Makine öğrenimi: nedir ve AI ile ilişkisi nedir?

Bugün size, bazı etkileşimleri bildiğimizde devrim yaratan ve devrim yapacak terimlerden birini daha derinlemesine öğretmek istiyoruz. Yapay Zeka ve onun en özel dalı olan Makine Öğrenimi veya Otomatik Öğrenme'den bahsediyoruz .

Bildiğiniz gibi, bilgi işlem her zaman sürekli bir evrim halindedir ve satın alabileceğimiz genellikle mümkün olduğunca ileri teknoloji değildir.

Örneğin , 4. nesil PCI-Express'i geliştirirken , araştırmacılar zaten PCIe Gen 5 geliştiriyor ve 6.'ya atlıyorlar . Aynı nedenden ötürü, daha önce hiç duymadığımız görevleri yerine getirmediğini bilmediğimiz teknolojileri bulmak da nadir değildir.

Ancak daha ileri gitmeden önce konuşacağımız konuyu daraltalım çünkü Makine Öğrenimi nedir?

İçindekiler dizini

Makine Öğrenmesi Nedir?

Makine Öğrenimi , otomatik öğrenme yeteneğine sahip sistemlerin oluşturulduğu bilgisayar bilimi ve Yapay Zekanın özel bir dalıdır .

Bu dal , 80'lerde çalışmaya ve geliştirmeye başladı ve bugün oldukça gelişmiştir. Aynı nedenden ötürü, hem Yapay Zeka hem de Makine Öğrenimi birçok bilimsel ve günlük alanda kullanılmaktadır.

Bu dalda AI'lar , büyük miktarda veri işleyebilen ve buna göre öğrenebilen bir veya daha fazla algoritmadan oluşur. Bu konunun yörüngesinde olduğu iki temel fikir:

• Sistem, verileri analiz edebilmeli ve doğumunda sahip olmadığı becerileri geliştirebilmelidir. İstihbarat işi özerk bir şekilde, yani insan gözetimi olmadan yapabilmelidir.

Gerçek dünyada, e-postalardaki spam'in sınıflandırılması, Amazon ile ilgili öneriler veya şirket verilerini kullanarak geleceğe ilişkin tahminler gibi pratik örneklere sahibiz. İkincisi, giderek daha fazla şirketin bahis yaptığı ilginç bir bölüm .

Makine Öğrenimini kullanarak, aynı durumdaki diğer kullanıcılarla ilişkiyi geliştirmeye çalışmak için hangi kalıpların memnun olmayan müşterileri veya eski müşterileri tanımladığını görebiliriz. Kıdem, şikayet sayısı, sözleşmeli planlar ve diğerleri belirli profiller oluşturmak için incelenir . Yapay zekanın sonuçları çıkarıldıktan sonra, bir grup pazarlama uzmanı bu sorunlarla mücadele etmek için özel bir kampanya oluşturabilir.

Böylece şirket, müşterileri belirli varsayımlara göre çekmek veya tutmak için planlar oluşturabilir ve reaktif bir stratejiden proaktif bir stratejiye geçebilir . Yapay Zeka , büyük miktarda veri ve Makine Öğrenimi kullanan çok ilginç bir taktiktir.

Yapay Zeka nasıl eğitilir?

Yapay Zekanın hazırlanabilmesi için farklı aşamalardan geçmesi gerekir:

1. Önce kontrollü bir ortamdan geçer . Burada , fikirler arasında ilişkiler oluşturabileceğiniz çok miktarda veri ve bunların ilgili sonuçlarını girersiniz . Bu bölüme Denetimli Öğrenme denir . Ardından, AI'nın kendisinin bir sonuç seçmesi gereken ücretsiz ve cevapsız bir ortama yerleştirilirsiniz. Yanıtlarınızın doğru olup olmadığını bilerek , algoritmanızda yeni kurallar oluşturursunuz. Bu aşamaya Denetimsiz Öğrenme denir . Sonunda onun için bir ortam hazırlanır . Örneğin, düşük parlaklığa sahip görüntüleri ayırt etmeniz zorsa, belki de gece fotoğrafları ile eğitileceksiniz. Bu aşamaya Takviye Öğrenme denir . İşlem , İstihbaratta ince ayar yapmak istediğiniz kadar adım 2'den itibaren yapılabilir .

Makine Öğrenimi ile ilgili genelleştirilmiş şema

Pratik bir örnek, AI'ya on milyon fotoğraf göstermek ve hangilerinin köpek hangilerinin köpek olmadığını söylemek olacaktır. Burada köpeklerin genellikle kürkleri olduğunu, genellikle dört bacağına gideceklerini ve cinse bağlı olarak farklı şekil ve boyutlar olduğunu anlatacaktır.

Daha sonra, sınıflandırması için bir milyon fotoğraf verilir . Burada fotoğrafta bir köpek olup olmadığını ve veritabanınızda yeni 'fikirler' yaratıp yaratmayacağınıza göre cevap vermelisiniz. Bu yeni verileri uygulamak için, İstihbarat algoritmasında yeni kurallar oluşturacak ve şimdi, örneğin, köpekleri kedilerden ayırabilecektir.

