ימאַדזשאַן אַ וועלט ווו קאָמפּיוטערס זענען מער פּינטלעך ווי מענטשן אין ינטערפּרעטינג וויזשאַוואַל דאַטן. די פעלדער פון קאָמפּיוטער זעאונג און מאַשין לערנען האָבן געמאכט דעם געדאַנק אַ פאַקט.
קאָמפּיוטער זעאונג און מאַשין לערנען זענען צוויי קריטיש קאַמפּאָונאַנץ פון אַי. זיי זענען מאל צעמישט מיט יעדער אנדערע. זיי קענען אפילו זיין ינטערטשיינדזשאַבלי געניצט.
אָבער, זיי זענען באַזונדער געביטן מיט פאַרשידענע מעטהאָדס. אין דעם פּאָסטן, מיר וועלן דיסקוטירן די קאַנטראַס צווישן קאָמפּיוטער זעאונג און מאַשין וויסן. פאַרבינדן אונדז ווען מיר ויספאָרשן די ינטריגינג אַי סובפיעלדס.
פארוואס טאָן מיר דאַרפֿן צו מאַכן דעם דיסטינגקשאַן?
ביידע קאָמפּיוטער זעאונג און מאַשין לערנען זענען קריטיש טיילן פון קינסטלעך סייכל. אָבער, זיי האָבן פאַרשידענע מעטאַדאַלאַדזשיז און אַבדזשעקטיווז. דורך וויסן די דיפעראַנסיז צווישן זיי, מיר קענען בעסער נוצן די פּאָטענציעל פון אַי.
און מיר קענען קלייַבן די רעכט טעכנאָלאָגיע פֿאַר אונדזער פּראַדזשעקס.
לאמיר איבער זיי ביידע איינס ביי איינס.
פארשטאנד פון קאָמפּיוטער זעאונג
די קאַפּאַציטעט פון קאָמפּיוטערס צו טייַטשן די וויזשאַוואַל וועלט איז באקאנט ווי קאָמפּיוטער זעאונג. עס כולל טריינינג קאָמפּיוטערס צו באַגרייַפן און אַנאַלייז דיגיטאַל בילדער און ווידיאס.
די טעכנאָלאָגיע אַרבעט ווי די אויגן און סייכל אַרבעט אין מענטשן. קאָמפּיוטערס קענען דערקענען אַבדזשעקץ, פנימער און פּאַטערנז. זיי קענען עקסטראַקט דאַטן פון פאָטאָס. און זיי אָפּשאַצן די דאַטן מיט אַלגערידאַמז און מאָדעלס.
עטלעכע ינדאַסטריז, אַרייַנגערעכנט כעלטקער, טראַנספּערטיישאַן, פאַרווייַלונג און זיכערהייט, קענען נוץ פון קאָמפּיוטער זעאונג. פֿאַר בייַשפּיל, קאָמפּיוטער זעאונג איז געניצט צו פירן דרייווערלעסס קאַרס און אַרוישעלפן דאקטוירים אין די דיאַגנאָסיס פון ילנאַסיז.
די פּאַסאַבילאַטיז מיט קאָמפּיוטער זעאונג זענען באַונדלאַס. און, מיר האָבן בלויז אנגעהויבן צו ויספאָרשן זייער פּאָטענציעל.
הויפּט טאַסקס פון קאָמפּיוטער זעאונג
בילד דערקענונג
א קריטיש פֿונקציע פון קאָמפּיוטער זעאונג איז בילד דערקענונג. עס לערנט קאָמפּיוטער סיסטעמען ווי צו דערקענען און קאַטאַגערייז דיגיטאַל בילדער. דאָס ימפּלייז אַז קאָמפּיוטערס זענען ביכולת צו אויטאָמאַטיש דערקענען די קאַמפּאָונאַנץ פון אַ בילד.
זיי קענען ויסטיילן צווישן אַבדזשעקץ, אַנימאַלס און יומאַנז, און שטעלן זיי אַפּראָופּרייטלי.
עטלעכע ינדאַסטריז נוצן בילד דערקענונג. פֿאַר בייַשפּיל, בילד דערקענונג איז געניצט אין זיכערהייט סיסטעמען צו ידענטיפיצירן און שפּור ינטרודערז. אויך, עס איז געניצט אין ראַדיאָגראַפי צו אַרוישעלפן דאקטוירים אין די דיאַגנאָסיס און טריטמאַנץ.
