Hur fungerar maskininlärning?

Hur fungerar maskininlärning?

22 Juli 2017 0 Von admin

Hur fungerar maskininlärning?

Hur fungerar maskininlärning?

Det här kanske inte är en av livets stora frågor. Men ämnet maskininlärning är allt liv i artificiell intelligens (AI) -gemenskapen dessa dagar.

Tanken att maskiner faktiskt lär sig kan vara nyheter för dig. Och du kanske undrar hur de gör det här utan hjärna.

Ja, maskiner har inte hjärnor. Inte som mänskliga hjärnor, åtminstone. Men de lär sig.

Så hur fungerar maskininlärning?

Begreppet maskiner som faktiskt lär sig kan vara lite oroväckande. Speciellt om du är uppvuxen på sci-fi-böcker och filmer.

Men maskininlärning är ungefär lika läskigt som ett bobblehuvud.

Det liknar mycket mer datautvinning än det är för onda robotar som tar över världen. I båda systemen söks data i ett försök att hitta mönster.

Skillnaden är att med datautvinning extraheras data för människans förståelse. Maskininlärning använder data för att hitta mönster och sedan justera programåtgärder efter dessa mönster.

De är algoritmer.

Och dessa maskininlärningsalgoritmer kan användas för att antingen tillämpa det som har lärt sig tidigare på nya data eller för att dra slutsatser från datamängder.

Okej, så låt oss uttrycka det i enklare termer.

Låt oss säga att du vill köpa den bästa bomullssockermaskinen på marknaden. Du hittar det som ser ut som den perfekta modellen.

Då söker du lite djupare och så småningom landar på recensionerna för den perfekta modellen. Om ord som “utmärkt”, “bra” eller “fantastisk fluffbarhet” dyker upp kan du känna dig säker på att du går mot ett köp.

Å andra sidan, om ord som “dålig”, “dålig kvalitet” eller “fångas i brand” fortsätter att visas, vet du att det förmodligen är bäst att gå vidare till en annan maskin. Eller till och med skrota idén och köp något som är mindre benägna att ruttna ut tänderna.

I båda fallen hjälper recensionerna dig att vidta åtgärder baserat på det mönster av ord som förekommer i dem. De köpare som skrev produktrecensioner kommer att påverka andra köpare.

Och deras recensioner kommer att påverka framtida inköp. Från detta existerar nu ett mönster över de människor som redan gjort ett köp och de framtida köparna av produkten.

Maskininlärning försöker koda denna mänskliga beslutsprocess i användbara algoritmer.

Det är det enklaste svaret på hur maskininlärning fungerar.

Det är viktigt att förstå det tre villkor måste uppfyllas innan man kan tillämpa maskininlärning på ett problem.

1. Det måste finnas ett mönster i indata för att komma fram till en slutsats.

Om vi ​​till exempel trodde att recensionerna inte gav någon mening, skulle de inte hjälpa oss att fatta beslut.

För att maskininlärning ska lösa ett problem måste algoritmen ha ett mönster att dra slutsatsen från.

2. Det måste finnas tillräckligt med data för att tillämpa maskininlärning på ett problem.

Om det inte fanns några produktrecensioner alls kommer det att vara svårt att komma fram till ett beslut om att köpa produkten. Rätt?

3. Vi människor kan inte formulera ett matematiskt uttryck som beskriver problemets beteende.

Det här är de saker som får de flesta mänskliga hjärnor att implodera.

Så nu används maskininlärning för att hitta mening i data och utföra “lärande” för att komma med en matematisk approximation som beskriver problemets beteende.

Det är det i ett nötskal.

Sammanfattningsvis tar maskiner inte över världen. Inte än.

Om du har några kommentarer om maskininlärning skulle vi gärna höra dem. Chime nedan!