Table of Contents[Veşartin][Rêdan]
Naha em dikarin bi saya komputeran firehiya fezayê û hûrguliyên hûrgelên jêratomî bihesibînin.
Bi saya elektronên ku bi leza ronahiyê bi çerxa wê ve dimeşin, komputer mirovan dihejmêrin û dihejmêrin.
Lêbelê, em pir caran wan wekî "aqilmend" nabînin ji ber ku, berê, komputer bêyî ku ji hêla mirovan ve bêne hîn kirin (bername) nikaribûn tiştek bikin.
Fêrbûna makîneyê, di nav de fêrbûna kûr û çêkirî, di sernivîsên zanistî û teknolojiyê de bûye dengbêj.
Fêrbûna makîneyê her tiştî xuya dike, lê gelek kesên ku peyvê bikar tînin dê têbikoşin ku bi têra xwe diyar bikin ka ew çi ye, çi dike û ji bo çi çêtirîn tê bikar anîn.
Ev gotar hewl dide ku fêrbûna makîneyê ronî bike û di heman demê de mînakên berbiçav, cîhana rastîn jî peyda dike ka teknolojiyê çawa dixebite da ku diyar bike ka çima ew qas sûdmend e.
Dûv re, em ê li metodolojiyên fêrbûna makîneyê yên cihêreng binêrin û bibînin ka ew çawa têne bikar anîn da ku pirsgirêkên karsaziyê çareser bikin.
Di dawiyê de, em ê ji bo hin pêşbîniyên bilez di derbarê paşeroja fêrbûna makîneyê de bi topa xweya krîstal şêwir bikin.
Fêrbûna Machine i ye?
Fêrbûna makîneyê dîsîplînek zanistiya kompîturê ye ku dihêle komputeran ji daneyan qaliban derxînin bêyî ku bi eşkere were fêr kirin ka ew nimûne çi ne.
Van encaman bi gelemperî li ser bingeha karanîna algorîtmayan têne kirin da ku bixweber taybetmendiyên statîstîkî yên daneyan binirxînin û modelên matematîkî pêşve bibin da ku têkiliya di navbera nirxên cihêreng de destnîşan bikin.
Vê yekê bi hesabkirina klasîk re, ya ku li ser pergalên determînîstîk ve girêdayî ye, berevajî bike, ku tê de em bi eşkere komek qaîdeyên ku ji bo ku ew karek diyarkirî bişopîne, dide komputerê.
Ev awayê bernamesazkirina komputeran wekî bernamesaziya li gorî qaîdeyan tê zanîn. Fêrbûna makîneyê ji bernamesaziya li ser bingeha qaîdeyan cûda dibe û jê derdixe ku ew dikare van qaîdeyan bi serê xwe derxe.
Bifikirin ku hûn rêveberek bankê ne ku dixwazin diyar bikin ka serlêdanek krediyê dê li ser deynê wan têk biçe.
Di rêbazek bingehîn-rêkûpêk de, rêvebirê bankê (an jî pisporên din) bi eşkere komputerê agahdar dike ku heke xala krediyê ya serlêder li jêr astek diyar be, divê serlêdan were red kirin.
Lêbelê, bernameyek fêrbûna makîneyê dê tenê daneyên berê yên li ser rêjeyên krediya xerîdar û encamên deynê analîz bike û diyar bike ka ev bend bi serê xwe çi be.
Makîne ji daneyên berê fêr dibe û bi vî rengî qaîdeyên xwe diafirîne. Bê guman, ev tenê destpêkek li ser fêrbûna makîneyê ye; Modelên fêrbûna makîneya cîhana rastîn ji bendek bingehîn pir tevlihevtir in.
Digel vê yekê, ew xwenîşandanek hêja ya potansiyela fêrbûna makîneyê ye.
Çawa dike a makîne fêrbûn?
Ji bo ku tiştan sade bihêlin, makîn bi tespîtkirina qalibên di daneyên berawirdî de "hîn dibin". Daneyên wekî agahdariya ku hûn ji cîhana derve berhev dikin bihesibînin. Daneyên ku makîneyek bêtir tê xwarin, ew "aqiltir" dibe.
Lêbelê, hemî dane ne yek in. Bihesibînin ku hûn piratek in ku armancek jiyanê ye ku hûn dewlemendiyên veşartî yên li giravê derxînin holê. Hûn ê gelek zanyariyek girîng bixwazin ku xelatê bibînin.
