Paul Downey | Flickr
Pembelajaran mesin adalah ungkapan yang semakin bertambah sering, namun ramai yang masih tidak tahu dengan tepat apa itu. Sudah tentu ada sebab untuk itu. Ia masih dalam tahap yang sangat awal, dan ramai mengandaikan ia bukan sesuatu yang menjejaskan penduduk umum. Malah, itu mungkin tidak semestinya seperti yang diandaikan.
Jadi apakah pembelajaran mesin? Dan apa yang digunakan pada hari ini? Inilah panduan kami tentang semua yang anda perlu ketahui tentang pembelajaran mesin.
Apakah Pembelajaran Mesin?
Pembelajaran mesin, hanya meletakkan, adalah satu bentuk kecerdasan buatan yang membolehkan komputer untuk belajar tanpa pengaturcaraan tambahan. Dengan kata lain, perisian ini mampu mempelajari perkara-perkara baru dengan sendirinya, tanpa seorang programer atau jurutera yang memerlukan 'mengajar' apa-apa. Pembelajaran mesin dapat mengambil data dan mengesan corak dan mencari penyelesaian, kemudian menerapkan penyelesaian tersebut kepada masalah lain.
Imej: K? Rlis Dambr? Ns | Flickr
Adalah penting untuk diperhatikan bahawa pembelajaran komputer sebagai konsep bukanlah sesuatu yang baru - sukar untuk mengesan asal-usul konsep yang tepat memandangkan ia merupakan gabungan dari dan dari bentuk-bentuk teknologi lain. Anda boleh berhujah bahawa tarikh belajar mesin sepanjang jalan kembali ke penciptaan Ujian Turing, yang digunakan untuk menentukan apakah komputer mempunyai kecerdasan. Program komputer pertama yang belajar, bagaimanapun, adalah permainan dam, yang dikembangkan pada tahun 1952 oleh Arthur Samuel. Permainan ini semakin baik semakin dimainkan.
Teknologi terkini, bagaimanapun, secara drastik meningkatkan pembelajaran mesin. Sebagai contoh, pembelajaran mesin memerlukan jumlah pemprosesan kuasa puas, sehingga kami baru sahaja mula dapat mengembangkan pembelajaran mesin asas dalam sejarah terkini.
Terdapat beberapa cara utama programmer melaksanakan pembelajaran mesin. Yang pertama disebut 'pembelajaran diselia.' Apa yang pada dasarnya bermakna bahawa mesin diberi makan masalah di mana penyelesaian kepada masalah diketahui. Algoritma pembelajaran dapat menerima masalah tersebut bersama dengan hasil yang diinginkan, mengenal pasti corak dalam masalah dan bertindak dengan sewajarnya. Pembelajaran yang diselia sering digunakan untuk meramalkan peristiwa masa depan - seperti ketika transaksi kad kredit mungkin palsu.
Pelaksanaan kedua pembelajaran mesin disebut 'pembelajaran tanpa pengawasan.' Dalam hal ini, hasil masalah tidak diberikan kepada perisian - sebaliknya, ia memberi masalah dan harus mengesan pola dalam data. Matlamat di sini adalah untuk mencari struktur dalam data yang diberikan kepadanya.
Ketiga ialah 'pembelajaran separuh diselia.' Kaedah pembelajaran mesin ini sering digunakan untuk perkara yang sama seperti pembelajaran yang diselia, tetapi ia memerlukan data dengan penyelesaian dan data tanpa. Pembelajaran seminari selalunya sering dilaksanakan apabila dana terhad dan syarikat tidak dapat menyediakan set data penuh untuk proses pembelajaran.
Yang terakhir tetapi paling tidak adalah 'pembelajaran pengukuhan, ' yang digunakan khusus untuk perkara seperti permainan dan robot. Pembelajaran peneguhan pada asasnya diajar melalui percubaan dan kesilapan - mesin mencuba segala sesuatu dan belajar berdasarkan kejayaan atau kegagalannya. Matlamat di sini adalah untuk mesin untuk mengetahui hasil terbaik.
Sudah tentu, semua kaedah pembelajaran mesin ini melibatkan memberi makan ratusan ribu masalah, dan sejumlah besar data. Betul, semakin banyak data yang lebih baik.
Di mana Pembelajaran Mesin Digunakan Hari Ini?
Gambar Wang | Flickr
Sebenarnya, terdapat banyak tempat pembelajaran komputer digunakan hari ini. Ramai daripada mereka berada di belakang tabir, namun anda mungkin terkejut mengetahui bahawa banyak daripada mereka juga merupakan sesuatu yang anda gunakan setiap hari.
Mungkin yang paling banyak anda gunakan adalah pembantu peribadi anda - betul, orang Siri dan Google Now menggunakan pembelajaran mesin, terutamanya untuk memahami pola ucapan yang lebih baik. Dengan berjuta-juta orang yang menggunakan Siri, sistem ini dapat memajukan dengan serius bagaimana ia merawat bahasa, aksen, dan sebagainya.
Sudah tentu, Siri bukan satu-satunya aplikasi pengguna pembelajaran mesin. Penggunaan lain adalah dalam perbankan, seperti pengesanan penipuan. Sebagai contoh, algoritma pembelajaran mesin boleh menjejaki corak perbelanjaan, menentukan corak mana yang lebih cenderung menjadi penipuan berdasarkan aktiviti penipuan lalu.
Malah, walaupun e-mel anda mungkin menggunakan pembelajaran mesin. Sebagai contoh, e-mel spam adalah masalah, dan mereka telah berkembang dari masa ke masa. Sistem e-mel menggunakan pembelajaran mesin untuk mengesan corak e-mel spam dan bagaimana e-mel spam berubah, kemudian meletakkannya dalam folder spam anda berdasarkan perubahan tersebut.
Kesimpulan
Pembelajaran mesin ditetapkan untuk menjadi sebahagian besar cara kami menggunakan teknologi maju, dan bagaimana teknologi dapat membantu kami. Dari Siri ke US Bank, pembelajaran mesin menjadi semakin berleluasa, dan itu hanya akan berterusan.
