Взлет, приложения и проблемы машинного обучения

Обновите технологию и стратегию корпоративных данных до Трансформация 2021.


Термины «искусственный интеллект» и «машинное обучение» часто используются как синонимы, но между ними есть важное различие. ИИ — это обобщающий термин для ряда методов, которые позволяют компьютерам учиться и вести себя как люди. Другими словами, ИИ — это компьютер. существование умная. Однако машинное обучение соответствует как комп становится шустрым.

Но есть причина, по которой их часто объединяют: сегодня подавляющее большинство ИИ основано на машинном обучении. Компании из разных секторов предпочитают его для разных сценариев использования в своих организациях и вершины подполя Глобальное финансирование искусственного интеллекта со значительным запасом. Только за первый квартал 2019 года на машинное обучение было выделено невероятных 28,5 миллиарда долларов. исследовать. Общий рынок машинного обучения ожидается, что он вырастет примерно с 1 миллиарда долларов в 2016 году до 8,81 миллиарда долларов к 2022 году. Когда VentureBeat собрал мысли от лучших умов со всей области, пришлось поделиться разными прогнозами. Однако одна из них заключалась в том, что машинное обучение продолжает формировать бизнес и общество в целом.

Рост машинного обучения

И хотя сегодня ИИ повсеместен, были времена когда все поле считалось дураком. После первоначального прогресса и большой шумихи в середине 1950-х и 1960-х годов прорывы прекратились, и ожидания остались нереализованными. Не хватало вычислительных мощностей, чтобы возродить потенциал, а использование таких систем стоило непомерных денег. Это привело к тому, что как интерес, так и финансирование иссякли в том, что называлось «AI зима. «

Позже преследования возобновились в 1980-х годах благодаря усилению исследовательских фондов и расширению набора алгоритмических инструментов. Но это длилось недолго, и была еще одна десятилетняя зима ИИ.

Затем последовали два основных изменения, которые напрямую включили ИИ в том виде, в каком мы его знаем сегодня. Усилия в области искусственного интеллекта перешли от систем, основанных на правилах, к методам машинного обучения, которые могут использовать данные для обучения без внешнего программирования. В то же время Всемирная паутина стала повсеместной в домах (а затем и в руках) миллионов (а в конечном итоге и миллиардов) людей по всему миру. Это вызвало бурный рост объемов данных и обмен данными на котором основывается машинное обучение.

Как работает машинное обучение

Машинное обучение позволяет компьютеру «думать», не будучи запрограммированным извне. Вместо программирования вручную для выполнения определенных задач, как в случае с традиционными компьютерами, машинное обучение позволяет вам предоставлять данные и описывать, что программа должна делать.

Компьютер обучается на этих данных, а затем выполняет требуемую задачу с помощью алгоритмов. Он также собирает больше данных по мере продвижения и со временем становится «умнее». Ключевой частью того, как все это работает, является тегирование данных. Например, если вы хотите, чтобы программа сортировала фотографии мороженого и пиццы пепперони, вы должны сначала пометить некоторые фотографии, чтобы получить алгоритм представления о том, как выглядит каждое мороженое и пицца пепперони.

Это обозначение также является ключевым отличием машинного обучения от популярного подмножества в этой области, так называемого глубокое обучение. Глубокое обучение не требует маркировки; вместо этого оно опирается на нейронные сети, которые вдохновлены человеческим мозгом как по структуре, так и по названию. Чтобы отсортировать фотографии мороженого и пиццы пепперони с использованием этой техники, вы должны вместо этого предоставить существенно больший набор фото. Затем компьютер обрабатывает фотографии на нескольких уровнях, которые образуют нейронную сеть, чтобы шаг за шагом отличить мороженое от пиццы пепперони. Более ранние слои рассматривают основные свойства, такие как линии или края между светлыми и темными частями изображения, в то время как последующие слои определяют более сложные элементы, такие как формы или даже лица.

Заявление

Машинное обучение и его подмножества полезны для решения широкого круга задач, задач и приложений. Вот это компьютерное зрениекоторый позволяет компьютерам «видеть» и понимать изображения и видео. Кроме того, обработка естественного языка (NLP) — это растущая часть машинного обучения, которая позволяет компьютерам извлекать значение из неструктурированного текста. Существует также распознавание голоса и речи, которое поддерживает такие услуги, как Амазонка Алекса и Apple Siri и впервые представил многим потребителям ИИ.

