Tabl Cynnwys[Cuddio][Dangos]
Gallwn nawr gyfrifo ehangder y gofod a chymhlethdodau munudau gronynnau isatomig diolch i gyfrifiaduron.
Mae cyfrifiaduron yn curo bodau dynol o ran cyfrif a chyfrifo, yn ogystal â dilyn prosesau ie/na rhesymegol, diolch i electronau'n teithio ar gyflymder golau trwy ei gylchedwaith.
Fodd bynnag, nid ydym yn aml yn eu gweld yn “ddeallus” oherwydd, yn y gorffennol, ni allai cyfrifiaduron berfformio unrhyw beth heb gael eu haddysgu (eu rhaglennu) gan fodau dynol.
Dysgu peirianyddol, gan gynnwys dysgu dwfn a deallusrwydd artiffisial, wedi dod yn gyffro mewn penawdau gwyddonol a thechnoleg.
Mae'n ymddangos bod dysgu peirianyddol yn hollbresennol, ond byddai llawer o bobl sy'n defnyddio'r gair yn ei chael hi'n anodd diffinio'n ddigonol beth ydyw, beth mae'n ei wneud, ac ar gyfer beth y caiff ei ddefnyddio orau.
Mae'r erthygl hon yn ceisio egluro dysgu peirianyddol tra hefyd yn darparu enghreifftiau diriaethol, byd go iawn o sut mae'r dechnoleg yn gweithio i ddangos pam ei bod mor fuddiol.
Yna, byddwn yn edrych ar y gwahanol fethodolegau dysgu peirianyddol a gweld sut maen nhw'n cael eu defnyddio i fynd i'r afael â heriau busnes.
Yn olaf, byddwn yn ymgynghori â'n pêl grisial i gael rhai rhagfynegiadau cyflym am ddyfodol dysgu peiriannau.
Beth yw dysgu peiriant?
Mae dysgu peirianyddol yn ddisgyblaeth cyfrifiadureg sy'n galluogi cyfrifiaduron i gasglu patrymau o ddata heb ddysgu'n benodol beth yw'r patrymau hynny.
Mae'r casgliadau hyn yn aml yn seiliedig ar ddefnyddio algorithmau i asesu nodweddion ystadegol y data yn awtomatig a datblygu modelau mathemategol i ddarlunio'r berthynas rhwng gwerthoedd amrywiol.
Cyferbynnwch hyn â chyfrifiadura clasurol, sy'n seiliedig ar systemau penderfyniaethol, lle rydym yn rhoi'n benodol i'r cyfrifiadur set o reolau i'w dilyn er mwyn iddo wneud tasg benodol.
Gelwir y ffordd hon o raglennu cyfrifiaduron yn rhaglennu ar sail rheolau. Mae dysgu peirianyddol yn wahanol i raglennu sy'n seiliedig ar reolau ac yn perfformio'n well na rhaglennu yn yr ystyr y gall ddiddwytho'r rheolau hyn ar ei ben ei hun.
Tybiwch eich bod yn rheolwr banc sydd am benderfynu a yw cais am fenthyciad yn mynd i fethu ar eu benthyciad.
Mewn dull sy'n seiliedig ar reolau, byddai'r rheolwr banc (neu arbenigwyr eraill) yn hysbysu'r cyfrifiadur yn benodol, os yw sgôr credyd yr ymgeisydd yn is na lefel benodol, y dylid gwrthod y cais.
Fodd bynnag, byddai rhaglen dysgu peirianyddol yn syml yn dadansoddi data blaenorol ar gyfraddau credyd cleientiaid a chanlyniadau benthyciadau ac yn pennu beth ddylai’r trothwy hwn fod ar ei ben ei hun.
Mae'r peiriant yn dysgu o ddata blaenorol ac yn creu ei reolau ei hun yn y modd hwn. Wrth gwrs, dim ond paent preimio ar ddysgu peirianyddol yw hwn; mae modelau dysgu peirianyddol byd go iawn yn llawer mwy cymhleth na throthwy sylfaenol.
