機械学習：それは何であり、aiとの関係は何ですか？

今日、私たちはあなた方に知っているようにいくつかの相互作用に革命をもたらし、そして革命を起こす用語の1つをより深く教えたいと思います。 ここでは、 人工知能 とその最も具体的なブランチである 機械学習または自動学習について話します。

ご存知のとおり、コンピューティングは常に進化を続けており、私たちが購入できるものは通常、可能な限り最先端ではありません。

たとえば、 PCI-Expressの 第4世代 を開発している間、研究者たちはすでに PCIe Gen 5 を開発しており、 第6 世代 へのジャンプを研究しています。 これと同じ理由で、これまで聞いたことのないタスクを実行することを知らなかったテクノロジーを見つけることも珍しくありません。

しかし、先に進む前に、これから説明するトピックを絞り込みましょう。 機械学習 とは何ですか？

コンテンツインデックス

機械学習 とは？

機械学習 は、コンピュータサイエンスと 人工知能の 特定の分野であり、自動学習が可能なシステムが作成されます。

この支部は80年代頃に研究と開発を始め、今日ではかなり発展しています。 これと同じ理由で、 人工知能 と 機械学習の 両方が多くの科学的および日常的な分野で使用されています。

このブランチでは、 AI は大量のデータを処理し、それに応じて学習できる1つ以上のアルゴリズムで構成されています。 このトピックが軌道に乗っている2つの重要なアイデア：

• システムは、 データを分析し、誕生時に持っていなかったスキルを構築できなければなりません。 インテリジェンス は、 自律的に、つまり人間の監督なしで作業を実行できなければなりません。

現実の世界では、Eメールの スパム の分類、 Amazon に関する関連する推奨事項、企業データを使用した将来の予測などの実用的な例があります。 後者は、 ますます多くの企業が賭けている興味深いセクションです。

機械学習 を使用して、同じパターンの他のユーザーとの関係を改善しようとする不満のある顧客または元の顧客を識別するパターンを確認できます。 年功序列、苦情の数、契約プランなどが調査され、特定のプロファイルが作成されます。 AIの 結論が出たら、マーケティングの専門家のグループが、 これらの問題に対処するための特定のキャンペーンを作成できます。

したがって、会社は特定の仮定に基づいて顧客を引き付けたり維持したりする計画を作成し、事後対応型の戦略から予防型の戦略に移行できます。 これは、 人工知能 、大量のデータ、 機械学習 を使用する非常に興味深い戦術です。

人工知能 はどのようにトレーニングされますか？

人工 知能を 準備するには、 さまざまな段階を経る必要があります。

1. まず、制御された環境を通過します。 ここでは、アイデア間の関係を作成できる大量のデータとそれぞれの結果を入力します。 この部分は 教師あり学習 と呼ばれます。 次に、 AI 自体が結果を選択する必要がある無料の未回答の環境に入ります。 答えが正しいかどうかを知ることにより、アルゴリズムに新しいルールを作成します。 この段階は、 教師なし学習 と呼ばれます。 最後に、彼が行き詰まった環境が彼のために用意されています。 たとえば、低照度の画像を区別するのが難しい場合は、夜間の写真でトレーニングを受けることができます。 このフェーズは、 強化学習 と呼ばれ ます。 このプロセスは、 インテリジェンス を微調整したい回数だけステップ2から実行できます。

機械学習に関する一般的なスキーム

実用的な例としては、 AIを 1千万枚表示して、 どちらが犬でどれが犬ではないかを伝えることが挙げられます。 ここで彼は、犬は通常毛皮を持ち、彼らは通常4本の脚を履いており、品種に応じてさまざまな形とサイズがあると述べます。

その後、彼は分類するために百万枚の写真を与えられます。 ここでは、写真に犬がいるかどうか、およびデータベースに新しい 「アイデア」 を作成するかどうかに応じて回答する必要があります。 この新しいデータを実装するために、 インテリジェンスは アルゴリズムに新しいルール を 確立します。これにより、たとえば、犬と猫を区別できるようになります。

最後に、 彼の効率が研究され 、新しい写真が彼の弱点を訓練するために準備されます。

もちろん、これはデモンストレーションのためのシンプルで非常に繰り返されるシステムですが、 他にももっと実験的で独特な方法があります。

Twitterボット、テイ

実験的なトレーニングの最近の事例は、人間として自分自身を表現することを学ぶことを目的として Microsoftが 開発した AIである Tay でした。

TayのTwitterプロフィール

ボットは最初は19歳の少女として話すようにプログラムされており 、2016年3月23日、 Twitterの 暗い場所で解放されました 。

コミュニティと話し、受信したメッセージやユーザーとのやり取りから学ぶようにプログラムされました 。 彼女の学習はほぼ完全に自律的でしたが、否定的な行動を示すために16時間後に撤回する必要がありました 。

彼の人生の短い期間に、彼は96, 000を超えるツイートをツイートしました。 しかし、このソーシャルネットワークの意図的な攻撃的行動により、 テイ は人種差別やその他のフレーズですぐ に 反応するようになりました。

この場合、 教師あり学習 と一連の 基本ルール は適切に修正されているはずです。 ソーシャルネットワークののんきで不快な口調を知っていた テイ は、現実と皮肉を区別する準備ができていませんでした。 同じ理由で、一部のユーザーは インテリジェンスの 「知的障壁」 を簡単に 「破る」 ことができました。

現実世界の 機械学習アプリケーション

機械学習 についてすでに知っていると思われる日常的な使用法についてはすでに説明しましたが、他にどのようなケースが存在するのでしょうか。

以下に、最も一般的な問題におけるこのテクノロジーの一連の実用的なアプリケーションを示します。 もちろん、これらは最先端のソリューションであるため、 通常はかなりの金額も必要です。