В различных отраслях компании используют машинное обучение в своих продуктах и ​​внутри своих организаций. Машинное обучение может упростить, оптимизировать и улучшить работу цепочки поставок, Например. Он также широко используется для бизнес-аналитики, безопасности, продаж и маркетинга. Для этого даже использовалось машинное обучение бороться с COVID-19. Facebook полагается на машинное обучение для удаления вредоносного контента. Google использует его для улучшения поиска. А ТАКЖЕ Американский экспресс недавно использовал NLP для своих чат-ботов по обслуживанию клиентов и для запуска функции предиктивного поиска в своем приложении. У этого списка нет конца.

Ограничения и проблемы

Хотя машинное обучение является многообещающим и приносит пользу компаниям по всему миру, в этой области есть проблемы и проблемы. Например, машинное обучение полезно для распознавания образов, но когда дело доходит до обобщения знаний, оно не работает. Для пользователей тоже есть вопрос «алгоритм усталости. «

Некоторые проблемы, связанные с машинным обучением, имеют серьезные последствия, которые уже имеют место сегодня. Один из них — это отсутствие объяснимости и интерпретируемости, известное как «проблема черного ящика». Модели машинного обучения создают собственное поведение и решения таким образом, что даже их создатели не понимают. Это затрудняет исправление ошибок и обеспечение точности и достоверности информации, предоставляемой моделью. Когда люди заметили алгоритм кредитных карт Apple, это было предлагает женщинам значительно меньшие кредитные линии, чем мужчинамнапример, компания не могла объяснить почему и не знала, как решить проблему.

Это связано с самой серьезной проблемой, которая поражает эту область: искажение данных и алгоритм. С момента появления технологий модели машинного обучения обычно и в основном строились на данных, которые были собраны и помечены. предвзятые способы, иногда для определенных целей. Было обнаружено, что алгоритмы часто бывают необъективными женщины, Негров, а другие этнические группы. Исследователи из Google DeepMind, одной из лучших в мире лабораторий искусственного интеллекта, предупрежден Технологии представляют опасность для людей, считающих себя странными.

Эта проблема широко распространена и хорошо известна, но есть сопротивление принятию важных мер, которые многим срочно необходимы в этой области. Сам Google уволил команду по этике ИИ, Тимнит Гебру а также Маргарет Митчелл, что тысячи сотрудников компании назвали «ответным огнем» после того, как Gebra отказалась отменить исследование рисков использования больших языковых моделей. А v опрос Большинство ученых, политических лидеров и активистов заявили, что опасаются, что к 2030 году развитие ИИ будет по-прежнему сосредоточено в первую очередь на оптимизации прибыли и социальном контроле за счет этических норм. Законодательство об искусственном интеллекте — в частности, немедленное и явно вредное использование, такое как распознавание лиц для правоохранительных органов — обсуждается и принимается по всей стране. Эти переговоры, вероятно, будут продолжены. А ТАКЖЕ изменение законов о защите персональных данных скоро повлияет на сбор данных и, следовательно, на машинное обучение.

VentureBeat

Миссия VentureBeat — быть цифровым квадратом для технических специалистов, которые получают знания о технологиях трансформации и транзакциях. На нашем веб-сайте представлена ​​основная информация о технологиях и стратегиях обработки данных, которые помогут вам руководить своей организацией. Мы приглашаем вас стать членом нашего сообщества, чтобы получить доступ к:

  • актуальная информация по интересующим вас темам
  • наши информационные бюллетени
  • закрытые идеи лидеров контента и доступ со скидкой к нашим ценным мероприятиям, таким как Трансформация 2021: Больше информации
  • сетевые функции и многое другое

Стать членом

[

among us hack
generator
generator
generator
free fortnite skins
free fortnite skins
free fortnite skins
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
free v bucks generator
free v bucks generator
free v bucks generator
free fire hack
generator
generator
onlyfans hack
generator
free v bucks generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
generator
free v bucks generator
clash royale hack
free v bucks generator
free v bucks generator
free fire hack
generator
generator
generator
free v bucks generator
generator
generator
generator
generator

]

Add a Comment

Ваш адрес email не будет опубликован. Обязательные поля помечены *