Вы когда-нибудь хотели узнать, что происходит внутри всего черного ящика машинного обучения и искусственного интеллекта?
Машинное обучение, пожалуй, самая влиятельная и мощная технология на сегодняшний день. Мы далеки от того, чтобы увидеть его истинный потенциал, и тем не менее, он предоставил миру потрясающие технологии и изобретения. Можно даже синтезировать поддельный голос с помощью машинного обучения и искусственного интеллекта. Оформите заказ Lyrebird AI, чтобы получить то же самое. Но не многие люди понимают, как работает машинное обучение или что оно означает в техническом мире. Эта статья написана как простое введение в машинное обучение с попыткой объяснить основные понятия, не углубляясь в математику.
Новая парадигма
С незапамятных времен большинство программистов следовали обычной парадигме программирования:
Найдите вопрос, который можно решить, следуя определенной логической последовательности правил.
Определить логический поток правил (алгоритм).
Закодируйте это в программе.
Вуаля! Все остальное сделает компьютер.
Люди использовали компьютер как черный ящик для выполнения сложных вычислительных задач, следуя определенным заданным логическим правилам. Эти правила должны были быть продуманы/выучены программистом, а затем записаны в машиночитаемом формате (на языке программирования). Программист явно программирует правила, которым должен следовать черный ящик, чтобы получить желаемый результат.
В 1959 году, изменив парадигму к лучшему (или к худшему), Артур Сэмюэл ввел термин «Машинное обучение». Он определил его как
«Область исследования, которая дает машинам возможность учиться без явного программирования».
Фундаментальное различие между обеими парадигмами можно хорошо понять, если мы посмотрим на блок-схему ниже:
В случае традиционного программирования мы создаем программу, которая выполняет определенные наборы правил/конкретный список операций над входными данными для получения желаемого результата.
В случае машинного обучения мы предоставляем компьютеру как входные, так и выходные данные, и компьютер пытается найти взаимосвязь между ними, т. е. путь (программу) который приведет от входа к выходу.
Простой пример
Одной из самых чистых форм машинного обучения является контролируемое обучение. При контролируемом обучении машине предоставляются помеченные данные, т. е. полные входные данные вместе с соответствующими выходными данными представляются компьютеру.
Когда мы предоставляем компьютеру входные данные вместе с соответствующими им выходными данными, это может быть двух типов: либо входные данные генерируют выходные данные, либо выходные данные являются метками для заданных входных данных. . Первая проблема является проблемой регрессии и требует, чтобы машина создавала выходные значения для заданных входных значений, в то время как последняя проблема связана с классификацией и требует, чтобы устройство выдавало метку для заданных входных значений. заданные входы.
Что мы имеем в виду, когда говорим, что компьютер чему-то учится?
В случае регрессии мы можем сказать, что компьютер изучает формулу, которая будет соответствовать кривой затрат-выпуска. Другими словами, машина обучается формуле, которая принимает входные данные в качестве параметров и выдает выходные данные в качестве результатов. Например, когда мы пытаемся найти наилучшую линию для данного набора данных, компьютер пытается найти уравнение/формулу линии, которая минимизирует ошибку в каждой точке.
Однако в случае классификации компьютер пытается изучить некоторые характеристики из заданных входных данных, которые могут помочь ему в классификации. Например, когда мы пытаемся классифицировать изображения, такие как изображения различных летающих объектов, компьютер пытается узнать много нового о данной категории, например, у птиц есть ноги, у самолетов нет конечностей, птицы меньше самолетов.
Вывод
Короче говоря, машинное обучение аналогично обучению ребенка. Нельзя объяснить ребенку, что означает яблоко, описав все свойства яблока. Но при достаточном количестве примеров яблока ребенок формирует общее описание и понимает, что такое яблоко. В следующий раз, когда мы показываем объект, ребенок может сказать, яблоко это или нет. В машинном обучении компьютер — это ребенок, а яблоки — это данные, которые мы хотим, чтобы компьютер изучил.
Перед тем, как ты уйдешь…
Свяжитесь со мной в Instagram и Facebook.
Если вам понравилась эта история, нажмите кнопку аплодисментов (одной кнопкой вы можете хлопнуть до 50 раз!) и подписывайтесь на меня, чтобы получать больше таких статей!
Делись, рекомендуй и комментируй! Взаимодействие помогает нам общаться и быть более человечными!
