Inhaltsverzeechnes[Verstoppen][Show]
Mir kënnen elo d'Ausdehnung vum Raum an d'Minute komplizéiert vun subatomesche Partikelen duerch Computeren berechnen.
Computeren schloen d'Mënsche wann et drëm geet ze zielen an ze berechnen, souwéi logesch Jo / Nee Prozesser ze verfollegen, dank Elektronen, déi mat der Liichtgeschwindegkeet iwwer seng Circuit reesen.
Mir gesinn se awer net dacks als "intelligent" well an der Vergaangenheet Computeren näischt ausféieren konnten ouni vu Mënschen geléiert (programméiert) ze ginn.
Maschinn Léieren, dorënner déif Léieren an Kënschtlech Intelligenz, ass e Buzzword an de wëssenschaftlechen an technologesche Schlagzeilen ginn.
Maschinnléieren schéngt omnipräsent ze sinn, awer vill Leit, déi d'Wuert benotzen, kämpfe fir adäquat ze definéieren wat et ass, wat et mécht a wat et am Beschten benotzt gëtt.
Dësen Artikel probéiert d'Maschinn Léieren ze klären wärend och konkret, real-Welt Beispiller ubitt wéi d'Technologie funktionnéiert fir ze illustréieren firwat et sou gutt ass.
Da wäerte mir déi verschidde Maschinnléiere Methodologien kucken a kucken wéi se benotzt gi fir Geschäftsfuerderungen unzegoen.
Schlussendlech konsultéiere mir eise Kristallkugel fir e puer séier Prognosen iwwer d'Zukunft vum Maschinnléieren.
Wat ass Machine Learning?
Maschinnléieren ass eng Disziplin vun der Informatik déi Computeren et erméiglecht Mustere vun Daten ofzeschléissen ouni explizit geléiert ze ginn wat dës Mustere sinn.
Dës Conclusiounen baséieren dacks op d'Benotzung vun Algorithmen fir automatesch d'statistesch Feature vun den Donnéeën ze bewäerten an mathematesch Modeller z'entwéckelen fir d'Relatioun tëscht verschiddene Wäerter ze weisen.
Géigesaz dëst mam klassesche Rechenzäit, deen op deterministesche Systemer baséiert, an deenen mir dem Computer explizit eng Rei vu Reegelen ginn fir datt hien eng gewëssen Aufgab mécht.
Dëse Wee fir Computeren ze programméieren ass bekannt als Regel-baséiert Programméierung. Maschinnléieren ënnerscheet sech vun an iwwerpréift Regel-baséiert Programméierung an datt et dës Reegele eleng kann ofleeën.
Gitt un datt Dir e Bankmanager sidd dee wëllt bestëmmen ob eng Prêtapplikatioun op hire Prêt versoen.
An enger Regel-baséiert Method géif de Bankmanager (oder aner Spezialisten) de Computer ausdrécklech informéieren, datt wann d'Kreditscore vum Bewerber ënner engem gewëssen Niveau ass, d'Demande sollt refuséiert ginn.
Wéi och ëmmer, e Maschinnléiereprogramm géif einfach virdru Daten iwwer Clientskreditbewäertungen a Prêtresultater analyséieren a bestëmmen wat dës Schwell eleng soll sinn.
D'Maschinn léiert vu fréieren Donnéeën a schafft op dës Manéier seng eege Regelen. Natierlech ass dëst nëmmen e Primer iwwer Maschinnléieren; real-Welt Maschinn Léieren Modeller si wesentlech méi komplizéiert wéi eng Basis Schwell.
Trotzdem ass et eng exzellent Demonstratioun vum Potenzial vu Maschinnléieren.
Wéi funktionnéiert a Maschinn léieren?
Fir d'Saachen einfach ze halen, Maschinnen "léieren" andeems se Mustere a vergläichbaren Donnéeën erkennen. Betruecht Daten als Informatioun déi Dir vun der Äussewelt sammelt. Wat méi Daten eng Maschinn gefiddert gëtt, wat "méi schlau" gëtt.
Wéi och ëmmer, net all Daten sinn déiselwecht. Gitt un datt Dir e Pirat sidd mat engem Liewenszweck fir de begruewe Räichtum op der Insel z'entdecken. Dir wëllt e wesentleche Betrag u Wëssen fir de Präis ze fannen.
