon met zijn studie en ontwikkeling rond de jaren 80 en is tegenwoordig behoorlijk ontwikkeld. Om dezelfde reden worden zowel kunstmatige intelligentie als machine learning op veel wetenschappelijke en alledaagse gebieden gebruikt.

In deze branche bestaan AI 's uit een of meer algoritmen die grote hoeveelheden gegevens kunnen verwerken en dienovereenkomstig kunnen leren. De twee belangrijkste ideeën waar dit onderwerp om draait zijn:

• Het systeem moet gegevens kunnen analyseren en vaardigheden kunnen opbouwen die het bij zijn geboorte niet had. Intelligentie moet het werk autonoom kunnen doen, dat wil zeggen zonder menselijk toezicht.

In de echte wereld hebben we praktische voorbeelden zoals de classificatie van spam in e-mails, gerelateerde aanbevelingen op Amazon of toekomstvoorspellingen met bedrijfsgegevens. Dit laatste is een interessant onderdeel waar steeds meer bedrijven op wedden.

Met behulp van Machine Learning kunnen we zien welke patronen ontevreden klanten of ex-klanten identificeren om te proberen de relatie met andere gebruikers in dezelfde staat te verbeteren. Anciënniteit, aantal klachten, gecontracteerde plannen en andere worden onderzocht om bepaalde profielen te creëren. Zodra de AI- conclusies zijn getrokken, kan een groep marketingexperts een specifieke campagne opzetten om die problemen te bestrijden.

Zo kan het bedrijf plannen maken om klanten aan te trekken of te behouden op basis van bepaalde aannames en gaat het van een reactieve strategie naar een proactieve strategie. Het is een zeer interessante tactiek die gebruik maakt van kunstmatige intelligentie , grote hoeveelheden data en machine learning .

Hoe wordt kunstmatige intelligentie getraind?

Om een kunstmatige intelligentie voor te bereiden, moet deze verschillende fasen doorlopen:

1. Het gaat eerst door een gecontroleerde omgeving. Hier voert u een grote hoeveelheid gegevens en hun respectievelijke resultaten in waarmee u relaties tussen ideeën kunt creëren. Dit onderdeel heet Supervised Learning . Vervolgens wordt u in een gratis en onbeantwoorde omgeving geplaatst waar de AI zelf een resultaat moet kiezen. Door te weten of je antwoorden juist zijn of niet, creëer je nieuwe regels in je algoritme. Deze fase heet Unsupervised Learning . Eindelijk wordt er een omgeving voor hem klaargemaakt waar hij hapert. Als je het bijvoorbeeld moeilijk vindt om afbeeldingen met een lage helderheid te onderscheiden, word je misschien getraind met nachtfoto's. Deze fase heet Reinforcement Learning. Het proces kan vanaf stap 2 zo vaak worden uitgevoerd als u de intelligentie wilt verfijnen.

Algemeen schema over machine learning

Een praktisch voorbeeld zou zijn om een AI tien miljoen foto's te laten zien en hen te vertellen wat honden zijn en welke niet. Hier zal hij vertellen dat honden meestal vacht hebben, meestal op vier poten staan ​​en dat er verschillende vormen en maten zijn, afhankelijk van het ras.

Daarna krijgt hij een miljoen foto's om te classificeren. Hier moet u antwoorden of er al dan niet een hond op de foto staat en of u al dan niet nieuwe 'ideeën' in uw database zult creëren. Om deze nieuwe gegevens te implementeren, zal Intelligence nieuwe regels vaststellen in haar algoritme en nu bijvoorbeeld honden van katten kunnen onderscheiden.

Ten slotte wordt zijn efficiëntie bestudeerd en worden nieuwe foto's voorbereid om zijn zwakke punten te trainen.

Dit is natuurlijk een eenvoudig en zeer herhaald systeem voor de demonstratie, maar er zijn andere, meer experimentele en eigenaardige methoden.

Tay, de Twitter-bot

Een recent geval van experimentele training was Tay , een AI die door Microsoft is ontwikkeld om zichzelf te leren uitdrukken als mens.