Ev zanîn, mîna daneyê, dikare we bi riya rast an xelet bigire.
Agahiyên/daneyên bidestxistî çi qas mezin bin, nezelalî kêm dibe û berevajî. Wekî encamek, girîng e ku hûn celeb daneya ku hûn makîneya xwe dixwin ku jê fêr bibin bifikirin.
Lêbelê, gava ku mîqdarek girîng a daneyê were peyda kirin, komputer dikare pêşbîniyan bike. Makîne dikarin pêşerojê pêşbîn bikin heya ku ew pir ji paşerojê dûr nekeve.
Makîne bi analîzkirina daneyên dîrokî "hîn dibin" da ku diyar bikin ka çi dibe bila bibe.
Ger daneyên kevin dişibin daneya nû, wê hingê tiştên ku hûn dikarin li ser daneyên berê bibêjin îhtîmal e ku li daneyên nû bicîh bibin. Mîna ku hûn li paş xwe dinêrin da ku pêşiya xwe bibînin.
Cûreyên fêrbûna makîneyê çi ne?
Algorîtmayên ji bo fêrbûna makîneyê bi gelemperî li sê celebên berfireh têne dabeş kirin (her çend nexşeyên din ên dabeşkirinê jî têne bikar anîn):
- Fêrbûna çavdêr
- Fêrbûna bêserûber
- Fêrbûna xurtkirinê
Fêrbûna çavdêr
Fêrbûna makîneyê ya çavdêrîkirî teknîkên ku tê de modela fêrbûna makîneyê berhevokek daneyan bi etîketên eşkere ji bo mîqdara balkêş tê dayîn (ev hejmar bi gelemperî wekî bersiv an armanc tê binav kirin).
Ji bo perwerdekirina modelên AI-ê, fêrbûna nîv-serperiştkirî berhevokek daneyên etîketkirî û nenavkirî bikar tîne.
Ger hûn bi daneya bêlabelkirî re bixebitin, hûn ê hewce bikin ku hin etîketkirina daneyan bigirin.
Etîketkirin pêvajoyek etîketkirina nimûneyan e ji bo arîkariyê perwerdekirina fêrbûna makîneyê cins. Etîketkirin di serî de ji hêla mirovan ve tê kirin, ku dibe ku lêçûn û dem dixwe. Lêbelê, teknîk hene ku ji bo pêvajoya nîşankirinê otomatîk bikin.
Rewşa serîlêdana krediyê ku me berê nîqaş kir, nîgarek hêja ya fêrbûna çavdêriyê ye. Di derbarê nirxa krediyê ya serlêderên berê yên deyn (û dibe ku asta dahatê, temen, û hwd.) û her weha etîketên taybetî yên ku ji me re digotin gelo kesê navborî deynê xwe negirt an na, daneyên me yên dîrokî hebûn.
Regression û dabeşkirin du beşên teknîkên fêrbûna çavdêriyê ne.
- Bisinifkirinî - Ew algorîtmayek bikar tîne da ku daneyan rast kategorîze bike. Parzûnên spam mînakek e. "Spam" dikare bibe kategoriyek subjektîf - rêza di navbera ragihandina spam û ne-spam de nezelal e - û algorîtmaya parzûna spam bi berdewamî li gorî nerînên we xwe paqij dike (tê wateya e-nameya ku mirov wekî spam nîşan dide).
- regresyonê - Di têgihîştina pêwendiya di navbera guhêrbarên girêdayî û serbixwe de alîkar e. Modelên regresyonê dikarin li ser bingeha gelek çavkaniyên daneyê, wekî texmînên dahata firotanê ji bo pargîdaniyek diyar, nirxên hejmarî pêşbîn bikin. Regresyona xêz, paşvekêşana lojîstîk, û paşvekêşana pirnomîal hin teknîkên regresyonê yên berbiçav in.
Fêrbûna bêserûber
Di fêrbûna bêserûber de, ji me re daneyên bê etîket têne dayîn û tenê li qaliban digerin. Werin em wisa bikin ku hûn Amazon in. Ma em dikarin li ser bingeha dîroka kirîna xerîdar koman (komên xerîdarên wekhev) bibînin?
Tewra ku em di derheqê bijardeyên kesek de ne xwediyê daneyên eşkere û berbiçav in jî, di vê nimûneyê de, bi tenê zanin ku komek taybetî ya xerîdar tiştên berawirdî dikirin, dihêle ku em li gorî tiştên ku kesên din ên di komê de jî kirî, pêşniyarên kirînê bikin.
