Nilalaman
- Ano ang Pag-aaral ng Makina?
- Paano Gumagana ang Pagkatuto ng Machine
- Bakit Mahalaga ang Pagkatuto ng Machine
- Mga Biases ng Tao
- Ano ang Hinaharap?
- Buod
Pinagmulan: Agsandrew / Dreamstime.com
Takeaway:
Ang pag-aaral ng makina ay may napakalaking potensyal, ngunit dapat itong maayos na ipinatupad para maging kapaki-pakinabang ito.
Ang pag-aaral ng makina ay isang espesyal na uri ng algorithm na maaaring malaman mula sa data at gumawa ng mga hula. Habang kinokolekta namin ang mas maraming data mula sa iba't ibang mga mapagkukunan, ang pag-aaral ng makina ay maaaring gawing mas naaangkop ang mga hula. Gayunpaman, may mga pitfalls na kailangan ding suriin nang mabuti.
Ano ang Pag-aaral ng Makina?
Bago pa malalim ang paksa, napakahalaga na malaman kung ano talaga ang pagkatuto ng makina. Ito ay isang sangay ng artipisyal na katalinuhan na nakatuon sa pag-aaral sa pamamagitan ng pagkalkula at sa pamamagitan ng pagkilala sa mga pattern ng ibinigay na data. Ginagamit ito ngayon upang lumikha ng mga makina na maaaring makapagpasya sa kanilang sarili sa tulong ng maraming sopistikadong mga algorithm.
Gamit ang mga algorithm sa pag-aaral ng machine, ang mga makina ay may kakayahang makakuha ng kaalaman, alam ang iba't ibang mga bagay sa pamamagitan ng paggalugad sa totoong mundo, pagtatanong tungkol sa kaalamang nakuha nila at marami pang iba. Ang mga kakayahan na ito ay tumutulong sa makina na mag-isip, maunawaan at magkatulad, kahit na matuto mula sa kanilang paligid, hanapin ang lohika sa likod ng bawat konsepto, mahulaan at pagkatapos ay gumawa ng isang paghula nang naaayon.
Paano Gumagana ang Pagkatuto ng Machine
Ang konsepto na ito ay hindi talaga bago. Ang pag-aaral ng makina ay walang iba kundi isang hanay ng mga algorithm na maaaring malaman mula sa ibinigay na pool ng data at gumawa ng mga hula batay dito. Ang data at ang katumpakan ng hula ay magkasama, kaya sa mas maraming data, nakakakuha kami ng isang mas tumpak na hula.
Tulad nito, hindi ito nangangailangan ng anumang paunang natukoy na mga patakaran upang pamahalaan ang operasyon nito. Ang konsepto na ito ay gumagana sa isang patuloy na paraan. Nalalapat ito ng maraming iba't ibang mga uri ng mga sopistikadong algorithm awtomatiko sa isang hanay ng data upang makakuha ng mas mahusay na mga resulta. Ang tuluy-tuloy at iterative cycle na ito ay tumutulong sa pag-aralan nang mabuti ang mga paligid, hinuhulaan ang tamang solusyon sa isang tiyak na problema at sa huli ay paggawa ng tamang desisyon.
Bakit Mahalaga ang Pagkatuto ng Machine
Ang sagot sa mga ito ay namamalagi sa ilang mga kadahilanan, na kung saan ay ang pangunahing dahilan upang maging matagumpay ang konsepto na ito. Tingnan natin ang mga salik na ito:
Ang mga diskarte sa pagkalkula ay sumusulong din nang paugnay sa batas ng Moore. Iba't ibang mga kumpanya tulad ng IBM, NVIDIA at iba pa ay bumubuo ng maraming mga makabagong upang mapagbuti ang mga pamamaraan ng pagkalkula. Ang mga pagsulong na ito ay tumutulong upang lumikha ng mga pamamaraan sa pagkalkula para sa pagproseso ng data sa isang mas mahusay na paraan.