Tay's Twitter-profiel

De bot was geprogrammeerd om in eerste instantie te spreken als een 19-jarig meisje en op 23 maart 2016 werd ze vrijgelaten op de donkere plekken van Twitter.

Je bent geprogrammeerd om met de community te praten en te leren van de berichten die je hebt ontvangen en van je interacties met gebruikers. Haar leren was bijna volledig autonoom, hoewel ze na 16 uur moest worden teruggetrokken wegens negatief gedrag.

In de korte duur van zijn leven tweette hij meer dan 96.000 tweets. Het opzettelijke aanstootgevende gedrag van dit sociale netwerk maakte het echter sneller dan snel voor Tay om te reageren met racistische en andere uitdrukkingen.

In dit geval hadden het leerproces onder toezicht en de reeks basisregels naar behoren moeten worden herzien. Omdat hij de zorgeloze en aanstootgevende toon van het sociale netwerk kende, was Tay niet bereid om het echte van het sarcastische te onderscheiden. Om dezelfde reden slaagden sommige gebruikers erin de "intellectuele barrière" van intelligentie gemakkelijk te "doorbreken" .

Machine Learning-applicaties in de echte wereld

We hebben je al verteld over een aantal dagelijkse toepassingen die je misschien al kende van Machine Learning , maar welke andere gevallen er zijn.

Hieronder ziet u een reeks praktische toepassingen van deze technologie bij de meest voorkomende problemen. Het zijn natuurlijk geavanceerde oplossingen, dus ze hebben meestal ook aanzienlijk meer geld nodig.

Gezondheid

Een technologie voor een nieuw type kleding dat informatie over ons lichaam kan lezen, wordt bestudeerd. Het kan mogelijk onze hartslag, ademhaling of angst lezen.

Deze gegevens worden gelezen door een intelligentie die de toestand van de patiënt in realtime evalueert . Dus als u een probleem heeft zoals een hartaanval op een bepaald moment, kunt u sneller een diagnose stellen en / of reageren.

Aan de andere kant zijn sommige bots geïmplementeerd die suïcidale gedachten kunnen detecteren . De beroemde Facebook- intelligentie leest gesprekken en uw activiteit om patronen van zelfmoordneigingen te herkennen, hoewel er andere versies zijn die het gedrag van de persoon, zijn stemgeluid en zijn lichaamstaal nader bestuderen .

Financiën

In de economie hebben sommige banken en bedrijven op machine learning gebaseerde oplossingen gebruikt om fraude op te sporen en te voorkomen.

Aan de andere kant wordt iets soortgelijks ook gebruikt om investeringsmogelijkheden gemakkelijker te identificeren. Het wordt ook gebruikt om te beslissen wanneer aandelen of andere middelen worden verkocht of gekocht.

Marketing

Dit hebben we al genoemd, maar het is een van de bekendste applicaties.

Het is u overkomen om een ​​paar producten op Amazon te zien , Facebook, Google of Instagram in te voeren en precies dat product in uw advertenties te zien. Het is geen toeval, aangezien sociale netwerken en Google Intelligences implementeren die uw geschiedenis en uw mogelijke interesses bestuderen om ze vast te leggen waar ze kunnen.

Sommige gebruikers zien het als een opdringerige manier om de gebruiker 'aan te vallen' en het is niet verrassend omdat ze je met een idee bestoken. Advertenties zullen echter in die richting bewegen omdat het persoonlijker is en de advertenties op potentiële kopers worden gericht.

Machine learning en deep learning

Deze twee termen gaan meestal hand in hand, maar ze zijn niet precies hetzelfde. In toekomstige artikelen zullen we het hebben over deze tweede term, omdat het iets is dat geleerd moet worden.

WIJ RADEN U AAN Hoe u AMD-stuurprogramma's schoon en gemakkelijk kunt verwijderen

Over het algemeen kunnen we de relatie tussen machine learning en deep learning vaststellen als die tussen kunstmatige intelligentie en machine learning . Deep Learning is een nog specifiekere tak van Machine Learning .

Het deelt belangrijke secties zoals evolutie in de tijd en ervaring, maar het heeft nog een reeks verschillen.