Dëst Wëssen, wéi Daten, kann Iech entweder op déi richteg oder falsch Manéier huelen.
Wat méi grouss d'Informatioun/Daten erfaasst ginn, wat manner Ambiguitéit gëtt, a vice versa. Als Resultat ass et kritesch fir d'Zort vun Daten ze berücksichtegen déi Dir Är Maschinn fiddert fir ze léieren.
Wéi och ëmmer, wann eng substantiell Quantitéit un Daten geliwwert gëtt, kann de Computer Prognosen maachen. Maschinnen kënnen d'Zukunft viraussoen soulaang se net vill vun der Vergaangenheet ofwäichen.
Maschinnen "léieren" andeems se historesch Daten analyséieren fir ze bestëmmen wat méiglecherweis geschitt.
Wann déi al Donnéeën déi nei Donnéeën ähnelen, da sinn d'Saachen déi Dir iwwer déi viregt Donnéeën ka soen, wahrscheinlech op déi nei Donnéeën gëllen. Et ass wéi wann Dir zréck kuckt fir no vir ze kucken.
Wat sinn d'Zorte vu Maschinnléieren?
Algorithmen fir Maschinnléiere ginn dacks an dräi breet Aarte klasséiert (obwuel aner Klassifikatiounsschemaen och benotzt ginn):
- Iwwerwaacht Léieren
- Onkontrolléiert Léieren
- Verstäerkung léieren
Iwwerwaacht Léieren
Iwwerwaacht Maschinnléieren bezitt sech op Techniken an deenen de Maschinnléiermodell eng Sammlung vun Daten mat explizit Etiketten fir d'Quantitéit vun Interesse kritt (dës Quantitéit gëtt dacks als Äntwert oder Zil bezeechent).
Fir AI Modeller ze trainéieren, beschäftegt semi-iwwerwaacht Léieren eng Mëschung vu markéierten an net-labeléierten Donnéeën.
Wann Dir mat net-labeléierten Donnéeën schafft, musst Dir e puer Dateetikette maachen.
Etikettéieren ass de Prozess fir Proben ze etikettéieren fir ze hëllefen Formatioun eng Maschinn Léieren Modell. Etikette gëtt haaptsächlech vu Leit gemaach, wat deier an Zäitopwendeg ka sinn. Wéi och ëmmer, et ginn Techniken fir de Labelprozess ze automatiséieren.
D'Situatioun vun der Prêtapplikatioun, déi mir virdru diskutéiert hunn, ass eng exzellent Illustratioun vum iwwerwaachte Léieren. Mir haten historesch Donnéeën iwwer d'Kreditbewäertunge vu fréiere Prêtbewerber (a vläicht Akommesniveauen, Alter, asw.) souwéi spezifesch Etiketten, déi eis gesot hunn, ob déi betreffend Persoun hire Prêt ofginn oder net.
Regressioun a Klassifikatioun sinn zwee Ënnerdeeler vun iwwerwaachte Léiertechniken.
- Klassifikatioun - Et benotzt en Algorithmus fir Daten korrekt ze kategoriséieren. Spamfilter sinn e Beispill. "Spam" kann eng subjektiv Kategorie sinn - d'Linn tëscht Spam an Net-Spam Kommunikatiounen ass blurry - an de Spamfilter Algorithmus verfeinert sech konstant ofhängeg vun Ärem Feedback (dat heescht E-Mail, déi d'Mënschen als Spam markéieren).
- Regressioun - Et ass hëllefräich fir d'Verbindung tëscht ofhängeg an onofhängeg Variabelen ze verstoen. Regressiounsmodeller kënnen numeresch Wäerter viraussoen op Basis vu verschiddenen Datequellen, sou wéi Verkafsrecetten Schätzunge fir eng bestëmmte Firma. Linear Regressioun, logistesch Regressioun a polynomial Regressioun sinn e puer prominent Regressiounstechniken.
Onkontrolléiert Léieren
Am oniwwerwaachte Léieren gi mir onlabeléiert Donnéeën a sichen just no Mustere. Loosst eis maachen wéi wann Dir Amazon sidd. Kënne mir Cluster (Gruppe vun ähnlechen Konsumenten) op Basis vun der Clientkaafgeschicht fannen?