Son olarak, verimliliği incelenir ve zayıf noktalarını eğitmek için yeni fotoğraflar hazırlanır .

Tabii ki, bu gösteri için basit ve çok tekrarlanan bir sistemdir, ancak daha deneysel ve tuhaf başka yöntemler de vardır.

Tay, Twitter botu

Son zamanlarda deneysel eğitim vakası, Microsoft tarafından geliştirilen ve kendisini insan olarak ifade etmeyi öğrenmek için tasarlanan bir yapay zeka olan Tay idi .

Tay'nın Twitter Profili

Bot başlangıçta 19 yaşında bir kız olarak konuşacak şekilde programlandı ve 23 Mart 2016'da Twitter'ın karanlık yerlerinde serbest bırakıldı .

Toplulukla konuşmak ve aldığınız mesajlardan ve kullanıcılarla etkileşimlerinizden öğrenmek için programlandınız. Olumsuz davranışlar göstermek için 16 saat sonra geri çekilmesi gerekmesine rağmen öğrenimi neredeyse tamamen özerkti.

Kısa yaşamı boyunca 96.000'den fazla tweet attı . Bununla birlikte, bu sosyal ağın kasıtlı saldırı davranışı, Tay'in ırkçı ve diğer ifadelerle yanıt vermesini çok daha hızlı hale getirdi .

Bu durumda, Denetimli Öğrenme ve temel kurallar dizisi usulüne uygun olarak revize edilmelidir . Sosyal ağın kaygısız ve saldırgan tonunu bilen Tay , gerçeği alaycıdan ayırmaya hazır değildi. Aynı nedenden dolayı, bazı kullanıcılar İstihbaratın “entelektüel engelini” kolayca “kırmayı” başardı.

Gerçek dünyada Makine Öğrenimi uygulamaları

Size belki de Makine Öğrenimi hakkında zaten bildiğiniz bazı günlük kullanımlardan bahsettik, ancak başka hangi durumlarda var.

Aşağıda , bu teknolojinin en yaygın sorunlarında bir dizi pratik uygulama göreceksiniz. Tabii ki, onlar en ileri çözümlerdir, bu yüzden de genellikle daha fazla para gerektirirler.

sağlık

Vücudumuz hakkında bilgi okuyabilen yeni bir giysi türü için bir teknoloji üzerinde çalışılmaktadır. Nabzımızı, nefesimizi veya endişemizi okuyabilir .

Bu veriler, hastanın durumunu gerçek zamanlı olarak değerlendiren bir İstihbarat tarafından okunur . Dolayısıyla, belirli bir zamanda kalp krizi gibi bir sorununuz varsa, daha hızlı teşhis ve / veya yanıt verebilirsiniz.

Öte yandan, intihar düşüncelerini tespit edebilen bazı botlar bazı insanlara uygulanmıştır. Ünlü Facebook İstihbarat , kişinin davranışını, ses tonunu ve beden dilini daha yakından inceleyen diğer versiyonlar olmasına rağmen, intihar eğilimi kalıplarını tanımak için konuşmaları ve etkinliğinizi okur .

mali

Ekonomide, bazı bankalar ve şirketler sahtekarlığı tespit etmek ve önlemek için Makine Öğrenimi tabanlı çözümler kullanmıştır .

Öte yandan, yatırım fırsatlarını daha kolay tanımlamak için benzer bir şey kullanılır . Ayrıca, hisse senetlerinin ve diğer araçların ne zaman satılacağına veya satın alınacağına karar vermek için de kullanılır.

pazarlama

Bu, daha önce bahsettiğimiz, ancak en iyi bilinen uygulamalarından biridir.

Amazon'da birkaç ürün görmek, Facebook, Google veya Instagram'a girmek ve reklamlarınızda yalnızca bu ürünü görmek size olacak. Bu bir tesadüf değildir, çünkü sosyal ağlar ve Google , geçmişinizi ve olası ilgi alanlarınızı inceleyen Zekaları , mümkün olan her yerde yakalamak için kullanır.

Bazı kullanıcılar bunu kullanıcıya 'saldırmak' için müdahaleci bir yol olarak görür ve sizi bir fikirle bombaladığı için şaşırtıcı değildir. Ancak, reklamlar daha kişisel olduğu ve potansiyel alıcıları hedefleyeceği için bu yönde ilerleyecektir .

Makine Öğrenmesi ve Derin Öğrenme

Bu iki terim genellikle el ele gider, ancak tam olarak aynı değildir. Gelecekteki bir makalede, bu ikinci dönem hakkında konuşacağız, çünkü öğrenilmeyi hak eden bir şey.