כייפעץ דעטעקטיאָן
עס איז די טעכניק פון לאָוקייטינג און רעקאַגנייזינג זאכן אין אַ שטיל אָדער מאָווינג וויזשאַוואַל מידיאַ. אַפּפּליקאַטיאָנס פֿאַר דעם אַרבעט אַרייַננעמען ראָובאַץ, אָטאַנאַמאַס קאַרס און סערוויילאַנס. פֿאַר בייַשפּיל, די Nest Cam איז אַ היים זיכערהייט סיסטעם וואָס אַלערץ קאַסטאַמערז ווען עס דיטעקץ באַוועגונג אָדער געזונט ניצן כייפעץ דיטעקשאַן.
סעגמענטאציע
דער פּראָצעס פון סעגמענטינג אַ בילד איז ברייקינג עס אין פילע סעגמאַנץ, יעדער מיט זייַן יינציק פּראָפּערטיעס. אַפּפּליקאַטיאָנס פֿאַר דעם אַרבעט אַרייַננעמען דאָקומענט אַנאַליסיס, ווידעא פּראַסעסינג און מעדיציניש ימידזשינג.
פֿאַר בייַשפּיל, די געזונט-באקאנט בילד עדיטינג פּראָגראַם אַדאָובי פאָטאָשאָפּ ימפּלויז סעגמאַנטיישאַן צו יזאָלירן פאַרשידן קאַמפּאָונאַנץ אין אַ בילד און צולייגן פאַרשידן יפעקץ צו יעדער עלעמענט.
פֿאַרשטיין מאַשין לערנען
איין בייַשפּיל פון קינסטלעך סייכל איז מאַשין לערנען. עס איז לערנען קאָמפּיוטערס צו לערנען פון דאַטן און פאָרעם פֿאָרויסזאָגן באזירט אויף די דאַטן. אָן זיין בפירוש קאָדעד, עס ימפּלויז סטאַטיסטיש מאָדעלס צו העלפן קאָמפּיוטערס באַקומען בעסער אין אַ באַזונדער טעטיקייט.
צו לייגן עס אן אנדער וועג, מאַשין לערנען איז דער פּראָצעס פון טריינינג קאָמפּיוטערס צו לערנען אויף זייער אייגן בשעת זיי נעמען דאַטן ווי זייער פירער.
דאַטן, אַלגערידאַמז און באַמערקונגען זענען די דריי הויפּט קאַמפּאָונאַנץ פון מאַשין לערנען. די מאַשין לערנען אַלגערידאַם מוזן ערשטער זיין טריינד אויף אַ דאַטאַסעט צו ידענטיפיצירן פּאַטערנז. צווייטנס, די אַלגערידאַם מאכט פֿאָרויסזאָגן באזירט אויף אַ נייַע דאַטאַסעט ניצן די געלערנט פּאַטערנז.
לעסאָף, נאָך באקומען באַמערקונגען אויף זייַן פֿאָרויסזאָגן, די אַלגערידאַם מאכט אַדזשאַסטמאַנץ. און, עס ימפּרוווז זייַן עפעקטיווקייַט.
הויפּט טייפּס פון מאַשין לערנען
סופּערווייזד לערנען
אין סופּערווייזד לערנען, אַ לייבאַלד דאַטאַסעט טריינז די אַלגערידאַם. אַזוי, ינפּוץ און וואָס ריכטן אַוטפּוץ זענען פּערד. נאָך לערנען צו פּאָר ינפּוץ מיט אַוטפּוץ, די אַלגערידאַם קענען פאָרויסזאָגן אַוטקאַמז ניצן פריש דאַטן.
אַפּפּליקאַטיאָנס ווי בילד דערקענונג, אַודיאָ דערקענונג און נאַטירלעך שפּראַך פּראַסעסינג נוצן סופּערווייזד לערנען. עפּל ס ווירטואַל אַסיסטאַנט סירי, פֿאַר בייַשפּיל, ימפּלויז סופּערווייזד לערנען צו טייַטשן און דורכפירן דיין אָרדערס.