Och wa mir keng explizit, schlussendlech Donnéeën iwwer d'Präferenzen vun enger Persoun hunn, an dësem Fall, einfach ze wëssen datt e spezifesche Set vu Konsumenten vergläichbar Wueren kaaft, erlaabt eis Kaafsuggestiounen ze maachen baséiert op wat aner Leit am Cluster och kaaft hunn.
Dem Amazon säi Karussell "Dir kéint och interesséiert sinn" gëtt vun ähnlechen Technologien ugedriwwen.
Net iwwerwaacht Léieren kann Daten duerch Clustering oder Associatioun gruppéieren, jee no wat Dir wëllt zesumme gruppéieren.
- Clustering - Oniwwerwaacht Léieren probéiert dës Erausfuerderung ze iwwerwannen andeems Dir no Musteren an den Daten sicht. Wann et en ähnleche Stärekoup oder Grupp gëtt, wäert den Algorithmus se op eng gewësse Manéier kategoriséieren. Probéieren Clienten ze kategoriséieren baséiert op fréiere Kafgeschicht ass e Beispill vun dësem.
- Associatioun - Oniwwerwaacht Léieren probéiert dës Erausfuerderung unzegoen andeems Dir probéiert d'Regelen a Bedeitungen ze verstoen déi verschidde Gruppen ënnersträichen. E heefeg Beispill vun engem Associatiounsproblem ass d'Bestëmmung vun engem Link tëscht Client Akeef. Geschäfter kënnen interesséiert sinn ze wëssen wat Wueren zesummen kaaft goufen a kënnen dës Informatioun benotze fir d'Positioun vun dëse Produkter fir einfach Zougang ze arrangéieren.
Verstäerkung Léieren
Verstäerkung Léieren ass eng Technik fir Maschinn Léiermodeller ze léieren fir eng Serie vun zilorientéierten Entscheedungen an engem interaktiven Kader ze treffen. D'Spillbenotzungsfäll hei uewen ernimmt sinn exzellent Illustratiounen dovun.
Dir musst AlphaZero net Dausende vu fréiere Schachspiller aginn, jidderee mat engem "gutt" oder "schlecht" Beweegung mam Label. Léiert et einfach d'Spillregelen an d'Zil, a loosst et dann zoufälleg Akten ausprobéieren.
Positiv Verstäerkung gëtt un Aktivitéiten gegeben, déi de Programm méi no un d'Ziel bréngen (wéi z. Wann Akten de Géigendeel Effekt hunn (wéi zum Beispill de Kinnek ze fréi ze verréckelen), verdéngen se negativ Verstäerkung.
D'Software kann schlussendlech d'Spill mat dëser Method beherrschen.
Verstäerkung léieren gëtt wäit an der Robotik benotzt fir Roboter fir komplizéiert a schwéier ze manipuléieren Aktiounen ze léieren. Et gëtt heiansdo a Verbindung mat Stroosseinfrastrukturen, wéi Verkéierssignaler, benotzt fir de Verkéiersfloss ze verbesseren.
Wat kann mat Maschinn Léieren gemaach ginn?
D'Benotzung vu Maschinnléieren an der Gesellschaft an der Industrie resultéiert zu Fortschrëtter an enger breet Palette vu mënschlechen Bestriewungen.
An eisem Alldag kontrolléiert d'Maschinn Léieren elo Google d'Sich- a Bildalgorithmen, wat eis erlaabt méi präzis mat der Informatioun ze passen déi mir brauchen wa mir se brauchen.
An der Medizin, zum Beispill, gëtt Maschinnléieren op genetesch Daten ugewannt fir Dokteren ze hëllefen ze verstoen an virauszesoen wéi Kriibs sech verbreet, wat et erlaabt méi effektiv Therapien z'entwéckelen.
Date vum Tiefraum ginn hei op der Äerd iwwer massive Radioteleskope gesammelt - a nodeems se mat Maschinnléiere analyséiert goufen, hëlleft se eis d'Geheimnisser vu schwaarze Lächer z'entdecken.
Maschinnléieren am Handel verbënnt Keefer mat Saachen déi se online wëllen kafen, an hëlleft och Buttek Mataarbechter de Service unzepassen, deen se hire Clienten an der Mauer-a-Mörtel Welt ubidden.