SİZE TAVSİYE EDİYOR AMD sürücülerini temiz ve kolay bir şekilde nasıl kaldırabiliriz

Genel olarak, Yapay Zeka ve Makine Öğreniminin sahip olduğu Makine Öğrenimi ve Derin Öğrenme arasındaki ilişkiyi kurabiliriz. Derin Öğrenme , Makine Öğreniminin daha da spesifik bir dalıdır.

Zaman ve deneyim içinde evrim gibi önemli bölümleri paylaşır , ancak başka bir dizi farklılığa sahiptir.

Basitleştirilmiş Derin Öğrenme

Verileri öğrenmek ve işlemek için temelini nöronlar gibi davranan farklı katmanlar kullanmaktır. Bu nedenle, bu Zekâların genellikle daha rafine, fakat aynı zamanda daha karmaşık ve inşa edilmesi daha pahalı olduğunu tespit edebiliriz.

Bu konuyla daha fazla ilgileniyorsanız, web sitesine bağlı kalın ve Derin Öğrenme ile ilgili bir sonraki makalemizi ziyaret edin.

Skynet'ten ne kadar uzaktayız?

En rüya gibi zihinler için bu bölümümüz var .

Bu, kitaplarda, filmlerde ve diğerlerinde çok tekrarlanan bir konudur . Hiçbir şey için değil, Cyberpunk adında bir tür veya tema var. Bununla birlikte, Yapay Zeka tarafından kontrol edilen fütüristik distopyalardan çok, makinelerimizin hala uzun bir yolu var.

Rick & Morty'nin Akıllı Robotu

Günümüzün Makine Öğrenimi sistemleri ' zayıf AI'lar' grubuna aittir . Gördüğümüz gibi, bu Zeka sadece kalıpları anlama ve basit çıkarımlar yapma yeteneğine sahiptir. Bizi belirli bağlamlarda desteklemek için çok faydalıdırlar, ancak otonom sistemler değildirler.

Öte yandan, fütüristik öykülerde temsil edilen, insanlara eşit veya insanlardan daha zeki olan 'güçlü AI'lara sahip olacaktık . Popüler kültürde 'Matrix' , 'Terminator' , 'Kabuktaki Hayalet' veya 'Halo' gibi önemli örnekler bulabiliriz. Aslında, bu listede birbiriyle ilişkili iki eser vardır; Tahmin et hangileri?

Bugün hala tamamen otonom ve güvenli araçlar geliştiriyoruz . Sürekli ilerliyoruz, ancak yine de tamamen teknolojiden yapılmış eşit bir gerçeği geliştirmenin bir yolu var .

Bu konuda daha fazla bilgi edinmek isterseniz, Yapay Zeka ile ilgili makalemizi ziyaret edebilirsiniz . Daha genel bir bakış açısıyla bir metin ve bu teknolojinin sahip olabileceği olası sonuçları biraz inceliyoruz.

Makine Öğreniminde Son Sözler

Yapay Zeka hakkındaki sonuçlarımıza benzer şekilde, geleceğin belirsiz olduğu açıktır. Bununla birlikte, teknolojiyi becerileri ve özellikleri arasında uygulamak için evrimin gözden geçirilmesi kaçınılmazdır .

İnternet yavaş yavaş, programlar ve algoritmalar tarafından giderek daha iyi kontrol edilecektir. Sosyal ağlar daha iyi kalibre edilecek ve zevklerimize göre bize daha fazla içerik sunacak . Son olarak, dolandırıcılık veya benzeri bir tehlike olduğunda çevrimiçi ilişkiler daha kolay tespit edilerek çok daha güvenli olacaktır .

Öte yandan, bu yüzyılın IoT'nin (Nesnelerin İnterneti) parlayacağı zaman şaşırmayın . Uzun zamandır hayalini kurduğumuz bir fikir ve bu yaklaşıyor. Buna ek olarak, IoT , güvenlikle ilgili bazı ayarlardan yoksun olmasına rağmen , Makine Öğrenimi ile ilgili ileri teknoloji konusunda büyük bir teklif vericidir .

Bizim açımızdan, bunun kademeli bir evrim olacağını düşünüyoruz ve neler olduğu hakkında bilgi sahibi olduğunuz sürece korkacak hiçbir şeyiniz yok. Yeni arabalar veya buzdolapları size garip gelebilir, ancak kesinlikle 'güçlü AI'ların uyanışını göreceğimizi sanmıyorum .

Piyasadaki en iyi dizüstü bilgisayarları okumanızı öneririz

Son olarak, Yapay Zeka veya Makine Öğrenimi konusunda uzman olmadığımızı itiraf etmeliyiz , bu yüzden bazı garip verilerden şaşırmayın. Eğer bir hata yaparsak, bize söylemekten çekinmeyin! Sonuçta, henüz mükemmel makineler değiliz.

Ve siz, Makine Öğrenmesi ve Yapay Zeka hakkında ne düşünüyorsunuz? Sizce hangi açıdan uygulanmaları gerekiyor? Fikirlerinizi aşağıda paylaşın.

Zeki Dataapdsaslagacetawhatsnew yazı tipi