Paul Downey | Flickr
Koneoppiminen on lause, jota yhtenäistetään yhä useammin, mutta monet eivät vieläkään tiedä tarkalleen mitä se on . Tietysti siellä on syy. Se on vielä hyvin varhaisessa vaiheessa, ja monet olettavat, että se ei ole asia, joka vaikuttaa väestöön vielä. Itse asiassa se ei ehkä ole niin totta kuin jotkut olettavat.
Joten mikä on koneoppiminen? Ja mitä sitä käytetään nykyään? Tässä on oppaamme kaikesta, mitä sinun on tiedettävä koneoppimisesta.
Mikä on koneoppiminen?
Koneoppiminen on yksinkertaisesti sanottuna keinotekoisen älyn muoto, jonka avulla tietokoneet voivat oppia ilman ylimääräisiä ohjelmointeja. Toisin sanoen ohjelmisto pystyy oppimaan uusia asioita yksin, ilman että ohjelmoija tai insinööri tarvitsee "opettaa" sille mitään. Koneoppiminen pystyy ottamaan tietoja ja havaitsemaan kuvioita ja löytämään ratkaisuja, soveltaen niitä sitten muihin ongelmiin.
Kuva: K? Rlis Dambr? Ns | Flickr
On tärkeätä huomata, että koneoppiminen käsitteenä ei ole lainkaan uusi - on vaikea jäljittää konseptin tarkkaa alkuperää ottaen huomioon, että se sulautuu muihin tekniikoihin ja muista tekniikoista. Voisit väittää, että koneoppiminen juontaa juurensa Turing-testin luomiseen, jota käytettiin määrittämään, onko tietokoneella älykkyyttä. Ensimmäinen tietokoneohjelma, joka oppi, oli kuitenkin tammipeli, jonka Arthur Samuel kehitti vuonna 1952. Tämä peli parani, sitä enemmän sitä pelattiin.
Viimeaikainen tekniikka parantaa kuitenkin huomattavasti koneoppimista. Esimerkiksi koneoppiminen vaatii halausmääriä prosessointitehoa, niin paljon, että olemme vasta alkaneet kehittää peruskoneoppimista lähihistoriassa.
On olemassa muutamia päätapoja, joilla ohjelmoijat toteuttavat koneoppimisen. Ensimmäistä kutsutaan 'ohjattuksi oppimiseksi'. Se tarkoittaa pohjimmiltaan sitä, että koneelle syötetään ongelmia, joissa ratkaisu ongelmaan tunnetaan. Oppimisalgoritmi pystyy vastaanottamaan nämä ongelmat haluttujen tulosten ohella, tunnistamaan ongelmien kuviot ja toimimaan vastaavasti. Ohjattua oppimista käytetään usein ennustamaan tulevia tapahtumia - esimerkiksi silloin, kun luottokorttitapahtuma voi olla petollinen.
Koneoppimisen toista toteutusta kutsutaan 'ilman ohjausta'. Tässä tapauksessa ongelman lopputulosta ei anneta ohjelmalle - sen sijaan se syöttää ongelmia ja sen on havaittava tietomallit. Tavoitteena on löytää rakenne annettavista tiedoista.
Kolmanneksi ylöspäin on ”puolivalvottu oppiminen”. Tätä koneoppimismenetelmää käytetään usein samoihin asioihin kuin ohjattua oppimista, mutta se vie dataa ratkaisulla ja dataa ilman. Puolivalvottu oppiminen toteutetaan usein, kun varat ovat rajalliset ja yritykset eivät pysty tarjoamaan täydellisiä tietoja oppimisprosessista.
Viimeisenä, mutta ei vähäisimpänä, on ”vahvistusoppiminen”, jota käytetään erityisesti peleihin ja robotteihin. Vahvistamisoppimista opetetaan periaatteessa kokeilun ja virheen kautta - kone yrittää asioita ja oppii onnistumistensa tai epäonnistumistensa perusteella. Tavoitteena on, että kone selvittää parhaat mahdolliset tulokset.
Tietenkin kaikki nämä koneoppimismenetelmät sisältävät koneen syöttämisen satojen tuhansien ongelmien kanssa ja valtavan määrän dataa. Oikeasti, mitä enemmän tietoja, sitä parempi.
Missä koneoppimista käytetään nykyään?
Kuvia rahasta Flickr
Itse asiassa on paljon paikkoja, joissa koneoppimista käytetään nykyään. Monet näistä ovat kulissien takana, mutta saatat yllättyä tietäessäsi, että monet heistä ovat myös jotain, jota käytät joka päivä.
Ehkä se, jota käytät eniten, on henkilökohtaisessa avustajassasi - totta, Siri ja Google Now tykkäävät koneoppimisesta, pääosin puhemallien ymmärtämiseksi paremmin. Niin monien miljoonien ihmisten kanssa, jotka käyttävät Siriä, järjestelmä pystyy etenemään vakavasti kielten, aksenttien ja niin edelleen käsittelyssä.
Siri ei tietenkään ole ainoa koneoppimissovellus. Toinen käyttö on pankkitoiminnassa, kuten petosten havaitseminen. Esimerkiksi koneoppimisalgoritmit voivat seurata kulutusmalleja määrittämällä, mitkä mallit ovat todennäköisemmin vilpillisiä aikaisemman vilpillisen toiminnan perusteella.
Itse asiassa jopa sähköpostisi saattaa käyttää koneoppimista. Esimerkiksi roskapostit ovat ongelma, ja ne ovat kehittyneet ajan myötä. Sähköpostijärjestelmät käyttävät koneoppimista seurataksesi roskapostin malleja ja sitä, kuinka roskapostit muuttuvat, ja laita ne sitten roskapostikansioon näiden muutosten perusteella.
johtopäätökset
Koneoppimisella on tarkoitus olla iso osa tekniikan käytöstä eteenpäin ja miten tekniikka voi auttaa meitä. Koneoppimisesta tulee Siristä Yhdysvaltain pankkiin yhä enemmän ja se todennäköisesti jatkuu.