Carousela Amazon ya "dibe ku hûn jî jê re eleqedar bibin" ji hêla teknolojiyên wekhev ve tê hêz kirin.
Fêrbûna bêserûber dikare daneyan bi kombûn an komeleyê ve bicivîne, li gorî tiştê ku hûn dixwazin bi hev re kom bikin.
- Clustering - Fêrbûna bêserûber hewl dide ku bi lêgerîna nimûneyên di daneyan de vê dijwariyê derbas bike. Ger komek an komek wekhev hebe, algorithm dê wan bi rengek diyarkirî kategorîze bike. Hewldana kategorîzekirina xerîdaran li ser bingeha dîroka kirîna berê mînakek vê yekê ye.
- Komel - Fêrbûna bêserûber hewl dide ku bi vê pirsgirêkê re mijûl bibe bi hewldana têgihîştina qaîdeyên û wateyên di binê komên cihêreng de. Nimûneyek pir caran ya pirsgirêkek komeleyê destnîşankirina pêwendiyek di navbera kirîna xerîdar de ye. Firoşgeh dikarin eleqedar bibin ku zanibin ka çi tiştên bi hev re hatine kirîn û dikarin vê agahiyê bikar bînin da ku pozîsyona van hilberan ji bo gihîştina hêsan saz bikin.
Fêrbûna Hêzkirinê
Fêrbûna xurtkirinê teknîkek e ji bo hînkirina modelên fêrbûna makîneyê ku di mîhengek înteraktîf de rêzek biryarên armanc-armanc bistînin. Bûyerên karanîna lîstikê yên ku li jor hatine destnîşan kirin nîgarên vê yekê hêja ne.
Ne hewce ye ku hûn AlphaZero bi hezaran lîstikên şetrencê yên berê binivîsin, her yek bi tevgerek "baş" an "xizan" hatî nîşankirin. Tenê qaîdeyên lîstikê û armancê fêrî wê bikin, û dûv re bihêlin ku ew kiryarên rasthatî biceribîne.
Hêzkirina erênî ji çalakiyên ku bernameyê nêzî armancê dikin (mîna pêşxistina pozîsyonek pawan a zexm) tê dayîn. Gava ku kiryar bandorek berevajî dikin (wek guheztina padîşah ji zû de), ew hêzek neyînî werdigirin.
Nermalava di dawiyê de dikare bi karanîna vê rêbazê lîstikê master bike.
Fêrbûna xurtkirinê bi berfirehî di robotîkê de tê bikar anîn da ku robotan ji bo kiryarên tevlihev û dijwar-nehêner hîn bike. Carinan ew bi binesaziya rê, wekî îşaretên trafîkê, ji bo baştirkirina herikîna trafîkê tê bikar anîn.
Bi fêrbûna makîneyê re çi dikare were kirin?
Bikaranîna fêrbûna makîneyê di civak û pîşesaziyê de di gelek hewildanên mirovî de di encamê de pêşkeftinan pêk tîne.
Di jiyana me ya rojane de, fêrbûna makîneyê naha algorîtmayên lêgerîn û wêneya Google-ê kontrol dike, û dihêle ku em bi agahdariya ku hewcedariya me pê hebe bi awayekî rasttir were berhev kirin.
Mînakî, di bijîjkî de, fêrbûna makîneyê li daneyên genetîkî tê sepandin da ku ji bijîjkan re bibe alîkar ku fam bikin û pêşbîn bikin ka kansera çawa belav dibe, ku rê dide pêşkeftina dermanên bi bandortir.
Daneyên ji fezaya kûr li vira li ser rûyê erdê bi riya teleskopên radyoyî yên mezin têne berhev kirin - û piştî ku bi fêrbûna makîneyê têne analîz kirin, ew ji me re dibe alîkar ku sirên çalên reş vebikin.
Fêrbûna makîneyê di firotgehan de kiryaran bi tiştên ku ew dixwazin bi serhêl bikirin ve girêdide, û di heman demê de ji xebatkarên dikanê re dibe alîkar ku karûbarê ku ew ji xerîdarên xwe re li cîhana kerpîç-û-obusan pêşkêşî dikin, bikin.
Fêrbûna makîneyê di şerê li dijî teror û tundrewiyê de tê bikar anîn da ku pêşbîniya tevgerên kesên ku dixwazin zirarê bidin kesên bêguneh.