Serch hynny, mae'n arddangosiad ardderchog o botensial dysgu peirianyddol.
Sut mae a peiriant dysgu?
Er mwyn cadw pethau'n syml, mae peiriannau'n “dysgu” trwy ganfod patrymau mewn data cymaradwy. Ystyriwch ddata i fod yn wybodaeth rydych chi'n ei chasglu o'r byd y tu allan. Po fwyaf o ddata y mae peiriant yn cael ei fwydo, y “callach” y daw.
Fodd bynnag, nid yw'r holl ddata yr un peth. Tybiwch eich bod yn fôr-leidr gyda phwrpas bywyd i ddarganfod y cyfoeth claddedig ar yr ynys. Byddwch chi eisiau cryn dipyn o wybodaeth i ddod o hyd i'r wobr.
Gall y wybodaeth hon, fel data, naill ai fynd â chi yn y ffordd gywir neu anghywir.
Po fwyaf yw'r wybodaeth/data a gasglwyd, y lleiaf o amwysedd sydd, ac i'r gwrthwyneb. O ganlyniad, mae'n hanfodol ystyried y math o ddata rydych chi'n bwydo'ch peiriant i ddysgu ohono.
Fodd bynnag, unwaith y darperir swm sylweddol o ddata, gall y cyfrifiadur wneud rhagfynegiadau. Gall peiriannau ragweld y dyfodol cyn belled nad yw'n gwyro llawer oddi wrth y gorffennol.
Mae peiriannau'n “dysgu” trwy ddadansoddi data hanesyddol i benderfynu beth sy'n debygol o ddigwydd.
Os yw'r hen ddata yn debyg i'r data newydd, yna mae'r pethau y gallwch chi eu dweud am y data blaenorol yn debygol o fod yn berthnasol i'r data newydd. Mae fel petaech chi'n edrych yn ôl i edrych ymlaen.
Beth yw'r mathau o ddysgu peiriannau?
Mae algorithmau ar gyfer dysgu peirianyddol yn aml yn cael eu dosbarthu’n dri math bras (er bod cynlluniau dosbarthu eraill yn cael eu defnyddio hefyd):
- Dysgu dan oruchwyliaeth
- Dysgu heb oruchwyliaeth
- Dysgu atgyfnerthu
Dysgu dan oruchwyliaeth
Mae dysgu peiriant dan oruchwyliaeth yn cyfeirio at dechnegau lle mae'r model dysgu peiriant yn cael casgliad o ddata gyda labeli penodol ar gyfer maint y diddordeb (cyfeirir at y swm hwn yn aml fel yr ymateb neu'r targed).
Er mwyn hyfforddi modelau AI, mae dysgu lled-oruchwyliaeth yn defnyddio cymysgedd o ddata wedi'i labelu a heb ei labelu.
Os ydych chi'n gweithio gyda data heb ei labelu, bydd angen i chi wneud rhywfaint o labelu data.
Labelu yw'r broses o labelu samplau i gynorthwyo hyfforddi dysgu peiriant model. Mae labelu yn cael ei wneud yn bennaf gan bobl, a all fod yn gostus ac yn cymryd llawer o amser. Fodd bynnag, mae technegau i awtomeiddio'r broses labelu.
Mae'r sefyllfa ymgeisio am fenthyciad a drafodwyd gennym o'r blaen yn enghraifft wych o ddysgu dan oruchwyliaeth. Roedd gennym ni ddata hanesyddol ynghylch statws credyd cyn-ymgeiswyr am fenthyciad (ac efallai lefelau incwm, oedran, ac yn y blaen) yn ogystal â labeli penodol a oedd yn dweud wrthym a oedd y person dan sylw wedi methu â gwneud ei fenthyciad ai peidio.