Vereenvoudigd diep leren

De basis voor het leren en verwerken van gegevens is het gebruik van verschillende lagen die werken alsof het neuronen zijn. Daarom konden we vaststellen dat deze intelligenties meestal verfijnder zijn, maar ook ingewikkelder en duurder om te bouwen.

Maar als je meer geïnteresseerd bent in dit onderwerp, blijf dan op de hoogte van de website en bezoek ons volgende artikel over Deep Learning .

Hoe ver zijn we van Skynet ?

We hebben deze sectie voor de meest dromerige geesten.

Dit is een veel herhaald onderwerp in boeken, films en andere. Niet voor niets is er precies een genre of thema genaamd Cyberpunk . Maar ver van die futuristische dystopieën die worden bestuurd door kunstmatige intelligentie , hebben onze machines nog een lange weg te gaan.

Rick & Morty's slimme robot

De huidige Machine Learning- systemen behoren tot de groep van ' zwakke AI's'. Zoals we hebben gezien, zijn deze intelligenties alleen in staat patronen te begrijpen en eenvoudige afleidingen te maken. Ze zijn erg handig om ons in bepaalde contexten te ondersteunen, maar het zijn helemaal geen autonome systemen.

Aan de andere kant zouden we de 'sterke AI's' hebben , die worden vertegenwoordigd in futuristische verhalen waarin ze gelijk zijn aan of veel intelligenter dan mensen. We kunnen opmerkelijke voorbeelden vinden in de populaire cultuur zoals 'Matrix' , 'Terminator' , 'Ghost in the Shell' of 'Halo' . In feite zijn er in deze lijst twee werken die met elkaar verband houden; Raad eens welke?

Vandaag ontwikkelen we nog steeds volledig autonome en veilige auto's . We vorderen voortdurend, maar we hebben nog steeds een manier om een gelijk feit te ontwikkelen dat volledig uit technologie bestaat.

Als je er meer over wilt weten, kun je ons artikel over kunstmatige intelligentie bezoeken . Het is een tekst vanuit een algemener oogpunt en we bestuderen een beetje de mogelijke gevolgen die deze technologie zal hebben.

Laatste woorden over machine learning

Net als bij onze conclusie over kunstmatige intelligentie, is het duidelijk dat de toekomst onzeker is. Het is echter onvermijdelijk dat de evolutie moet worden herzien om technologie onder haar vaardigheden en kenmerken te implementeren.

Het internet zal beetje bij beetje meer en beter worden bestuurd door programma's en algoritmen. Sociale netwerken worden beter gekalibreerd en bieden ons meer inhoud naar onze smaak. En ten slotte zullen online relaties veel veiliger zijn door gemakkelijker te detecteren wanneer er gevaar voor fraude of dergelijke bestaat.

Aan de andere kant, wees niet verbaasd dat deze eeuw het moment is waarop het IoT (Internet of Things) zal schijnen. Het is een idee waar we al lang van dromen en dat komt steeds dichterbij. Bovendien is het IoT een grote bieder van geavanceerde technologieën met betrekking tot machine learning, hoewel het nog steeds enkele aanpassingen met betrekking tot beveiliging mist .

Van onze kant denken we dat het een geleidelijke evolutie zal zijn en zolang je op de hoogte bent van wat er gebeurt, heb je niets te vrezen. Nieuwe auto's of koelkasten klinken misschien vreemd voor je, maar ik denk zeker niet dat we het ontwaken van 'sterke AI's' zullen zien .

We raden u aan de beste laptops op de markt te lezen

Ten slotte moeten we bekennen dat we geen experts zijn in kunstmatige intelligentie of machine learning , dus laat je niet verrassen door vreemde gegevens. Als we een fout hebben gemaakt, aarzel dan niet om het ons te vertellen! We zijn tenslotte nog geen perfecte machines.

En jij, wat denk je van machine learning en kunstmatige intelligentie ? In welk aspect denk je dat ze geïmplementeerd moeten worden? Deel uw ideeën hieronder.

Slimme dataapdsaslagacetawhatsnew lettertype