Pêvajoya zimanê xwezayî (NLP) tê wateya pêvajoya ku destûrê dide komputeran ku bi zimanê mirovî bi fêrbûna makîneyê bi me fêm bikin û bi me re têkilî daynin, û ew di teknolojiya wergerê de û her weha cîhazên bi deng-kontrolkirî yên ku em her roj zêde bi kar tînin de, encam dide. Alexa, Google dot, Siri, û alîkarê Google.
Bê pirsek, fêrbûna makîneyê destnîşan dike ku ew teknolojiyek veguherîn e.
Robotên ku dikarin li kêleka me bixebitin û bi mantiqa xwe ya bêqusûr û leza xwe ya sermirovî re orîjînal û xeyala xwe zêde bikin, êdî ne xeyalek xeyalek zanistî ne - ew di gelek sektoran de dibin rastiyek.
Dozên karanîna Fêrbûna Makîneyê
1. Siyaseta sîber
Her ku şebek tevlihevtir bûne, pisporên ewlehiya sîber bêwestan xebitîne da ku xwe bigihîne rêza her ku diçe berfirehtir a xetereyên ewlehiyê.
Berevajîkirina malware û taktîkên hackkirinê yên ku bi lez pêşve diçin têra xwe dijwar e, lê belavbûna cîhazên Înternetê yên Tiştan (IoT) bi bingehîn hawîrdora ewlehiya sîber veguherandiye.
Êrîş li her kêliyê û li her cihî dikarin pêk werin.
Ji kerema xwe, algorîtmayên fêrbûna makîneyê hişt ku operasyonên ewlehiya sîber bi van pêşkeftinên bilez re bimeşin.
Analytên pêşbînkar tespîtkirin û kêmkirina êrîşan zûtir çalak bike, dema ku fêrbûna makîneyê dikare çalakiya we di hundurê torgilokê de analîz bike da ku anormalî û qelsiyên di mekanîzmayên ewlehiyê yên heyî de tespît bike.
2. Otomasyona karûbarê xerîdar
Birêvebirina hejmareke zêde ya têkiliyên xerîdar ên serhêl gelek rêxistin teng kiriye.
Ew bi tenê ne xwediyê personelên karûbarê xerîdar in ku bi hêjmara lêpirsînên ku ew distînin bi rê ve bibin, û nêzîkatiya kevneşopî ya derxistina kêşeyên derveyî navenda têkiliyê tenê ji bo gelek xerîdarên îro nayê qebûl kirin.
Chatbot û pergalên din ên otomatîk naha dikarin van daxwazan bi saya pêşkeftinên di teknîkên fêrbûna makîneyê de çareser bikin. Pargîdan dikarin karmendan azad bikin da ku ji hêla otomatîkkirina çalakiyên dinyayî û kêm-pêşeng ve bêtir piştgirîya xerîdar a asta bilind bigirin.
Dema ku rast tê bikar anîn, fêrbûna makîneyê di karsaziyê de dikare bibe alîkar ku çareseriya pirsgirêkê safî bike û ji xerîdaran re celebek piştgirîya arîkar peyda bike ku wan vediguherîne şampiyonên marqeya dilsoz.
3. Agahhesînî
Dûrketina ji xeletî û têgînên xelet di her cûre pêwendiyê de krîtîk e, lê ji ber vê yekê di danûstendinên karsaziya îroyîn de.
Çewtiyên rêzimanî yên hêsan, awazek nerast, an wergerên xelet dikarin di têkiliya e-nameyê de, nirxandinên xerîdar de bibin sedema gelek dijwariyan, konfêranskirina vîdyoyê, an jî bi gelek awayan belgeyên-bingeha nivîsê.
Pergalên fêrbûna makîneyê pêwendiya pêşkeftî ji rojên serûber ên Clippy yên Microsoft-ê wêdetir pêşve xistine.
Van mînakên fêrbûna makîneyê ji kesan re bûne alîkar ku bi karanîna pêvajoyek zimanê xwezayî, wergera zimanî ya rast-dem, û naskirina axaftinê bi hêsanî û rast biaxivin.
Digel ku gelek kes ji kapasîteyên rastkirina otomatîkî hez nakin, ew di heman demê de qîmetê didin ku ji xeletiyên şermok û awazek nerast jî werin parastin.