Maschinnléiere gëtt an der Schluecht géint Terror an Extremismus benotzt fir d'Behuele vun deenen virzegoen, déi den Onschëllegen wëllen schueden.
Natierlech Sproochveraarbechtung (NLP) bezitt sech op de Prozess fir Computeren z'erméiglechen eis an der mënschlecher Sprooch duerch Maschinnléieren ze verstoen an ze kommunizéieren, an et huet zu Duerchbréch an der Iwwersetzungstechnologie gefouert wéi och déi Stëmmkontrolléiert Geräter déi mir ëmmer méi all Dag benotzen, wéi z. Alexa, Google Dot, Siri a Google Assistant.
Ouni Fro, Maschinn Léieren weist datt et eng Transformatiounstechnologie ass.
Roboter déi fäeg sinn niewent eis ze schaffen an eis eegen Originalitéit an Phantasie mat hirer fehlerloser Logik an iwwermënschlecher Geschwindegkeet ze stäerken sinn net méi eng Science Fiction Fantasie - si ginn a ville Secteuren eng Realitéit.
Machine Learning Benotzungsfäll
1. Cybersécherheet
Wéi d'Netzwierker méi komplizéiert ginn, hunn Cybersecurity Spezialisten onermiddlech geschafft fir sech un déi ëmmer erweiderend Palette vu Sécherheetsbedrohungen unzepassen.
Géigewier séier evoluéierend Malware an Hacking Taktiken ass Erausfuerderung genuch, awer d'Prolifératioun vun Internet of Things (IoT) Apparater huet d'Cybersécherheetsëmfeld grondsätzlech transforméiert.
Attacke kënnen zu all Moment an op all Plaz optrieden.
Glécklecherweis hunn d'Maschinn Léieren Algorithmen Cybersecurity Operatiounen aktivéiert fir mat dëse séieren Entwécklungen ze halen.
Prognosen Analyse aktivéiert méi séier Detektioun a Reduzéierung vun Attacken, wärend Maschinnléiere kann Är Aktivitéit an engem Netzwierk analyséieren fir Abnormalitéiten a Schwächen an existente Sécherheetsmechanismen z'entdecken.
2. Automatisatioun vum Client Service
D'Gestioun vun enger ëmmer méi Unzuel vun Online Client Kontakter huet vill Organisatioun ugespaant.
Si hunn einfach net genuch Clientsdéngschtpersonal fir de Volume vun den Ufroen ze handhaben déi se kréien, an déi traditionell Approche fir Themen ze outsourcing zu engem Kontaktcenter ass just inakzeptabel fir vill vun de Clienten vun haut.
Chatbots an aner automatiséiert Systemer kënnen elo dës Ufuerderunge adresséieren dank Fortschrëtter a Maschinnléiertechniken. Firme kënnen Personal befreien fir méi héije Clientssupport ze maachen andeems se alldeeglech a niddereg Prioritéit Aktivitéiten automatiséieren.
Wann se richteg benotzt ginn, kann Maschinnléieren am Geschäft hëllefe fir d'Thema Resolutioun ze streamlinéieren an de Konsumenten d'Aart vun hëllefräich Ënnerstëtzung ze bidden déi se konvertéiert zu engagéierte Markmeeschter.
3. Kommunikatioun
Feeler a Mëssverständnis ze vermeiden ass kritesch an all Typ vu Kommunikatioun, awer méi an der haiteger Geschäftskommunikatioun.
Einfach grammatesch Feeler, falschen Toun oder falsch Iwwersetzunge kënnen eng Rei Schwieregkeeten am E-Mailkontakt verursaachen, Client Bewäertungen, Videokonferenzen, oder Text-baséiert Dokumentatioun a ville Formen.
Maschinn Léieren Systemer hunn fortgeschratt Kommunikatioun wäit iwwer dem Microsoft säi Clippy seng knaschteg Deeg.
Dës Maschinnléiere Beispiller hunn Individuen gehollef einfach a präzis ze kommunizéieren andeems se natierlech Sproochveraarbechtung, Echtzäitsprooch Iwwersetzung a Riederkennung benotzen.
Wärend vill Individuen d'Autokorrekturfäegkeeten net gär hunn, schätzen se och geschützt vu peinleche Feeler a falschen Toun.
