คืออะไรเครื่องเรียนรู้?

เพื่อเรียนรู้ทักษะเรารวบรวมความรู้ฝึกฝนอย่างระมัดระวังและติดตามประสิทธิภาพของเรา ในที่สุดเราก็ดีขึ้นในกิจกรรมนั้น การเรียนรู้ของเครื่องเป็นเทคนิคที่ช่วยให้คอมพิวเตอร์ทำเช่นนั้น

คอมพิวเตอร์สามารถเรียนรู้ได้หรือไม่

การกำหนดสติปัญญานั้นยาก เราทุกคนรู้ว่าสิ่งที่เราหมายถึงโดยสติปัญญาเมื่อเราพูด แต่อธิบายว่าเป็นปัญหา การทิ้งอารมณ์และการรับรู้ตนเองคำอธิบายการทำงานอาจเป็นความสามารถในการเรียนรู้ทักษะใหม่ ๆ และดูดซับความรู้และนำไปใช้กับสถานการณ์ใหม่เพื่อให้บรรลุผลลัพธ์ที่ต้องการ

ด้วยความยากลำบากในการกำหนดสติปัญญาการกำหนดปัญญาประดิษฐ์จะไม่ง่ายกว่านี้ ดังนั้นเราจะโกงนิดหน่อย หากอุปกรณ์คอมพิวเตอร์สามารถทำสิ่งที่มักจะต้องใช้เหตุผลของมนุษย์และสติปัญญาเราจะบอกว่ามันใช้ปัญญาประดิษฐ์

ตัวอย่างเช่นลำโพงสมาร์ทเช่น amazon echo และ Google Nest สามารถได้ยินคำแนะนำการพูดของเราตีความเสียงเป็นคำสกัดความหมายของคำพูดแล้วลองตอบสนองคำขอของเรา เราอาจจะขอให้มัน เล่นเพลง , ตอบคำถาม , หรือ สลัวไฟ .

ที่เกี่ยวข้อง: มุขตลกเกมและไข่อีสเตอร์ที่ดีที่สุดสำหรับผู้ช่วย Google

ในทุกอย่าง แต่การมีปฏิสัมพันธ์ที่ไม่สำคัญที่สุดคำสั่งพูดของคุณจะถูกส่งไปยังคอมพิวเตอร์ที่ทรงพลังในเมฆของผู้ผลิตซึ่งมีการยกปัญญาประดิษฐ์หนักเกิดขึ้น คำสั่งจะถูกแยกวิเคราะห์ความหมายที่สกัดและการตอบสนองจะถูกเตรียมและส่งกลับไปยังลำโพงสมาร์ท

การเรียนรู้ของเครื่องได้รับผลกระทบส่วนใหญ่ของระบบปัญญาประดิษฐ์ที่เราโต้ตอบกับ บางส่วนของสิ่งเหล่านี้เป็นรายการในบ้านของคุณเหมือนอุปกรณ์สมาร์ทและอื่น ๆ เป็นส่วนหนึ่งของบริการที่เราใช้ออนไลน์ วีดีโอ คำแนะนำ บน YouTube และ Netflix และเพลย์ลิสต์อัตโนมัติในการเรียนรู้เครื่องใช้ Spotify เสิร์ชเอ็นจิ้นพึ่งพาการเรียนรู้ของเครื่องและการช้อปปิ้งออนไลน์ใช้การเรียนรู้ของเครื่องเพื่อเสนอข้อเสนอแนะการซื้อตามประวัติการเข้าชมและซื้อของคุณ

คอมพิวเตอร์สามารถเข้าถึงชุดข้อมูลขนาดใหญ่ พวกเขาสามารถทำซ้ำกระบวนการทำซ้ำหลายพันครั้งในพื้นที่ที่จะใช้มนุษย์ในการทำซ้ำการวนซ้ำ - ถ้ามนุษย์สามารถทำได้แม้กระทั่งสามารถทำได้ครั้งเดียว ดังนั้นหากการเรียนรู้ต้องการความรู้การปฏิบัติและข้อเสนอแนะด้านประสิทธิภาพคอมพิวเตอร์ควรเป็นผู้สมัครที่เหมาะ