4. Recognition Object
Digel ku teknolojiya berhevkirin û şîrovekirina daneyan ji bo demek dirêj e, hînkirina pergalên komputerê ku fêm bikin ka ew li çi dinêrin, îsbat kir ku karek xapandinek dijwar e.
Ji ber serîlêdanên fêrbûna makîneyê, kapasîteyên naskirina tiştan li hejmarek zêde amûran têne zêdekirin.
Mînakî, otomobîlek xwe-ajokar, dema ku yek dibîne, otomobîlek din nas dike, her çend bernamenûsan mînakek tam a wê otomobîlê nedane ku wekî referans bikar bîne.
Ev teknolojî naha di karsaziyên firotanê de tê bikar anîn da ku alîkariya bilezkirina pêvajoya kirînê bike. Kamera hilberên di selikên xerîdar de nas dikin û dema ku ew ji firotgehê derdikevin dikarin bixweber hesabên xwe bidin.
5. Kirrûbirra dîjîtal
Piraniya kirrûbirra îroyîn bi serhêl, bi karanîna cûrbecûr platformên dîjîtal û bernameyên nermalavê têne kirin.
Gava ku karsaz agahdarî li ser xerîdarên xwe û tevgerên kirîna wan berhev dikin, tîmên kirrûbirrê dikarin wê agahiyê bikar bînin da ku wêneyek hûrgulî ya temaşevanên xwe yên armanc ava bikin û kifş bikin ka kîjan kes bêtir meyla wan e ku li hilber û karûbarên xwe bigerin.
Algorîtmayên fêrbûna makîneyê ji bazarvanan re dibe alîkar ku hemî wan daneyan fêm bikin, qalib û taybetmendiyên girîng kifş bikin ku rê didin wan ku bi tundî îmkanan kategorîze bikin.
Heman teknolojî destûrê dide otomasyona kirrûbirra dîjîtal a mezin. Pergalên reklamê dikarin bêne saz kirin da ku xerîdarên nû yên paşerojê bi dînamîk kifş bikin û naveroka kirrûbirra têkildar di dem û cîhê guncaw de ji wan re peyda bikin.
Pêşeroja Fêrbûna Makîneyê
Fêrbûna makîneyê bê guman populerbûna xwe bi dest dixe ji ber ku bêtir karsazî û rêxistinên mezin teknolojiyê bikar tînin da ku bi pirsgirêkên taybetî re mijûl bibin an nûjeniyê bişewitînin.
Vê veberhênana domdar têgihîştinek destnîşan dike ku fêrbûna makîneyê ROI-yê hilber dike, nemaze bi navgîniya hin dozên karanîna jor-navkirî yên sazkirî û dubare.
Beriya her tiştî, heke teknolojî ji bo Netflix, Facebook, Amazon, Google Maps, û hwd têra xwe baş be, şans hene ku ew dikare alîkariya pargîdaniya we bike ku herî zêde daneyên xwe jî bikar bîne.
Wek nû fêrbûna makîneyê model têne pêşve xistin û destpêkirin, em ê bibin şahidê zêdebûna hejmara sepanên ku dê li seranserê pîşesaziyê werin bikar anîn.
Jixwe ev yek diqewime naskirina rû, ku berê fonksiyonek nû li ser iPhone-ya we bû, lê naha di nav bername û serlêdanên berfireh de, nemaze yên ku bi ewlehiya giştî ve girêdayî ne, têne bicîh kirin.
Ya sereke ji bo piraniya rêxistinên ku hewl didin dest bi fêrbûna makîneyê bikin ev e ku meriv berê xwe bide vîzyonên pêşeroj ên geş û keşfkirina dijwariyên karsaziya rastîn ên ku teknolojî dikare ji we re bibe alîkar.
Xelasî
Di serdema post-pîşesaziyê de, zanyar û pispor hewl didin ku komputerek ku bêtir mîna mirovan tevdigere biafirînin.
Makîneya ramanê tevkariya herî girîng a AI-yê ji mirovahiyê re ye; hatina fenomenal a vê makîneya xweser bi lez rêzikên xebata pargîdanî veguhezandiye.
Wesayîtên xwe-ajotinê, arîkarên otomatîkî, xebatkarên hilberîna xweser, û bajarên jîr di van demên dawî de jîndariya makîneyên biaqil nîşan dane. Şoreşa fêrbûna makîneyê, û pêşeroja fêrbûna makîneyê, dê demek dirêj bi me re be.
Leave a Reply