Mae atchweliad a dosbarthiad yn ddwy is-set o dechnegau dysgu dan oruchwyliaeth.
- Dosbarthiad - Mae'n defnyddio algorithm i gategoreiddio data yn gywir. Mae hidlyddion sbam yn un enghraifft. Gall “spam” fod yn gategori goddrychol - mae'r llinell rhwng sbam a chyfathrebu nad yw'n sbam yn aneglur - ac mae'r algorithm hidlo sbam yn mireinio ei hun yn gyson yn dibynnu ar eich adborth (sy'n golygu e-bost y mae bodau dynol yn ei nodi fel sbam).
- Atchweliad – Mae'n ddefnyddiol deall y cysylltiad rhwng newidynnau dibynnol ac annibynnol. Gall modelau atchweliad ragweld gwerthoedd rhifiadol yn seiliedig ar sawl ffynhonnell ddata, megis amcangyfrifon refeniw gwerthiant ar gyfer cwmni penodol. Mae atchweliad llinol, atchweliad logistaidd, ac atchweliad polynomaidd yn rhai technegau atchweliad amlwg.
Dysgu heb oruchwyliaeth
Mewn dysgu heb oruchwyliaeth, rydym yn cael data heb ei labelu ac yn chwilio am batrymau yn unig. Gadewch i ni esgus mai Amazon ydych chi. A allwn ddod o hyd i unrhyw glystyrau (grwpiau o ddefnyddwyr tebyg) yn seiliedig ar hanes prynu cleientiaid?
Hyd yn oed er nad oes gennym ni ddata clir a phendant am hoffterau person, yn yr achos hwn, mae gwybod bod set benodol o ddefnyddwyr yn prynu nwyddau tebyg yn caniatáu inni wneud awgrymiadau prynu yn seiliedig ar yr hyn y mae unigolion eraill yn y clwstwr hefyd wedi'i brynu.
Mae carwsél “efallai y byddai gennych chi ddiddordeb ynddo hefyd” Amazon yn cael ei bweru gan dechnolegau tebyg.
Gall dysgu heb oruchwyliaeth grwpio data trwy glystyru neu gysylltu, yn dibynnu ar yr hyn yr ydych am ei grwpio gyda'ch gilydd.
- Clwstwri – Mae dysgu heb oruchwyliaeth yn ceisio goresgyn yr her hon trwy chwilio am batrymau yn y data. Os oes clwstwr neu grŵp tebyg, bydd yr algorithm yn eu categoreiddio mewn modd penodol. Mae ceisio categoreiddio cleientiaid yn seiliedig ar hanes prynu blaenorol yn enghraifft o hyn.
- Cymdeithas – Mae dysgu heb oruchwyliaeth yn ceisio mynd i’r afael â’r her hon drwy geisio deall y rheolau a’r ystyron sydd wrth wraidd grwpiau amrywiol. Enghraifft aml o broblem cysylltiad yw pennu cysylltiad rhwng pryniannau cwsmeriaid. Gall siopau fod â diddordeb mewn gwybod pa nwyddau a brynwyd gyda'i gilydd a gallant ddefnyddio'r wybodaeth hon i drefnu lleoliad y cynhyrchion hyn er mwyn eu cyrraedd yn hawdd.
Dysgu Atgyfnerthu
Mae dysgu atgyfnerthu yn dechneg ar gyfer addysgu modelau dysgu peirianyddol i wneud cyfres o benderfyniadau sy'n canolbwyntio ar nodau mewn lleoliad rhyngweithiol. Mae'r achosion defnydd hapchwarae a grybwyllir uchod yn enghreifftiau rhagorol o hyn.
Nid oes rhaid i chi fewnbynnu miloedd AlphaZero o gemau gwyddbwyll blaenorol, pob un â symudiad “da” neu “wael” wedi'i labelu. Yn syml, dysgwch reolau'r gêm a'r nod iddo, ac yna gadewch iddo roi cynnig ar weithredoedd ar hap.