ונסופּערוויסעד לערנען
ונסופּערווייזד לערנען איז אַ סאַבסעט פון מאַשין לערנען. אין דעם פאַל, די אַלגערידאַם איז געלערנט אויף אַ דאַטאַסעט ווו די ינפּוץ און אַוטפּוץ זענען נישט פּערד. צו דזשענערייט פֿאָרויסזאָגן, דער אַלגערידאַם מוזן ערשטער לערנען צו דערקענען פּאַטערנז און קאָראַליישאַנז אין די דאַטן.
אַפּפּליקאַטיאָנס ווי דאַטן קאַמפּרעשאַן, אַנאַמאַלי דיטעקשאַן און קלאַסטערינג נוצן אַנסופּערווייזד לערנען. למשל, אַמאַזאָן רעקאַמענדז סכוירע צו קאָנסומערס באזירט אויף זייער קויפן געשיכטע און בראַוזינג געוווינהייטן ניצן אַנסופּערווייזד לערנען.
ריינפאָרסמאַנט לערנען
עס ינוואַלווז ינטעראַקטינג מיט די סוויווע און באַקומען באַמערקונגען אין די פאָרעם פון ריוואָרדז און פּענאַלטיז. דער אַלגערידאַם גיינז די פיייקייט צו מאַכן דיסיזשאַנז וואָס פאַרגרעסערן ריוואָרדז און פאַרמינערן פּענאַלטיז.
אַפּפּליקאַטיאָנס פֿאַר דעם טיפּ פון מאַשין לערנען אַרייַננעמען ראָובאַץ, זיך-דרייווינג קאַרס און גיימינג. פֿאַר בייַשפּיל, Google DeepMind אַלפאַגאָ ווייכווארג ימפּלויז ריינפאָרסמאַנט לערנען צו שפּילן די שפּיל פון Go.
שייכות צווישן קאָמפּיוטער זעאונג און מאַשין לערנען
ווי קאָמפּיוטער זעאונג טאַסקס קענען נוצן מאַשין לערנען אַלגערידאַמז?
עטלעכע קאָמפּיוטער זעאונג טאַסקס, אַרייַנגערעכנט כייפעץ לעגיטימאַציע און בילד קאַטאַגעריזיישאַן, נוצן מאַשין לערנען. א פּראָסט פאָרעם פון מאַשין לערנען טעכניק איז קאָנוואָלוטיאָנאַל נעוראַל נעטוואָרקס (CNNs).
עס קענען ידענטיפיצירן פּאַטערנז און קעראַקטעריסטיקס אין בילדער.
א שטייגער, גוגל פּיקטורעס ניצט מאַשין לערנען אַלגערידאַמז. עס אויטאָמאַטיש אנערקענט און קלאַסאַפייז פאָוטאַגראַפס באזירט אויף די ייטאַמז און מענטשן פאָרשטעלן.
אַפּפּליקאַטיאָנס פון קאָמפּיוטער זעאונג און מאַשין לערנען אין דער עמעס וועלט
עטלעכע פאַקטיש-וועלט אַפּלאַקיישאַנז פאַרבינדן קאָמפּיוטער זעאונג און מאַשין לערנען. א גרויס בייַשפּיל איז זיך-דרייווינג קאַרס. זיי ידענטיפיצירן און מאָניטאָר זאכן אויף די וועג מיט קאָמפּיוטער זעאונג.
און זיי נוצן מאַשין לערנען אַלגערידאַמז צו מאַכן משפט באזירט אויף די אינפֿאָרמאַציע. Waymo איז אַ זעלבסט-דרייווינג מאַשין פירמע אָונד דורך אַלפאַבעט. פֿאַר אַבדזשעקץ דערקענונג און מאַפּינג, עס קאַמביינז ביידע קאָמפּיוטער זעאונג און מאַשין לערנען.
קאָמפּיוטער זעאונג און מאַשין לערנען זענען אויך געניצט צוזאַמען אין די מעדיציניש אינדוסטריע. זיי העלפֿן פּראָפעססיאָנאַלס צו ונטערזוכן מעדיציניש בילדער און אַרוישעלפן אין די דיאַגנאָסיס. פֿאַר בייַשפּיל, די FDA-באוויליקט דיאַגנאָסטיק געצייַג IDx-DR ניצט מאַשין לערנען צו ונטערזוכן רעטינאַל בילדער און געפֿינען צוקערקרענק רעטינאָפּאַטהי. עס איז אַ צושטאַנד אַז, אויב איגנאָרירט, קענען רעזולטאַט אין בלינדקייט.