ที่ไม่ได้บอกว่าคอมพิวเตอร์จะสามารถทำได้จริงๆ คิด ในความรู้สึกของมนุษย์หรือเข้าใจและรับรู้ตามที่เราทำ แต่มันจะ เรียนรู้ และดีขึ้นด้วยการฝึกฝน ตั้งโปรแกรมอย่างชำนาญระบบการเรียนรู้เครื่องสามารถสร้างความประทับใจให้กับเอนทิตีที่ตระหนักและมีสติ

เราเคยถาม "คอมพิวเตอร์สามารถเรียนรู้ได้ไหม" ในที่สุดก็เปลี่ยนเป็นคำถามที่ใช้งานได้จริงมากขึ้น ความท้าทายทางวิศวกรรมที่เราต้องเอาชนะเพื่อให้คอมพิวเตอร์เรียนรู้ได้อย่างไร

เครือข่ายประสาทและเครือข่ายประสาทลึก

สมองของสัตว์มีเครือข่ายของเซลล์ประสาท เซลล์ประสาทสามารถยิงสัญญาณข้ามไซเคลล์ไปยังเซลล์ประสาทอื่น ๆ การทำซ้ำหลายครั้งที่ทำซ้ำหลายล้านครั้ง - ก่อให้เกิดกระบวนการความคิดและความทรงจำของเรา ออกจากบล็อกที่เรียบง่ายมากมายธรรมชาติสร้างจิตใจที่มีสติและความสามารถในการให้เหตุผลและจำไว้

แรงบันดาลใจจากเครือข่ายประสาทชีวภาพเครือข่ายประสาทเทียมถูกสร้างขึ้นเพื่อเลียนแบบลักษณะบางอย่างของคู่หูอินทรีย์ของพวกเขา ตั้งแต่ปี 1940 ฮาร์ดแวร์และซอฟต์แวร์ได้รับการพัฒนาที่มีหลายพันหรือหลายล้านโหนด โหนดเช่นเซลล์ประสาทรับสัญญาณจากโหนดอื่น ๆ พวกเขายังสามารถสร้างสัญญาณเพื่อป้อนในโหนดอื่น ๆ โหนดสามารถยอมรับอินพุตจากและส่งสัญญาณไปยังโหนดหลายโหนดในครั้งเดียว

หากสัตว์สรุปว่าแมลงบินสีเหลืองและสีดำมักจะให้มันต่อยที่น่ารังเกียจก็จะหลีกเลี่ยงแมลงสีเหลืองและสีดำบินทั้งหมด hoverfly ใช้ประโยชน์จากนี้ มันเป็นสีเหลืองและสีดำเหมือนตัวต่อ แต่ก็ไม่เคยมีใครต่อย สัตว์ที่มีอากาศอีนุงตุงนังขึ้นกับแตนและเรียนรู้บทเรียนที่เจ็บปวดให้ hoverfly ที่นอนกว้างเกินไป พวกเขาเห็นแมลงบินกับโทนสีที่โดดเด่นและตัดสินใจว่ามันถึงเวลาที่จะถอย ความจริงที่ว่าแมลงสามารถเลื่อนและแตนลาดเท isn't แม้กระทั่งนำมาพิจารณา

ที่เกี่ยวข้อง: นี่คือสิ่งที่เกิดขึ้นเมื่อปัญญาประดิษฐ์ของ Google ช่วยให้คุณเขียนบทกวี

ความสำคัญของการบินหึ่งและลายเส้นสีเหลืองและสีดำแทนที่ทุกอย่างอื่น ความสำคัญของสัญญาณเหล่านี้จะเรียกว่า การถ่วง ของข้อมูลที่ เครือข่ายประสาทเทียมสามารถใช้น้ำหนักมากเกินไป โหนดไม่จำเป็นต้องพิจารณาทุกปัจจัยของมันเท่ากับ มันสามารถโปรดปรานสัญญาณบางอย่างมากกว่าคนอื่น ๆ