Rhoddir atgyfnerthiad cadarnhaol i weithgareddau sy'n mynd â'r rhaglen yn nes at y nod (fel datblygu safle gwystlo solet). Pan fydd gweithredoedd yn cael yr effaith groes (fel symud y brenin yn gynamserol), maent yn ennill atgyfnerthiad negyddol.
Yn y pen draw, gall y feddalwedd feistroli'r gêm gan ddefnyddio'r dull hwn.
Dysgu atgyfnerthu yn cael ei ddefnyddio'n eang mewn roboteg i ddysgu robotiaid ar gyfer gweithredoedd cymhleth ac anodd eu peiriannu. Fe'i defnyddir weithiau ar y cyd â seilwaith ffyrdd, megis signalau traffig, i wella llif traffig.
Beth ellir ei wneud gyda dysgu peiriannau?
Mae'r defnydd o ddysgu peiriannau mewn cymdeithas a diwydiant yn arwain at ddatblygiadau mewn ystod eang o ymdrechion dynol.
Yn ein bywydau bob dydd, mae dysgu peirianyddol bellach yn rheoli algorithmau chwilio a delwedd Google, gan ganiatáu i ni gael ein paru'n fwy cywir â'r wybodaeth sydd ei hangen arnom pan fydd ei hangen arnom.
Mewn meddygaeth, er enghraifft, mae dysgu peirianyddol yn cael ei gymhwyso i ddata genetig i helpu meddygon i ddeall a rhagweld sut mae canser yn lledaenu, gan ganiatáu ar gyfer datblygu therapïau mwy effeithiol.
Mae data o ofod dwfn yn cael ei gasglu yma ar y Ddaear trwy delesgopau radio enfawr - ac ar ôl cael ei ddadansoddi gyda dysgu peirianyddol, mae'n ein helpu i ddatrys dirgelion tyllau du.
Mae dysgu peiriannau mewn manwerthu yn cysylltu prynwyr â phethau y maent am eu prynu ar-lein, ac mae hefyd yn helpu gweithwyr siop i deilwra'r gwasanaeth y maent yn ei ddarparu i'w cleientiaid yn y byd brics a morter.
Defnyddir dysgu peirianyddol yn y frwydr yn erbyn terfysgaeth ac eithafiaeth i ragweld ymddygiad y rhai sy'n dymuno brifo'r diniwed.
Mae prosesu iaith naturiol (NLP) yn cyfeirio at y broses o ganiatáu i gyfrifiaduron ddeall a chyfathrebu â ni mewn iaith ddynol trwy ddysgu peirianyddol, ac mae wedi arwain at ddatblygiadau arloesol mewn technoleg cyfieithu yn ogystal â'r dyfeisiau a reolir â llais yr ydym yn eu defnyddio fwyfwy bob dydd, megis Alexa, Google dot, Siri, a chynorthwyydd Google.
Heb gwestiwn, mae dysgu peirianyddol yn dangos ei fod yn dechnoleg drawsnewidiol.
Nid yw robotiaid sy'n gallu gweithio ochr yn ochr â ni a hybu ein gwreiddioldeb a'n dychymyg ein hunain gyda'u rhesymeg ddi-fai a'u cyflymder goruwchddynol bellach yn ffantasi ffuglen wyddonol - maent yn dod yn realiti mewn llawer o sectorau.
Casys defnyddio Machine Learning
1. Seiberddiogelwch
Wrth i rwydweithiau fynd yn fwy cymhleth, mae arbenigwyr seiberddiogelwch wedi gweithio'n ddiflino i addasu i'r ystod gynyddol o fygythiadau diogelwch.
Mae mynd i’r afael â thactegau drwgwedd a hacio sy’n datblygu’n gyflym yn ddigon heriol, ond mae’r toreth o ddyfeisiau Internet of Things (IoT) wedi trawsnewid yr amgylchedd seiberddiogelwch yn sylfaenol.
