למידת מכונה: מה זה ומה הקשר שלה עם ה- ai?

היום אנו רוצים ללמד אותך לעומק יותר את אחד המונחים שחוללו מהפכה ויעשה מהפכה בכמה אינטראקציות כפי שאנו מכירים אותם. אנו מדברים על בינה מלאכותית והענף הספציפי ביותר שלה, למידת מכונה או למידה אוטומטית.

כפי שאתה יכול לדעת, המחשוב נמצא תמיד באבולוציה מתמדת ומה שאנו יכולים לקנות הוא בדרך כלל לא הכי חדשני.

לדוגמה, בזמן שאנחנו מפתחים את הדור הרביעי של PCI-Express , החוקרים כבר מפתחים את PCIe Gen 5 ולומדים את הקפיצה ל- 6 . מאותה סיבה זה לא נדיר למצוא טכנולוגיות שלא ידענו לבצע משימות שמעולם לא שמענו עליהן.

אך לפני שנמשיך הלאה, בואו ונצר את הנושא עליו אנו נדבר כיוון, מהי מכונה למידה ?

מדד התוכן

מהי למידת מכונה ?

למידת מכונה היא ענף ספציפי של מדעי המחשב והבינה המלאכותית בו נוצרות מערכות המסוגלות למידה אוטומטית.

סניף זה החל את לימודיו והתפתחותו בסביבות שנות ה -80 וכיום הוא די מפותח. מאותה סיבה, גם בינה מלאכותית וגם למידת מכונה משמשים בתחומים מדעיים ויומיומיים רבים.

בענף זה AIs מורכבים מאלגוריתמים אחד או יותר המסוגלים לעבד כמויות גדולות של נתונים וללמוד בהתאם. שני רעיונות המפתח שעליהם נושא הנושא:

• על המערכת להיות מסוגלת לנתח נתונים ולבנות מיומנויות שלא היו לה בלידתה. על המודיעין להיות מסוגל לבצע את העבודה באופן אוטונומי, כלומר ללא פיקוח אנושי.

בעולם האמיתי יש לנו דוגמאות מעשיות כמו סיווג דואר זבל בהודעות דוא"ל, המלצות קשורות באמזון או תחזיות לעתיד באמצעות נתוני החברה. האחרון הוא קטע מעניין שיותר ויותר חברות מהמרים עליו.

בעזרת למידת מכונה אנו יכולים לראות אילו דפוסים מזהים לקוחות לא מרוצים או לקוחות לשעבר כדי לנסות ולשפר את מערכת היחסים עם משתמשים אחרים באותו מצב. ותק, מספר התלונות, התוכניות החוזרות ואחרות נלמדות ליצירת פרופילים מסוימים. לאחר מסקנות ה- AI , קבוצה של מומחי שיווק יכולה ליצור קמפיין ספציפי למלחמה באותן בעיות.

כך, החברה יכולה ליצור תוכניות למשוך או להחזיק לקוחות על סמך הנחות מסוימות ועוברת מאסטרטגיה תגובית לאסטרטגית יזומה. זוהי טקטיקה מעניינת מאוד המשתמשת בבינה מלאכותית , כמויות גדולות של נתונים ולמידת מכונות .

כיצד מתאמנים בינה מלאכותית ?

כדי שהבינה המלאכותית תהיה מוכנה עליה לעבור שלבים שונים:

1. זה עובר תחילה דרך סביבה מבוקרת. כאן אתה מזין כמות גדולה של נתונים ואת התוצאות שלהם בהתאמה אתה יכול ליצור קשרים בין רעיונות. חלק זה נקרא למידה מפוקחת . ואז אתה מכניס לסביבה חופשית ולא מענה, שם ה- AI עצמו יצטרך לבחור תוצאה. כשאתה יודע אם התשובות שלך נכונות או לא, אתה יוצר כללים חדשים באלגוריתם שלך. שלב זה נקרא למידה ללא פיקוח . לבסוף, מוכנה בשבילו סביבה בה הוא מקרטע. אם, למשל, אתה מתקשה להבדיל בין תמונות עם אור נמוך, יתכן שתאמן אותך בצילומי לילה. שלב זה נקרא חיזוק למידה. ניתן לבצע את התהליך משלב 2 כמה פעמים שתרצו לכוונן את המודיעין .

תכנית כללית בנושא למידת מכונות

דוגמה מעשית יכולה להיות הצגת AI עשרה מיליון תמונות ולהגיד להם כלבים ואילו לא. כאן הוא יתייחס שלרוב לכלבים יש פרווה, הם בדרך כלל הולכים על ארבע רגליים ויש צורות וגדלים שונים בהתאם לגזע.

אחר כך נותנים לו מיליון תמונות לסיווג. כאן עליכם לענות אם יש כלב בצילום ובין אם לא, או אם תיצרו ‘רעיונות’ חדשים במאגר שלכם או לא. כדי ליישם נתונים חדשים אלה, המודיעין יקבע חוקים חדשים באלגוריתם שלו וכעת, למשל, הוא יוכל להבדיל כלבים מחתולים.