การเรียนรู้เครื่องสถิติการใช้งานเพื่อหารูปแบบในชุดข้อมูลที่ว่ามันได้รับการฝึกฝนใน ชุดข้อมูลที่อาจมีคำตัวเลขภาพปฏิสัมพันธ์ของผู้ใช้เช่นการคลิกบนเว็บไซต์หรือสิ่งอื่นที่สามารถบันทึกและจัดเก็บแบบดิจิทัล ระบบจะต้องมีลักษณะองค์ประกอบที่สำคัญของการค้นหาและจากนั้นตรงกับรูปแบบว่าจะมีการตรวจพบในชุดข้อมูล

ถ้ามันพยายามที่จะระบุดอกไม้ก็จะต้องทราบความยาวก้านขนาดและรูปแบบของใบสีและจำนวนกลีบและอื่น ๆ ในความเป็นจริงก็จะต้องข้อเท็จจริงอื่น ๆ อีกมากมายกว่าที่ แต่ในตัวอย่างง่ายๆของเราเราจะใช้เหล่านั้น เมื่อระบบรู้รายละเอียดที่เกี่ยวกับชิ้นงานทดสอบก็จะเริ่มกระบวนการตัดสินใจที่ก่อให้เกิดการแข่งขันจากชุดข้อมูลของ ประทับใจระบบเครื่องการเรียนรู้สร้างต้นไม้การตัดสินใจของตัวเอง

ระบบเครื่องการเรียนรู้ที่ได้เรียนรู้จากความผิดพลาดของตนโดยการปรับปรุงขั้นตอนวิธีการที่จะมีข้อบกพร่องที่ถูกต้องในการให้เหตุผลของมัน ส่วนใหญ่เครือข่ายประสาทมีความซับซ้อน เครือข่ายประสาทลึก . แนวคิดเหล่านี้จะทำขึ้นจากเครือข่ายประสาทที่ดีมากชั้นหนึ่งอยู่ด้านบนของอีกคนหนึ่ง นี้จะช่วยให้ระบบมีความสามารถในการตรวจสอบและใช้รูปแบบแม้เล็ก ๆ ในกระบวนการตัดสินใจ

ชั้นมักใช้ในการให้น้ำหนัก จึงเรียกว่าชั้นที่ซ่อนอยู่สามารถทำหน้าที่เป็น“ผู้เชี่ยวชาญ” ชั้น พวกเขาให้สัญญาณถ่วงน้ำหนักเกี่ยวกับลักษณะเดียวของเรื่องการทดสอบ ตัวอย่างเช่นบัตรประจำตัวดอกไม้ของเราบางทีอาจใช้ชั้นซ่อนทุ่มเทให้กับรูปร่างของใบขนาดของตาหรือความยาวเกสร

ประเภทของการเรียนรู้

มีสามเทคนิคในวงกว้างที่ใช้ในการฝึกอบรมระบบเครื่องการเรียนรู้: การเรียนรู้ภายใต้การดูแลการเรียนรู้ใกล้ชิดและการเรียนรู้การเสริมแรง

การเรียนรู้ภายใต้การดูแล

การเรียนรู้ภายใต้การดูแลเป็นรูปแบบที่ใช้บ่อยที่สุดของการเรียนรู้ นั่นคือไม่ได้เพราะมันเป็นเนื้อแท้ดีกว่าเทคนิคอื่น ๆ มันมีมากขึ้นจะทำอย่างไรกับความเหมาะสมของประเภทของการเรียนรู้นี้ไปยังชุดข้อมูลที่ใช้ในระบบเครื่องการเรียนรู้ที่ถูกเขียนในวันนี้