4. Objet Unerkennung
Wärend d'Technologie fir Daten ze sammelen an z'interpretéieren ass eng Zäit laang ronderëm, Computersystemer léieren fir ze verstoen wat se kucken ass eng täuschend schwiereg Aufgab bewisen.
Objekterkennungsfäegkeeten ginn op eng ëmmer méi Unzuel vun Apparater bäigefüügt wéinst Maschinnléierapplikatiounen.
E selbstfueren Auto, zum Beispill, erkennt en aneren Auto wann en en gesäit, och wann d'Programméierer et net e genee Beispill vun deem Auto ginn hunn fir als Referenz ze benotzen.
Dës Technologie gëtt elo an de Geschäftsgeschäfter benotzt fir de Keessprozess ze beschleunegen. D'Kameraen identifizéieren d'Produkter an de Wueren vun de Konsumenten a kënnen hir Konten automatesch fakturéieren wann se de Buttek verloossen.
5. Digital Marketing
Vill vum haitegen Marketing gëtt online gemaach, mat enger Rei vun digitale Plattformen a Software Programmer.
Wéi d'Geschäfter Informatioun iwwer hir Konsumenten an hir Kaafverhalen sammelen, kënnen Marketingteams dës Informatioun benotzen fir en detailléiert Bild vun hirem Zilpublikum ze bauen an ze entdecken wéi eng Leit méi geneigt sinn hir Produkter a Servicer ze sichen.
Maschinn Léieren Algorithmen hëllefe Vermaart fir all dës Donnéeën Sënn ze maachen, bedeitend Musteren an Attributer z'entdecken, déi hinnen erlaben Méiglechkeeten enk ze kategoriséieren.
Déi selwecht Technologie erlaabt grouss digital Marketing Automatisatioun. Ad Systemer kënnen ageriicht ginn fir nei potenziell Konsumenten dynamesch z'entdecken an relevant Marketinginhalt hinnen zu der richteger Zäit a Plaz ze bidden.
Zukunft vum Machine Learning
Maschinnléieren ass sécherlech Popularitéit gewinnt well méi Geschäfter a grouss Organisatiounen d'Technologie benotzen fir spezifesch Erausfuerderungen unzegoen oder Innovatioun ze brennen.
Dës weider Investitioun weist e Verständnis datt Maschinnléiere ROI produzéiert, besonnesch duerch e puer vun den uewe genannten etabléierten a reproduzéierbare Benotzungsfäll.
No allem, wann d'Technologie gutt genuch ass fir Netflix, Facebook, Amazon, Google Maps, asw.
Wéi nei Maschinn léieren Modeller entwéckelt a lancéiert ginn, wäerte mir eng Erhéijung vun der Unzuel vun Uwendungen Zeien déi iwwer d'Industrie benotzt ginn.
Dat geschitt schonn mat Gesiicht Unerkennung, déi eemol eng nei Funktioun op Ärem iPhone war, awer elo an eng breet Palette vu Programmer an Uwendungen ëmgesat gëtt, besonnesch déi, déi mat der ëffentlecher Sécherheet verbonne sinn.
De Schlëssel fir déi meescht Organisatiounen déi probéieren mat Maschinnléieren unzefänken ass laanscht déi helle futuristesch Visiounen ze kucken an déi richteg Geschäftsfuerderungen ze entdecken mat deenen d'Technologie Iech hëllefe kann.
Konklusioun
Am post-industrialiséierten Zäitalter hu Wëssenschaftler a Fachleit probéiert e Computer ze kreéieren dee sech méi wéi Mënschen behält.
D'Denkmaschinn ass de bedeitendste Bäitrag vun AI fir d'Mënschheet; der phenomenal Arrivée vun dëser Self-propelled Maschinn huet séier Corporate Betribssystemer Reglementer transforméiert.
Selbstfahrend Gefierer, automatiséiert Assistenten, autonom Fabrikatioun Mataarbechter, a Smart Stied hunn zënter kuerzem d'Viabilitéit vu Smart Maschinnen bewisen. D'Maschinn Léieren Revolutioun, an d'Zukunft vun Maschinn Léieren, wäert mat eis fir eng laang Zäit sinn.
Hannerlooss eng Äntwert