Maschinelles Lernen: Was ist das und in welcher Beziehung steht es zum ai?

Heute möchten wir Ihnen einen der Begriffe näher erläutern, der einige Interaktionen, wie wir sie kennen, revolutioniert hat und revolutionieren wird. Wir sprechen über künstliche Intelligenz und ihren spezifischsten Zweig, maschinelles Lernen oder automatisches Lernen.

Wie Sie vielleicht wissen, befindet sich das Computing immer in ständiger Entwicklung, und was wir kaufen können, ist normalerweise nicht so modern wie möglich.

Während wir beispielsweise die 4. Generation von PCI-Express entwickeln , entwickeln Forscher bereits PCIe Gen 5 und untersuchen den Sprung zur 6. Generation . Aus dem gleichen Grund ist es nicht ungewöhnlich, Technologien zu finden, von denen wir nicht wussten, dass sie Aufgaben ausführen, von denen wir noch nie gehört hatten.

Aber bevor wir weiter gehen, wollen wir das Thema eingrenzen, über das wir sprechen werden, denn was ist maschinelles Lernen ?

Inhaltsverzeichnis

Was ist maschinelles Lernen ?

Maschinelles Lernen ist ein spezifischer Zweig der Informatik und der künstlichen Intelligenz, in dem Systeme zum automatischen Lernen geschaffen werden .

Dieser Zweig begann sein Studium und seine Entwicklung um die 80er Jahre und ist heute ziemlich entwickelt. Aus dem gleichen Grund werden sowohl künstliche Intelligenz als auch maschinelles Lernen in vielen wissenschaftlichen und alltäglichen Bereichen eingesetzt.

In diesem Zweig bestehen AIs aus einem oder mehreren Algorithmen, die große Datenmengen verarbeiten und entsprechend lernen können. Die beiden Schlüsselideen, um die sich dieses Thema dreht, sind:

• Das System muss in der Lage sein, Daten zu analysieren und Fähigkeiten aufzubauen, die es bei seiner Geburt nicht hatte. Die Intelligenz muss in der Lage sein, die Arbeit autonom zu erledigen, dh ohne menschliche Aufsicht.

In der realen Welt gibt es praktische Beispiele wie die Klassifizierung von Spam in E-Mails, verwandte Empfehlungen bei Amazon oder Prognosen für die Zukunft anhand von Unternehmensdaten. Letzteres ist ein interessanter Bereich, auf den immer mehr Unternehmen setzen.

Mithilfe des maschinellen Lernens können wir sehen, welche Muster unzufriedene Kunden oder Ex-Kunden identifizieren, um zu versuchen, die Beziehung zu anderen Benutzern im selben Zustand zu verbessern. Das Dienstalter, die Anzahl der Beschwerden, Vertragspläne und andere werden untersucht, um bestimmte Profile zu erstellen. Sobald die Schlussfolgerungen der KI gezogen sind, kann eine Gruppe von Marketingexperten eine spezifische Kampagne erstellen, um diese Probleme zu bekämpfen.

Auf diese Weise kann das Unternehmen Pläne erstellen, um Kunden basierend auf bestimmten Annahmen zu gewinnen oder zu halten, und wechselt von einer reaktiven zu einer proaktiven Strategie. Es ist eine sehr interessante Taktik, die künstliche Intelligenz , große Datenmengen und maschinelles Lernen nutzt.

Wie wird künstliche Intelligenz trainiert?

Damit eine künstliche Intelligenz vorbereitet werden kann, muss sie verschiedene Phasen durchlaufen:

1. Es geht zuerst durch eine kontrollierte Umgebung. Hier geben Sie eine große Datenmenge und deren jeweilige Ergebnisse ein, mit denen Sie Beziehungen zwischen Ideen herstellen können. Dieser Teil heißt Supervised Learning . Dann werden Sie in eine freie und unbeantwortete Umgebung versetzt, in der die KI selbst ein Ergebnis auswählen muss. Wenn Sie wissen, ob Ihre Antworten korrekt sind oder nicht, erstellen Sie neue Regeln in Ihrem Algorithmus. Diese Phase wird als unbeaufsichtigtes Lernen bezeichnet . Schließlich wird für ihn eine Umgebung vorbereitet, in der er ins Stocken gerät. Wenn Sie beispielsweise Schwierigkeiten haben, zwischen Bildern bei schlechten Lichtverhältnissen zu unterscheiden, werden Sie möglicherweise mit Nachtfotos trainiert. Diese Phase wird als Reinforcement Learning bezeichnet. Der Vorgang kann ab Schritt 2 so oft ausgeführt werden, wie Sie die Intelligenz optimieren möchten.

Verallgemeinertes Schema zum maschinellen Lernen

Ein praktisches Beispiel wäre, einer KI zehn Millionen Fotos zu zeigen und ihnen zu sagen, welche Hunde sind und welche nicht. Hier wird er erzählen, dass Hunde normalerweise Fell haben, normalerweise auf vier Beinen gehen und es je nach Rasse unterschiedliche Formen und Größen gibt.