健康

私たちの体の情報を読み取ることができる新しいタイプの衣服の技術が研究されています。 それは私たちの脈、呼吸、または不安を読み取ることができるかもしれません。

これらのデータは、リアルタイムで患者の状態を評価する インテリジェンス によって読み取られます。 したがって、特定の時間に心臓発作などの問題が発生した場合、 より迅速に診断および/または対応することができます。

一方、 自殺念慮を検出できるボットが実装されている人もいます。 有名な Facebook インテリジェンスは、 会話とあなたの活動を読み取って自殺傾向のパターンを認識しますが、人の行動、声の調子、および身体言語をより綿密に研究するバージョンもあります。

ファイナンス

経済学では、一部の銀行や企業が 機械学習 ベースのソリューションを使用して詐欺を検出および防止しています。

一方、同様の方法は、 投資機会をより簡単に特定するためにも使用されます。 また、株やその他の手段を売却または購入するタイミングを決定するためにも使用されます。

マーケティング

これについてはすでに述べましたが、これは最もよく知られているアプリケーションの1つです。

アマゾン でいくつかの製品を見て、 Facebook、Google、またはInstagramにアクセス して、広告にその製品だけを表示するのは偶然でしょう。 ソーシャルネットワークと Google が インテリジェンス を実装しているので、これは偶然ではありません。履歴と可能性のある興味を調査して、それらを可能な場所でキャプチャするためです。

一部のユーザーは、それをユーザーへの 「攻撃」の 侵入的な方法であると考えています。彼らはあなたにアイデアをぶつけてしまうので、驚くことではありません。 ただし、広告はより個人的なものであり、広告は潜在的な購入者をターゲットにするため、その方向に移動します。

機械学習 と ディープラーニング

これらの2つの用語は通常互いに関連していますが、完全に同じというわけではありません。 これは学ぶに値するものなので、今後の記事でこの2番目の用語について説明します。

AMDドライバーをクリーンかつ簡単にアンインストールする方法をお勧めします

一般的に、 人工知能 と 機械学習 の関係として、 機械学習 と ディープラーニングの 関係を確立でき ます 。 ディープラーニング は、 機械学習の さらに特定の 分野 です。

それは、時間と経験に伴う進化などの重要なセクションを共有しますが、別の一連の違いがあります。

簡略化されたディープラーニング

データの学習と処理の基本は、ニューロンのように機能するさまざまなレイヤーを使用することです。 したがって、これらの インテリジェンス は通常より洗練されているが、構築がより複雑で費用がかかることを証明できます。

このトピックにもっと興味がある場合は、ウェブサイトにご期待ください。 ディープラーニング に関する次の記事をご覧ください。

スカイネット からどれくらい離れていますか？

私たちは最も夢のような心のためにこのセクションを持っています。

これは、 本や映画などで非常に繰り返されるトピックです。 まさに、 サイバーパンク と呼ばれるジャンルやテーマがあります。 ただし、 人工知能 によって制御される未来的なディストピアから遠く離れているため、私たちのマシンにはまだ長い道のりがあります。

リック&モーティのスマートロボット

今日の 機械学習 システムは「 弱いAI」の グループに属してい ます。 これまで見てきたように、これらの インテリジェンス はパターンを理解し、単純な推論を行うことができるだけです。 これらは特定のコンテキストで私たちをサポートするのに非常に役立ちますが、自律システムではありません。

一方、 「強力なAI」は 、 人間と同じかそれよりもはるかにインテリジェントな未来のストーリーで表されます。 'Matrix' 、 'Terminator' 、 'Ghost in the Shell'、 'Halo' など の ポピュラーカルチャーで注目すべき例を見つけることができます。 実際、このリストには、互いに関連している2つの作品があります。 どれを推測しますか？

今日、私たちはまだ完全に自律的で安全な車を開発しています。 私たちは継続的に進歩していますが、 完全にテクノロジーで作られ た同等の 事実を開発 する 方法はまだあります。

詳細については、 人工知能 に関する記事をご覧ください。 これは、 より一般的な観点からのテキストであり、このテクノロジがもたらす可能性のある影響について少し検討します。

機械学習の 最後の言葉

人工知能 に関する私たちの結論と同様に、将来が不確実 であること は明らかです。 ただし、 技術をそのスキルと特性の中で実装するには、進化の見直しが必要になることは避けられません。

少しずつ、 インターネット はプログラムとアルゴリズムによってますます制御されます。 ソーシャルネットワークはより適切に調整され、好みに応じてコンテンツを提供します。 そして最後に、オンラインの関係は、詐欺などの危険があるときにより簡単に検出できるため、はるかに安全になります。

一方、今世紀は IoT（モノのインターネット）が 輝く時代 となることをご 承知おきください。 長い間夢見てきた、近づいているアイデアです。 さらに、 IoT は 機械学習に 関連する最先端のテクノロジーの大きな入札者ですが、 セキュリティに関する調整はまだ不十分です。

私たちの側では、それは段階的な進化であり、何が起こっているかを知らされている限り、 恐れることは何もありません。 新しい車や冷蔵庫は奇妙に聞こえるかもしれませんが、 「強力なAI」の 目覚めは見られないでしょう 。

市場で最高のラップトップを読むことをお勧めします

最後に、私たちは 人工知能 や 機械学習の 専門家ではないことを告白する必要があるため、奇妙なデータに驚かないでください。 間違えた場合は、遠慮なくお知らせください。 結局のところ、 私たちはまだ完璧な機械ではありません。

そして、 機械学習 と 人工知能 についてどう思いますか？ それらを実装する必要があると思いますか？ 以下でアイデアを共有してください。

Clever Dataapdsaslagacetawhatsnewフォント