Искусственный интеллект, машинное обучение и наука о данных - сегодня эти термины мы слышим все чаще.  Несмотря на то, что можно долго дискутировать на тему различий между ними, все они имеют отношение к одному процессу: обучению машин получению знаний, умению мыслить и преобразовывать данные в знания.

Овладение необъятными вычислительными возможностями аппаратных средств позволяет организациям проводить углубленные и более широкие анализыбыстрее, чем когда-либо прежде, автоматизировать процессы с помощью реального интеллекта и увереннее принимать более взвешенные решения.

В этой серии блога мы рассмотрим некоторые фундаментальные концепции науки о данных - начиная с того, что в первую очередь подразумевает обучение для машин.

Обучение и запоминание

Обучение отличается от запоминания. Запоминание - это то, что компьютеры уже давно делают очень хорошо, потому что они способны хранить огромные объемы данных и мгновенно вспоминать их. Некоторые люди тоже действительно хорошо запоминают. Есть история о человеке, который запомнил число Пи более чем на 70 000 знаков после запятой. Но может ли одно лишь знание этих цифр помочь вам создать  колесо, ось или автомобиль?

Нет.

Для этого требуется реальное обучение.

Поэтому, когда мы говорим о машинном обучении, мы подразумеваем, что машины должны не только получать информацию, которую они хранят или «запоминают», но и применять ее, открывая и разрабатывая новые (по крайней мере, для машины) концепции.

Принятие суждений на основе опыта

Как выглядит это «приложение» знаний? Ну, допустим,  вы - родитель, и вы ходите на детскую площадку со своими детьми. В течение нескольких мгновений вы наблюдаете, как они забираются на горку или качаются на качелях и принимаете всевозможные решения и суждения о том, будут ли ваши дети веселы, будут ли они в безопасности и т. д. Это происходит потому, что вы знаете все составляющие ситуации: особенности конструкций, ваших детей , их поведения. Объединив это знание с тем, что вы наблюдаете в конкретной среде, вы принимаете мгновенные решения.

Цель машинного обучения состоит в том, чтобы заставить компьютер смотреть на эту же площадку и быть в состоянии сделать аналогичные точные решения о том, будет ли детям там безопасно. Это не может быть сделано путем запоминания правил о, скажем, ограничениях веса на качелях. Компьютер должен применять знания о человеческом поведении.

Такого рода знание происходит от моделирования, которое является способом прогнозирования того, как будут работать системы. Это также происходит из накопленного опыта и, что важно, основывается на знаниях прошлых ошибок, чтобы обеспечить более точные прогнозы в будущем.

Предоставление машинам возможности использования полученных ими данных и их опыта в мире, сделает их чрезвычайно мощными инструментами для всего: от анализа бизнес-данных и оптимизации систем до решения сложных проблем, таких как изменение климата и поиск лекарств от болезней.

No Comments