Danach erhält er eine Million Fotos zur Klassifizierung. Hier müssen Sie antworten, ob sich auf dem Foto ein Hund befindet oder nicht und je nachdem, ob Sie neue "Ideen" in Ihrer Datenbank erstellen oder nicht. Um diese neuen Daten zu implementieren, wird Intelligence neue Regeln in seinem Algorithmus festlegen und nun beispielsweise Hunde von Katzen unterscheiden können.

Schließlich wird seine Effizienz untersucht und neue Fotos werden vorbereitet , um seine Schwachstellen zu trainieren.

Natürlich ist dies ein einfaches und sehr wiederholtes System für die Demonstration, aber es gibt andere experimentellere und eigenartigere Methoden.

Tay, der Twitter-Bot

Ein aktueller Fall von experimentellem Training war Tay , eine von Microsoft entwickelte KI , die lernen soll, sich als Mensch auszudrücken.

Tay's Twitter Profil

Der Bot war darauf programmiert, zunächst als 19-jähriges Mädchen zu sprechen, und am 23. März 2016 wurde sie an den dunklen Orten von Twitter freigelassen .

Sie wurden so programmiert, dass Sie mit der Community sprechen und aus den erhaltenen Nachrichten sowie aus Ihren Interaktionen mit Benutzern lernen. Ihr Lernen war fast völlig autonom, obwohl sie nach 16 Stunden zurückgezogen werden musste, um negative Verhaltensweisen zu zeigen.

In der kurzen Zeit seines Lebens twitterte er mehr als 96.000 Tweets. Das absichtliche beleidigende Verhalten dieses sozialen Netzwerks machte es Tay jedoch schneller als bald , mit rassistischen und anderen Sätzen zu antworten.

In diesem Fall hätten das überwachte Lernen und die Reihe der Grundregeln ordnungsgemäß überarbeitet werden müssen. Tay kannte den sorglosen und beleidigenden Ton des sozialen Netzwerks und war nicht bereit, das Reale vom Sarkastischen zu unterscheiden. Aus dem gleichen Grund gelang es einigen Benutzern, die "intellektuelle Barriere" der Intelligenz leicht zu "durchbrechen" .

Anwendungen für maschinelles Lernen in der realen Welt

Wir haben Ihnen bereits über einige tägliche Anwendungen berichtet, von denen Sie vielleicht bereits über maschinelles Lernen Bescheid wussten, aber welche anderen Fälle existieren.

Im Folgenden sehen Sie eine Reihe praktischer Anwendungen dieser Technologie bei den häufigsten Problemen. Natürlich handelt es sich um innovative Lösungen, weshalb sie in der Regel auch erheblich mehr Geld benötigen.

Gesundheit

Eine Technologie für eine neue Art von Kleidung, die Informationen über unseren Körper lesen kann, wird derzeit untersucht. Es kann in der Lage sein, unseren Puls, unsere Atmung oder unsere Angst zu lesen .

Diese Daten werden von einer Intelligenz gelesen, die den Zustand des Patienten in Echtzeit bewertet . Wenn Sie also zu einem bestimmten Zeitpunkt ein Problem wie einen Herzinfarkt haben, können Sie schneller diagnostizieren und / oder reagieren.

Andererseits wurden bei einigen Menschen einige Bots implementiert, die Selbstmordgedanken erkennen können . Der berühmte Facebook- Geheimdienst liest Gespräche und Ihre Aktivitäten, um Muster von Selbstmordtendenzen zu erkennen, obwohl es andere Versionen gibt, die das Verhalten der Person, ihren Tonfall und ihre Körpersprache genauer untersuchen .

Finanzen

In der Wirtschaft haben einige Banken und Unternehmen auf maschinellem Lernen basierende Lösungen eingesetzt , um Betrug aufzudecken und zu verhindern.

Auf der anderen Seite wird etwas Ähnliches auch verwendet, um Investitionsmöglichkeiten leichter zu identifizieren. Es wird auch verwendet, um zu entscheiden, wann Aktien und andere Mittel verkauft oder gekauft werden sollen.

Marketing

Dies haben wir bereits erwähnt, aber es ist eine der bekanntesten Anwendungen.

Es ist Ihnen passiert, dass Sie einige Produkte bei Amazon gesehen , Facebook, Google oder Instagram eingegeben und genau dieses Produkt in Ihren Anzeigen gesehen haben. Es ist kein Zufall, da soziale Netzwerke und Google Intelligenzen implementieren, die Ihre Geschichte und Ihre möglichen Interessen untersuchen, um sie zu erfassen, wo sie können.

Einige Benutzer sehen darin eine aufdringliche Art , den Benutzer anzugreifen, und es ist nicht überraschend, da sie Sie mit einer Idee bombardieren. Die Werbung wird sich jedoch in diese Richtung bewegen, da sie persönlicher ist und die Anzeigen auf potenzielle Käufer ausgerichtet sind.

Maschinelles Lernen und tiefes Lernen

Diese beiden Begriffe gehen normalerweise Hand in Hand, sind aber nicht genau gleich. In zukünftigen Artikeln werden wir über dieses zweite Semester sprechen, da es etwas ist, das es verdient, gelernt zu werden.

