211service.com
Co je strojové učení?
Co je strojové učení? Karen Hao
Algoritmy strojového učení jsou zodpovědné za velkou většinu pokroků a aplikací umělé inteligence, o kterých slyšíte. (Další informace naleznete v našem prvním vývojovém diagramu „Co je AI?“ zde .)
Jaká je definice strojového učení?
Algoritmy strojového učení využívají statistiky k nalezení vzorů v masivních* množstvích dat. A data zde zahrnují spoustu věcí – čísla, slova, obrázky, kliknutí, co máte. Pokud jej lze digitálně uložit, lze jej vložit do algoritmu strojového učení.
Strojové učení je proces, který pohání mnoho služeb, které dnes používáme – systémy doporučení, jako jsou ty na Netflixu, YouTube a Spotify; vyhledávače jako Google a Baidu; zdroje sociálních médií jako Facebook a Twitter; hlasové asistenty jako Siri a Alexa. Seznam pokračuje.
Ve všech těchto případech o vás každá platforma shromažďuje co nejvíce dat – jaké žánry rádi sledujete, na jaké odkazy klikáte, na jaké stavy reagujete – a pomocí strojového učení dokáže vysoce kvalifikovaně odhadnout, co možná chtít další. Nebo, v případě hlasového asistenta, o tom, která slova nejlépe odpovídají vtipným zvukům vycházejícím z vašich úst.
Upřímně řečeno, tento proces je zcela základní: najít vzor, použít vzor. Ale do značné míry řídí svět. Je to z velké části díky vynálezu z roku 1986, s laskavým svolením Geoffreyho Hintona, dnes známého jako otce hlubokého učení.
Co je hluboké učení?
Hluboké učení je strojové učení na steroidech: využívá techniku, která dává strojům lepší schopnost najít – a zesílit – i ty nejmenší vzory. Této technice se říká hluboká neuronová síť – hluboká, protože má mnoho, mnoho vrstev jednoduchých výpočetních uzlů, které spolupracují, aby prokousaly data a poskytly konečný výsledek ve formě predikce.
Co jsou to neuronové sítě?
Neuronové sítě byly nejasně inspirovány vnitřním fungováním lidského mozku. Uzly jsou něco jako neurony a síť je něco jako samotný mozek. (Pro výzkumníky z vás, kteří se při tomto srovnání krčí: Přestaňte pchávat analogii. Je to dobrá analogie.) Ale Hinton zveřejnil svůj průlomový článek v době, kdy neuronové sítě vyšly z módy. Nikdo pořádně nevěděl, jak je trénovat, takže nedosahovaly dobrých výsledků. Trvalo téměř 30 let, než se tato technika vrátila. A chlapče, vrátilo se to.
Co je učení pod dohledem?
Poslední věc, kterou potřebujete vědět: strojové (a hluboké) učení přichází ve třech variantách: pod dohledem, bez dozoru a posílení. Při učení pod dohledem, které je nejrozšířenější, jsou data označena, aby stroj přesně řekl, jaké vzory by měl hledat. Představte si to jako něco jako čichacího psa, který bude lovit cíle, jakmile pozná vůni, po které touží. To je to, co děláte, když v pořadu Netflix stisknete přehrávání – říkáte algoritmu, aby našel podobné pořady.
Co je učení bez dozoru?
Při učení bez dozoru nemají data žádné štítky. Stroj prostě hledá jakékoli vzory, které najde. Je to jako nechat psa očuchat tuny různých předmětů a roztřídit je do skupin s podobnými pachy. Techniky bez dozoru nejsou tak populární, protože mají méně zřejmé aplikace. Zajímavé je, že získali trakci v oblasti kybernetické bezpečnosti.
Co je posilovací učení?
A konečně tu máme posílení učení, nejnovější hranici strojového učení. Algoritmus zesílení se učí metodou pokusu a omylu, aby dosáhl jasného cíle. Zkouší spoustu různých věcí a je odměňován nebo penalizován v závislosti na tom, zda mu jeho chování pomáhá nebo brání v dosažení cíle. Je to jako dávat a odepírat pamlsky, když učíte psa nový trik. Posílené učení je základem AlphaGo od Google, programu, který skvěle porazil nejlepší lidské hráče ve složité hře Go.
A je to. To je strojové učení. Nyní se podívejte na vývojový diagram výše pro závěrečnou rekapitulaci.
*Poznámka: Dobře, technicky existují způsoby, jak provádět strojové učení na malém množství dat, ale k dosažení dobrých výsledků jich obvykle potřebujete velké hromady.
___
To se původně objevilo v našem zpravodaji AI The Algorithm. Chcete-li jej doručit přímo do vaší schránky, přihlaste se zdarma k odběru zde.