Ang ilang mga diskarte sa mga algorithm ay tinawag na mga itim na kahon, depende sa isahan na mga punto ng data at ang pag-unawa sa proseso. Karaniwan, ang isang itim na kahon ay isang sistema o algorithm na maaari lamang matingnan sa mga tuntunin ng input na kinuha at ang ibinigay na output. Ang mga algorithm o system na ito ay hindi nag-aalok ng isang pagtingin sa mga panloob na pagtrabaho o ang lohika sa likod ng mga ito, sa gayon ay nag-aalok lamang ng kawalang-kilos (itim). Ang mga ito ay kilala upang lumikha ng mga problemang teknikal at pangkultura para sa isang samahan.
Kung ang isang diskarte sa itim na kahon sa ilalim ay gumanap kapag ang data ay dadaan sa isang makabuluhang pagbabago, pagkatapos ay dahil sa kakulangan ng pag-unawa, maaaring mapanganib ang sistema. Napakahirap ipaliwanag kung bakit nabigo ang modelo, at maaari nitong itakda nang malaki ang paglaki ng mga samahan.
Ang mga teknikal na utang, tungkol sa programming, ay tumutukoy sa mga kaso kung saan ang code na madaling ipatupad sa maikling termino ay madalas na napili, sa halip na ang pinakamahusay na pangkalahatang solusyon. Karaniwan ito ay isang napakahirap na diskarte sa programming at tulad ng code ay maaaring magpatuloy upang bumuo ng mas malalim na mga isyu sa paglaon, na tinatawag na mga utang.
Ang mga sistemang ito ay maaaring makaipon ng isang teknikal na utang sa paglipas ng panahon dahil hindi sila self-optimize sa kalikasan. Ang mga teknikal na utang ay maaaring ipakita ang kanilang mga sarili sa maraming iba't ibang mga paraan tulad ng mga jungles ng mga pipeline, pagkalusot, hindi natukoy na mga customer, mga nakatagong feedback na mga loop, mga dependencies ng data na hindi nag-iisa, atbp Maaari silang magresulta sa obfuscation at hindi sinasadya na mga kinalabasan, at maaaring mabawasan ang pagganap ng system ng drastically. Maaari itong malutas sa pamamagitan ng pag-upa ng mga matematiko at mga inhinyero sa isang balanse upang planuhin ang algorithm sa isang paraan upang mabawasan ang mga utang na ito. (Para sa higit pa sa mga pros na nagpapatupad ng pag-aaral ng machine, tingnan ang Data Scientists: The New Rock Stars ng Tech World.)
Mga Biases ng Tao
Ang pagpili ng mga algorithm ay ginagawa ng mga tao at sa gayon, maaaring maging bias. Maaari itong humantong sa isang sitwasyon kung saan napili ang isang hindi tamang algorithm.
Halimbawa, ang isang koponan na ang lahat ng mga miyembro ay nagtapos mula sa parehong paaralan ay magkakaroon ng isang pagkahilig na pumili ng parehong hanay ng mga algorithm. Kaya pinakamahusay na mag-iniksyon sa iyong koponan ng iba't ibang uri ng algorithmic iba't-ibang o gumamit ng maraming magkakaibang mga algorithm.
Ano ang Hinaharap?
Ang aming mundo ay dahan-dahang binabago ang sarili sa tulong ng bago at umuusbong na mga teknolohiya. Makakatulong ang pag-aaral ng makina sa paggabay sa drive patungo sa iyong patutunguhan sa pamamagitan ng pagbibigay ng sapat na tulong sa proseso ng paggawa ng desisyon. Hindi lamang ito makakatulong sa pagbabawas ng mga gastos ng isang kumpanya, ngunit magpapakita din ng tamang paraan upang mapabuti ang kalidad ng isang negosyo sa pamamagitan ng pagkuha ng lahat ng mga survey at data. Ipinapakita nito ang mga pangakong katangian ng pagbibigay ng isang mas mahusay na solusyon sa hinaharap.
Buod
Ang pag-aaral ng makina ay isang konsepto na nagtipon ng maraming pansin at malamang na mabubuhay hanggang sa lahat ng hype. Ito ay napaka-nagbabago, kaya't may kakayahang magtrabaho sa anumang daloy ng trabaho para sa anumang negosyo. Ang anumang samahan na nagsasama ng serbisyong ito sa tamang paraan ay makakakita ng mga makabuluhang benepisyo. Gayunpaman, napakahalaga na malaman ang tungkol sa magkabilang panig ng barya upang maisama ito nang maayos.