לבסוף, יעילותו נחקרת ותמונות חדשות מוכנות לאמן את נקודות התורפה שלו.

כמובן שמדובר במערכת פשוטה וחוזרת מאוד להפגנה, אך ישנן שיטות ניסיוניות ומוזרות יותר.

טיי, הבוט בטוויטר

המקרה האחרון של הכשרה ניסיונית היה טיי , AI שפותחה על ידי מיקרוסופט שנועד ללמוד לבטא את עצמו כאנושי.

פרופיל הטוויטר של טיי

הבוט תוכנן לדבר בהתחלה כילדה בת 19 וב- 23 במרץ 2016, היא שוחררה במקומות החשוכים של טוויטר.

תוכנת לדבר עם הקהילה וללמוד מההודעות שקיבלת וכן מהאינטראקציות שלך עם משתמשים. הלמידה שלה הייתה כמעט אוטונומית לחלוטין, אם כי היה עליה לסגת לאחר 16 שעות על כך שהראתה התנהגויות שליליות.

במהלך הקצר בחייו, הוא צייץ יותר מ- 96, 000 ציוצים. עם זאת, ההתנהגות ההתקפית המכוונת של רשת חברתית זו איפשרה טאי להגיב במהרה וביטויים גזעניים ואחרים.

במקרה זה, היה צורך לתקן את הלמידה המפוקחת ואת סדרת הכללים הבסיסיים . בידיעת הטון החסר דאגות והפוגעות של הרשת החברתית, טיי לא היה מוכן להבדיל בין האמיתי לסרקסטי. מאותה סיבה, משתמשים מסוימים הצליחו "לשבור" בקלות את "המחסום האינטלקטואלי" של המודיעין .

יישומי למידת מכונה בעולם האמיתי

כבר סיפרנו לך על כמה שימושים יומיומיים שאולי ידעת כבר על למידת מכונה , אך אילו מקרים אחרים קיימים.

להלן תוכלו לראות סדרה של יישומים מעשיים של טכנולוגיה זו בבעיות הנפוצות ביותר. כמובן שהם פתרונות חדישים, ולכן הם בדרך כלל דורשים יותר כסף משמעותית.

בריאות

טכנולוגיה לסוג ביגוד חדש המסוגלת לקרוא מידע על גופנו נבדקת. יתכן שהוא יוכל לקרוא את הדופק, הנשימה או החרדה שלנו.

נתונים אלה נקראים על ידי מודיעין המעריך את מצב המטופל בזמן אמת. כך שאם יש לכם בעיה כמו התקף לב בזמן מסוים, תוכלו לאבחן ו / או להגיב מהר יותר.

מצד שני, כמה בוטים המסוגלים לאתר מחשבות אובדניות יושמו אצל אנשים מסוימים. האינטיליגנציה המפורסמת בפייסבוק קוראת שיחות ואת הפעילות שלך כדי לזהות דפוסים של נטיות אובדניות, אם כי יש גרסאות אחרות הבוחנות מקרוב את התנהגותו של האדם, את טון הדיבור שלו ואת שפת גופו.

כספים

בכלכלה, כמה בנקים וחברות השתמשו בפתרונות מבוססי למידת מכונה כדי לאתר ולמנוע הונאה.

מצד שני, משהו דומה משמש גם לאיתור קל יותר של הזדמנויות השקעה. זה משמש גם כדי להחליט מתי למכור או לקנות מניות ואמצעים אחרים.

שיווק

זה כבר הזכרנו, אבל זה אחד היישומים הידועים ביותר שלה.

קרה לך לראות כמה מוצרים באמזון , להיכנס לפייסבוק, גוגל או אינסטגרם ולראות בדיוק את המוצר הזה במודעות שלך. זה לא צירוף מקרים, מכיוון שרשתות חברתיות וגוגל מיישמות אינטליגנציות הבוחנות את ההיסטוריה שלך ואת האינטרסים האפשריים שלך כדי ללכוד אותם היכן שהם יכולים.

יש משתמשים הרואים בכך דרך פולשנית 'לתקוף' את המשתמש וזה לא מפתיע מכיוון שהם מפציצים אותך ברעיון. עם זאת, הפרסום ינוע בכיוון זה ככל שהוא אישי יותר והמודעות יכוונו לקונים פוטנציאליים.

למידת מכונה ולמידה עמוקה

שני המונחים הללו בדרך כלל הולכים יד ביד, אך הם אינם זהים לחלוטין. במאמרים עתידיים נדבר על קדנציה שנייה זו, מכיוון שזה משהו שצריך ללמוד.