Gall ymosodiadau ddigwydd ar unrhyw adeg ac mewn unrhyw le.
Diolch byth, mae algorithmau dysgu peirianyddol wedi galluogi gweithrediadau seiberddiogelwch i gadw i fyny â'r datblygiadau cyflym hyn.
Dadansoddeg ragfynegol galluogi canfod a lliniaru ymosodiadau yn gyflymach, tra gall dysgu peirianyddol ddadansoddi eich gweithgaredd y tu mewn i rwydwaith i ganfod annormaleddau a gwendidau mewn mecanweithiau diogelwch presennol.
2. Awtomeiddio gwasanaeth cwsmeriaid
Mae rheoli nifer cynyddol o gysylltiadau cleientiaid ar-lein wedi rhoi straen ar lawer o drefniadaeth.
Yn syml, nid oes ganddynt ddigon o bersonél gwasanaeth cwsmeriaid i ymdrin â nifer yr ymholiadau y maent yn eu derbyn, a’r dull traddodiadol o roi materion ar gontract allanol i canolfan gyswllt yn annerbyniol i lawer o gleientiaid heddiw.
Gall Chatbots a systemau awtomataidd eraill bellach fynd i'r afael â'r gofynion hyn diolch i ddatblygiadau mewn technegau dysgu peiriannau. Gall cwmnïau ryddhau personél i ymgymryd â mwy o gymorth lefel uchel i gwsmeriaid trwy awtomeiddio gweithgareddau cyffredin a rhai â blaenoriaeth isel.
Pan gaiff ei ddefnyddio'n gywir, gall dysgu peirianyddol mewn busnes helpu i symleiddio'r broses o ddatrys problemau a darparu'r math o gymorth defnyddiol i ddefnyddwyr sy'n eu troi'n hyrwyddwyr brand ymroddedig.
3. Cyfathrebu
Mae osgoi gwallau a chamsyniadau yn hollbwysig mewn unrhyw fath o gyfathrebu, ond yn fwy felly mewn cyfathrebiadau busnes heddiw.
Gall camgymeriadau gramadegol syml, tôn anghywir, neu gyfieithiadau gwallus achosi amrywiaeth o anawsterau o ran cysylltu drwy e-bost, gwerthusiadau cwsmeriaid, fideo gynadledda, neu ddogfennaeth testun ar sawl ffurf.
Mae systemau dysgu peirianyddol wedi datblygu cyfathrebu ymhell y tu hwnt i ddyddiau anhylaw Microsoft Clippy.
Mae'r enghreifftiau hyn o ddysgu peirianyddol wedi helpu unigolion i gyfathrebu'n syml ac yn fanwl gywir trwy ddefnyddio prosesu iaith naturiol, cyfieithu iaith amser real, ac adnabod lleferydd.
Er nad yw llawer o unigolion yn hoffi galluoedd cywiro awtomatig, maent hefyd yn gwerthfawrogi cael eu hamddiffyn rhag camgymeriadau embaras a naws amhriodol.
4. Cydnabod Gwrthrychau
Er bod y dechnoleg i gasglu a dehongli data wedi bodoli ers tro, mae dysgu systemau cyfrifiadurol i ddeall yr hyn y maent yn edrych arno wedi bod yn dasg dwyllodrus o anodd.
Mae galluoedd adnabod gwrthrychau yn cael eu hychwanegu at nifer cynyddol o ddyfeisiau oherwydd cymwysiadau dysgu peiriannau.
Mae automobile hunan-yrru, er enghraifft, yn cydnabod car arall pan fydd yn gweld un, hyd yn oed os na roddodd rhaglenwyr union enghraifft o'r car hwnnw iddo i'w ddefnyddio fel cyfeiriad.