דיפעראַנסיז צווישן מאַשין לערנען און קאָמפּיוטער זעאונג
טייפּס פון דאַטאַ עמפּלויעד
די טייפּס פון דאַטן וואָס קאָמפּיוטער זעאונג און מאַשין לערנען נוצן זענען אַנדערש. מאַשין לערנען קענען שעפּן אַ פאַרשיידנקייַט פון דאַטן טייפּס, אַרייַנגערעכנט נומעריקאַל, טעקסט און אַודיאָ דאַטן.
אָבער, קאָמפּיוטער זעאונג קאַנסאַנטרייט בלויז אויף וויזשאַוואַל דאַטן ווי פאָטאָס און ווידיאס.
צילן פון יעדער פעלד
מאַשין לערנען און קאָמפּיוטער זעאונג האָבן פאַרשידן אַבדזשעקטיווז. די הויפּט צילן פון קאָמפּיוטער זעאונג זענען צו אַנאַלייז און באַגרייַפן וויזשאַוואַל אַרייַנשרייַב. די אויך אַרייַננעמען כייפעץ דערקענונג, באַוועגונג טראַקינג און בילד אַנאַליסיס.
אָבער, מאַשין לערנען אַלגערידאַמז קענען זיין געוויינט פֿאַר אַלע מינים פון אַקטיוויטעטן.
קאָמפּיוטער זעאונג ווי אַ סאַבסעט פון מאַשין לערנען
כאָטש עס איז אַ באַזונדער געגנט, קאָמפּיוטער זעאונג איז אויך געזען ווי אַ טייל פון מאַשין לערנען.
עטלעכע פון די מעטהאָדס און רעסורסן געניצט אין מאַשין לערנען - אַזאַ ווי טיף לערנען, נעוראַל נעטוואָרקס, און קלאַסטערינג - זענען אויך געניצט צו שאַפֿן קאָמפּיוטער זעאונג.
יקסייטינג פּאַסאַבילאַטיז פאָרויס
דער פּאָטענציעל פֿאַר זייער ינטערסעקשאַן איז גראָוינג מער פאַסאַנייטינג. מיט די העכערונג פון נייַע טעקנאַלאַדזשיז, מיר קענען דערוואַרטן צו זען ספּעקטאַקיאַלער אַפּלאַקיישאַנז.
איין פעלד ווו די ינטערסעקשאַן איז ספּעציעל טשיקאַווע איז ראָובאַטיקס. קאָמפּיוטער זעאונג און מאַשין לערנען וועט שפּילן אַ וויכטיק ראָלע אין אַלאַוינג ראָובאַץ צו נאַוויגירן קאָמפּליצירט סוויווע.
זיי וועלן ינטעראַקט מיט אַבדזשעקץ און יומאַנז ווען זיי וואַקסן מער פרייַ. מיר קענען דערוואַרטן צו זען ראָובאַץ וואָס זענען מער עפעקטיוו אין פאַרשידן טשאָרז.
אן אנדער ינטריגינג פּאָטענציעל איז ווירטואַל פאַקט. קאָמפּיוטער זעאונג און מאַשין לערנען, מיט זייער פיייקייט צו ידענטיפיצירן און פונאַנדערקלייַבן וויזשאַוואַל אַרייַנשרייַב, קענען לאָזן מענטשן צו אָנטייל נעמען אין ווירטועל סוויווע מער געוויינטלעך און ינטואַטיוו. מיר וועלן זען אַפּלאַקיישאַנז וואָס לאָזן אונדז סמודלי פאַרבינדן די פאַקטיש און ווירטואַל וועלטן. עס וועט ברענגען נייַע פּאַסאַבילאַטיז פֿאַר פאַרווייַלונג, בילדונג און אנדערע צוועקן.
די צוקונפֿט פון קאָמפּיוטער זעאונג און מאַשין לערנען האט אַ פּלאַץ פון צוזאָג. מיר וועלן זען אפילו מער מערקווירדיק ניצט פון די דאָומיינז אין די ווייַטער יאָרן.
לאָזן אַ ענטפֿערן