אנו ממליצים עליכם כיצד להסיר התקנת מנהלי התקנים של AMD בצורה נקייה ובקלות

באופן כללי, נוכל לבסס את הקשר בין למידת מכונה ולמידה עמוקה זה לזה שיש לבינה מלאכותית ולמידה מכונה . למידה עמוקה היא ענף ספציפי עוד יותר של למידת מכונות .

הוא חולק קטעי מפתח כמו אבולוציה לאורך זמן וניסיון, אך יש לו סדרה אחרת של הבדלים.

למידה עמוקה פשוטה יותר

הבסיס שלה ללמידה ולעיבוד נתונים הוא להשתמש בשכבות שונות שמתנהגות כאילו היו נוירונים. לכן נוכל לקבוע כי האינטליגנציות הללו בדרך כלל מעודנות יותר, אך גם מסובכות ויקרות יותר לבנייה.

למרות שאם אתה מתעניין יותר בנושא זה, שמור על קשר לאתר ובקר במאמר הבא שלנו בנושא Deep Learning .

כמה רחוק אנחנו מסקינט ?

יש לנו קטע זה למוחות החולמניים ביותר.

זהו נושא שחוזר על עצמו בספרים, סרטים ואחרים. לא בכדי יש בדיוק ז'אנר או נושא שנקרא Cyberpunk . עם זאת, הרחק מאותן דיסטופיות עתידניות שנשלטות על ידי בינה מלאכותית , למכונות שלנו יש עוד דרך ארוכה.

הרובוט החכם של ריק ומורטי

מערכות לימוד המכונות של ימינו שייכות לקבוצת 'מכשירי AI חלשים'. כפי שראינו, האינטליגנציות הללו מסוגלות רק להבין דפוסים ולהפיק ניחות פשוטות. הם מועילים מאוד לתמוך בנו בהקשרים מסוימים, אך הם אינם מערכות אוטונומיות כלל.

מצד שני היו לנו 'AIs חזקים' , אלה המיוצגים בסיפורים עתידניים שבהם הם שווים או חכמים בהרבה מבני אדם. אנו יכולים למצוא דוגמאות בולטות בתרבות הפופולרית כמו 'מטריקס' , 'שליחות קטלנית' , 'רוח רפאים במעטפת' או 'הילה' . למעשה, ברשימה זו יש שתי יצירות שקשורות זו לזו; נחשו אילו?

כיום אנו עדיין מפתחים מכוניות אוטונומיות ובטוחות לחלוטין. אנו ממשיכים להתקדם ללא הרף, אך עדיין יש לנו דרך לפתח שוויון טכנולוגי מלא.

אם אתה רוצה לדעת יותר על זה, אתה יכול לבקר במאמר שלנו בנושא בינה מלאכותית . זהו טקסט מנקודת מבט כללית יותר ואנחנו בוחנים מעט את ההשלכות האפשריות שיש לטכנולוגיה זו.

מילים אחרונות על למידת מכונות

בדומה למסקנתנו בנושא בינה מלאכותית, ברור כי העתיד אינו ודאי. עם זאת, בלתי נמנע כי יהיה צורך לבחון את האבולוציה כדי ליישם את הטכנולוגיה בין כישוריה ומאפייניה.

לאט לאט, האינטרנט יהיה נשלט יותר ויותר על ידי תוכניות ואלגוריתמים. הרשתות החברתיות יהיו מכויל טוב יותר ויציעו לנו יותר תוכן לפי טעמנו. ולבסוף, מערכות יחסים מקוונות יהיו הרבה יותר בטוחות על ידי גילוי ביתר קלות כאשר יש סכנה של הונאה וכדומה.

מצד שני, אל תתפלאו שהמאה הזו היא כאשר ה- IoT (Internet of Things) יאיר. זה רעיון שאנחנו חולמים עליו כבר הרבה זמן וזה הולך ומתקרב. בנוסף, ה- IoT הוא מציע גדול של טכנולוגיות מתקדמות הקשורות למידת מכונות, אם כי עדיין אין לו התאמות מסוימות ביחס לאבטחה.

אנו מצידנו חושבים שזו תהיה התפתחות הדרגתית וכל עוד תודיעו לכם על המתרחש אין לכם ממה לחשוש. מכוניות או מקררים חדשים אולי נשמעים לכם מוזרים, אבל אני בהחלט לא חושב שנראה את ההתעוררות של 'מכשירי AI חזקים'.

אנו ממליצים לקרוא את המחשבים הניידים הטובים ביותר בשוק

לבסוף, עלינו להתוודות שאיננו מומחים בתחום הבינה המלאכותית או למידת מכונות , לכן אל תתפלאו מכמה נתונים מוזרים. אם טעינו, אל תהססו לספר לנו! אחרי הכל, אנחנו עדיין לא מכונות מושלמות.

ואתה, מה אתה חושב על למידת מכונות ובינה מלאכותית ? באיזה היבט אתה חושב שיש ליישם אותם? שתף את הרעיונות שלך למטה.

נתונים חכמים מחליפים את הגופן החדש