Mae'r dechnoleg hon bellach yn cael ei defnyddio mewn busnesau manwerthu i helpu i gyflymu'r broses ddesg dalu. Mae camerâu yn nodi'r cynhyrchion yng nghartiau defnyddwyr a gallant bilio eu cyfrifon yn awtomatig pan fyddant yn gadael y siop.
5. Marchnata Digidol
Mae llawer o farchnata heddiw yn cael ei wneud ar-lein, gan ddefnyddio ystod o lwyfannau digidol a rhaglenni meddalwedd.
Wrth i fusnesau gasglu gwybodaeth am eu defnyddwyr a'u hymddygiad prynu, gall timau marchnata ddefnyddio'r wybodaeth honno i adeiladu darlun manwl o'u cynulleidfa darged a darganfod pa bobl sy'n fwy tueddol o chwilio am eu cynhyrchion a'u gwasanaethau.
Mae algorithmau dysgu peirianyddol yn cynorthwyo marchnatwyr i wneud synnwyr o'r holl ddata hwnnw, gan ddarganfod patrymau a phriodoleddau arwyddocaol sy'n caniatáu iddynt gategoreiddio posibiliadau'n dynn.
Mae'r un dechnoleg yn caniatáu awtomeiddio marchnata digidol mawr. Gellir sefydlu systemau hysbysebu i ddarganfod darpar ddefnyddwyr newydd yn ddeinamig a darparu cynnwys marchnata perthnasol iddynt ar yr amser a'r lle priodol.
Dyfodol Dysgu Peiriannau
Mae dysgu peirianyddol yn sicr yn dod yn fwy poblogaidd wrth i fwy o fusnesau a sefydliadau enfawr ddefnyddio'r dechnoleg i fynd i'r afael â heriau penodol neu i danio arloesedd.
Mae'r buddsoddiad parhaus hwn yn dangos dealltwriaeth bod dysgu peirianyddol yn cynhyrchu ROI, yn enwedig trwy rai o'r achosion defnydd sefydledig ac atgynhyrchadwy uchod.
Wedi'r cyfan, os yw'r dechnoleg yn ddigon da ar gyfer Netflix, Facebook, Amazon, Google Maps, ac yn y blaen, mae'n debygol y gall helpu'ch cwmni i wneud y gorau o'i ddata hefyd.
Fel newydd dysgu peiriant modelau yn cael eu datblygu a'u lansio, byddwn yn gweld cynnydd yn nifer y ceisiadau a fydd yn cael eu defnyddio ar draws diwydiannau.
Mae hyn eisoes yn digwydd gyda adnabod wyneb, a oedd unwaith yn swyddogaeth newydd ar eich iPhone ond sydd bellach yn cael ei gweithredu mewn ystod eang o raglenni a chymwysiadau, yn enwedig y rhai sy'n ymwneud â diogelwch y cyhoedd.
Yr allwedd i'r rhan fwyaf o sefydliadau sy'n ceisio cychwyn ar ddysgu peirianyddol yw edrych heibio'r gweledigaethau dyfodolaidd disglair a darganfod yr heriau busnes go iawn y gall y dechnoleg eich helpu â nhw.
Casgliad
Yn yr oes ôl-ddiwydiannol, mae gwyddonwyr a gweithwyr proffesiynol wedi bod yn ceisio creu cyfrifiadur sy'n ymddwyn yn debycach i fodau dynol.
Y peiriant meddwl yw cyfraniad mwyaf arwyddocaol AI i ddynoliaeth; mae dyfodiad rhyfeddol y peiriant hunanyredig hwn wedi trawsnewid rheoliadau gweithredu corfforaethol yn gyflym.
Yn ddiweddar, mae cerbydau hunan-yrru, cynorthwywyr awtomataidd, gweithwyr gweithgynhyrchu ymreolaethol, a dinasoedd craff wedi dangos hyfywedd peiriannau smart. Bydd y chwyldro dysgu peiriannau, a dyfodol dysgu peiriannau, gyda ni am amser hir.
Gadael ymateb