Wir empfehlen Ihnen, wie Sie AMD-Treiber sauber und einfach deinstallieren können

Im Allgemeinen könnten wir die Beziehung zwischen maschinellem Lernen und tiefem Lernen als die Beziehung zwischen künstlicher Intelligenz und maschinellem Lernen herstellen . Deep Learning ist ein noch spezifischerer Zweig des maschinellen Lernens .

Es teilt wichtige Abschnitte wie die Entwicklung im Laufe der Zeit und die Erfahrung, weist jedoch eine Reihe weiterer Unterschiede auf.

Vereinfachtes Deep Learning

Die Grundlage für das Lernen und Verarbeiten von Daten besteht darin , verschiedene Schichten zu verwenden, die so wirken, als wären sie Neuronen. Daher konnten wir feststellen, dass diese Intelligenzen normalerweise verfeinert, aber auch komplizierter und teurer zu bauen sind.

Wenn Sie sich mehr für dieses Thema interessieren, besuchen Sie die Website und besuchen Sie unseren nächsten Artikel über Deep Learning .

Wie weit sind wir von Skynet entfernt ?

Wir haben diesen Abschnitt für die verträumtesten Köpfe.

Dies ist ein sehr wiederholtes Thema in Büchern, Filmen und anderen. Nicht umsonst gibt es genau ein Genre oder Thema namens Cyberpunk . Weit entfernt von den futuristischen Dystopien, die durch künstliche Intelligenz kontrolliert werden, haben unsere Maschinen jedoch noch einen langen Weg vor sich.

Rick & Mortys intelligenter Roboter

Die heutigen maschinellen Lernsysteme gehören zur Gruppe der " schwachen AIs". Wie wir gesehen haben, sind diese Intelligenzen nur in der Lage, Muster zu verstehen und einfache Schlussfolgerungen zu ziehen. Sie sind sehr nützlich, um uns in bestimmten Kontexten zu unterstützen, aber sie sind überhaupt keine autonomen Systeme.

Auf der anderen Seite hätten wir die "starken KIs" , die in futuristischen Geschichten dargestellt werden, in denen sie gleich oder viel intelligenter als Menschen sind. In der Populärkultur finden wir bemerkenswerte Beispiele wie "Matrix" , "Terminator" , "Ghost in the Shell" oder "Halo" . Tatsächlich gibt es in dieser Liste zwei Werke, die miteinander verwandt sind; Ratet mal welche?

Noch heute entwickeln wir völlig autonome und sichere Autos . Wir entwickeln uns kontinuierlich weiter, aber wir haben immer noch die Möglichkeit, eine gleichwertige Tatsache zu entwickeln , die ausschließlich aus Technologie besteht.

Wenn Sie mehr darüber erfahren möchten, können Sie unseren Artikel über künstliche Intelligenz besuchen . Es ist ein Text aus einer allgemeineren Sicht und wir untersuchen ein wenig die möglichen Auswirkungen, die diese Technologie haben wird.

Letzte Worte zum maschinellen Lernen

Ähnlich wie bei unserer Schlussfolgerung zur künstlichen Intelligenz ist klar, dass die Zukunft ungewiss ist. Es ist jedoch unvermeidlich, dass die Evolution überprüft werden muss, um die Technologie unter ihren Fähigkeiten und Merkmalen zu implementieren.

Nach und nach wird das Internet mehr und besser durch Programme und Algorithmen gesteuert. Soziale Netzwerke werden besser kalibriert und bieten uns mehr Inhalte nach unserem Geschmack. Und schließlich werden Online-Beziehungen viel sicherer, indem sie leichter erkennen, wenn die Gefahr von Betrug oder Ähnlichem besteht.

Seien Sie andererseits nicht überrascht, dass in diesem Jahrhundert das Internet der Dinge (IoT) glänzen wird. Es ist eine Idee, von der wir schon lange geträumt haben und die immer näher rückt. Darüber hinaus ist das IoT ein großer Bieter von Spitzentechnologien im Zusammenhang mit maschinellem Lernen, obwohl es noch einige Anpassungen in Bezug auf die Sicherheit gibt.

Wir für unseren Teil glauben, dass es eine schrittweise Entwicklung sein wird, und solange Sie über das Geschehen informiert sind, haben Sie nichts zu befürchten. Neue Autos oder Kühlschränke klingen für Sie vielleicht seltsam, aber ich glaube nicht, dass wir das Erwachen von „starken KIs“ sehen werden.

Wir empfehlen, die besten Laptops auf dem Markt zu lesen

Schließlich müssen wir gestehen, dass wir keine Experten für künstliche Intelligenz oder maschinelles Lernen sind. Lassen Sie sich also nicht von seltsamen Daten überraschen. Wenn wir einen Fehler gemacht haben, zögern Sie nicht, uns zu sagen! Schließlich sind wir noch keine perfekten Maschinen.

Und Sie, was halten Sie von maschinellem Lernen und künstlicher Intelligenz ? In welchem ​​Aspekt sollten sie Ihrer Meinung nach umgesetzt werden? Teilen Sie Ihre Ideen unten.

Clever Dataapdsaslagacetawhatsnew Schriftart