ในการเรียนรู้ภายใต้การดูแลข้อมูลที่มีป้ายและโครงสร้างเพื่อให้เกณฑ์ที่ใช้ในกระบวนการตัดสินใจที่มีการกำหนดไว้สำหรับระบบเครื่องการเรียนรู้ นี่คือประเภทของการเรียนรู้ที่ใช้ในระบบเครื่องการเรียนรู้ที่อยู่เบื้องหลังคำแนะนำเพลย์ลิสใน YouTube

การเรียนรู้ใกล้ชิด

การเรียนรู้ใกล้ชิดไม่จำเป็นต้องมีการเตรียมข้อมูล ข้อมูลจะไม่ได้ระบุว่า ระบบสแกนข้อมูลตรวจพบรูปแบบของตัวเองและมาเรียกเกณฑ์ของตัวเอง

เทคนิคการเรียนรู้ใกล้ชิดได้รับนำไปใช้ในทางโลกไซเบอร์ที่มีอัตราสูงของความสำเร็จ ระบบตรวจจับการบุกรุกเพิ่มขึ้นโดยการเรียนรู้ของเครื่องสามารถตรวจสอบกิจกรรมของเครือข่ายของผู้บุกรุกไม่ได้รับอนุญาตเพราะมันไม่ตรงกับรูปแบบการสังเกตก่อนหน้านี้ของพฤติกรรมของผู้ใช้ที่ได้รับอนุญาต

ที่เกี่ยวข้อง: วิธี AI, เครื่องเรียนรู้และ Endpoint Security ทับซ้อน

การเรียนรู้การเสริมแรง

การเรียนรู้เสริมสร้างเป็นรุ่นใหม่ล่าสุดของสามเทคนิค ใส่เพียงเสริมการเรียนรู้ทดลองใช้ขั้นตอนวิธีการและข้อผิดพลาดและข้อเสนอแนะที่จะมาถึงในรูปแบบที่เหมาะสมของพฤติกรรมเพื่อให้บรรลุวัตถุประสงค์ที่กำหนด

เรื่องนี้ต้องมีการตอบรับจากมนุษย์ที่“คะแนน” ความพยายามของระบบตามที่ว่าพฤติกรรมของมันมีผลกระทบเชิงบวกหรือเชิงลบในการบรรลุวัตถุประสงค์

ด้านการปฏิบัติของ AI

เพราะมันแพร่หลายมากและได้เห็นความสำเร็จในโลกแห่งความเป็นจริงรวมถึงการเรียนรู้เครื่องจักรความสำเร็จในเชิงพาณิชย์ได้รับการเรียกว่า "ด้านการปฏิบัติของปัญญาประดิษฐ์" เป็นธุรกิจขนาดใหญ่และมีกรอบการค้าที่ปรับขนาดได้มากมายที่ให้คุณรวมการเรียนรู้ของเครื่องเข้าสู่พัฒนาการหรือผลิตภัณฑ์ของคุณเอง

หากคุณไม่ต้องการพลังงานไฟประเภทนั้น แต่คุณสนใจที่จะ poking รอบระบบการเรียนรู้เครื่องด้วยภาษาการเขียนโปรแกรมที่เป็นมิตรเช่น Python มีแหล่งข้อมูลฟรีที่ยอดเยี่ยมสำหรับสิ่งนั้นเช่นกัน ในความเป็นจริงสิ่งเหล่านี้จะมาตราส่วนกับคุณหากคุณพัฒนาความสนใจเพิ่มเติมหรือความต้องการทางธุรกิจ

คบเพลิง เป็นกรอบการเรียนรู้แบบโอเพนซอร์สที่รู้จักกันในความเร็ว

เรียนรู้ เป็นคอลเลกชันของเครื่องมือการเรียนรู้เครื่องโดยเฉพาะอย่างยิ่งสำหรับการใช้กับ Python

คาเฟ่ เป็นกรอบการเรียนรู้แบบลึกโดยเฉพาะอย่างยิ่งที่มีความสามารถในการประมวลผลภาพ

เคียส เป็นกรอบการเรียนรู้แบบลึกกับอินเตอร์เฟส Python