Maşın öyrənməsini sadə ingilis dilində necə izah etmək olar

Maşın öyrənmə artıq geniş yayılmışdır: Çoxları bunu dərk etmirlər.

"Bilməsən də, bilməsən də, çox güman ki, maşın öyrənmə hər gün istifadə etdiyin tətbiqləri gücləndirir" deyir Very Brock şirkətinin mühəndis müavini Bill Brock. “Maşın öyrənmə saysız sənayedə inqilab etdi; Siri kimi virtual köməkçilərdən tutmuş Google Xəritələr vasitəsi ilə trafik modellərini proqnozlaşdırmağa qədər smartfonunuzdakı bir çox tətbiqin əsas texnologiyasıdır. "

Bəlkə də başlıq altındakılardan daha çox bu trafik proqnozunun və ya səs köməkçisinin cavabının düzgünlüyünə əhəmiyyət verirsiniz - və başa düşüləndir. Ancaq maşın öyrənməsindən istifadə halları artmağa davam etdikcə, alış-veriş etmək, komandanızın işini nümayiş etdirmək və ya sadəcə qurmaq üçün İT xaricindəki insanlara ən azından texnologiyanın əsaslarını izah etməyə ehtiyac duyacaqsınız. şöbələr arasında daha yaxşı ünsiyyət və anlaşma. ML haqqında anlayışınız süni intellekt strategiyanızın uzunmüddətli nəticələrini də gücləndirə bilər.

Hələ AI və ya ML istifadə etmirsinizsə, tezliklə onun potensialını qiymətləndirəcəksiniz. "Bir iş yükü olaraq AI, İT strategiyasının əsas sürücüsü olacaq" dedi bu yaxınlarda Red Hat, CTO Ofisinin AI baş direktoru Daniel Riek. "Süni intellekt İT sənayesi üçün dönüşümlü bir inkişafdır: Bütün şaquli istiqamətlərdə müştərilər, AI ilə işlərini təmin etmək üçün getdikcə ağıllı tətbiqlərə diqqət yetirirlər. Bu, proqram təminatında tətbiq olunan hər hansı bir iş axınına aiddir - yalnız müəssisələrin ənənəvi iş sahələrində deyil, həm də tədqiqatlarda, istehsal proseslərində və getdikcə məhsulların özlərində. "

[İT və biznes liderləri üçün 10 əsas süni intellekt şərtlərinə dair sürətli tarama primerimizi əldə edin: Fırıldaq vərəqi: AI sözlüyü. ]

Maşın öyrənmə nədir?

Bu yalnız xəritələr və ya virtual köməkçilər deyil. Harvard Business Review Analytics Services tərəfindən aparılan son araşdırma hesabatımız olan "Bir rəhbərin AI -yə dair təlimatından" bu nümunəni nəzərdən keçirin. Hesabatda Beth Israel Deaconess Tibb Mərkəzində bir problemi həll etmək üçün maşın öyrənmənin necə istifadə edildiyi vurğulanır: Əməliyyat otağının tutumu incə uzanırdı.

"Milyonlarla xəstənin məlumatlarını istifadə edərək maşın öyrənməsi - keçmişin OR dövrləri, edilən prosedurlar və xəstələrin xəstəliyi, cinsiyyəti, yaşı, komorbidiyalar, dərmanlar və s. Daxil olmaqla - hər hansı bir xəstə üçün nə qədər OR vaxtının lazım olduğunu təyin edir." hesabat oxuyur. Tibbi mərkəz, nəticədə 30 faiz və ya tutumunu azad etdi.

Bu, göydə olan futurizm deyil, maddi təsirlərdir və bu yalnız bir nümunədir. Üstəlik, əksər müəssisələr üçün maşın öyrənmə, ehtimal ki, bu gün ən çox yayılmış AI növüdür. Brock -un qeyd etdiyi kimi, maşın öyrənməsindən başqa heç bir səbəb olmadan həyatlarına getdikcə daha çox təsir edirsə, insanların ən azından bir terminin əsas tərifini bilmək üçün bir səbəbi var.

Başqalarının maşın öyrənməsini başa düşməsinə kömək etmək üçün istifadə edə biləcəyiniz bir neçə dəqiq tərifə keçək.

[RPA AI və ML ilə necə uyğun gəlir? Həmçinin oxuyun: Robotik Proseslərin Avtomatlaşdırılmasını (RPA) sadə ingilis dilində necə izah etmək olar. ]

Maşın öyrənmə tərifləri

"Ürəyində maşın öyrənmə, kompüterləri necə davranmağı açıq şəkildə öyrətmədən daha ağıllı etməkdir. Məlumatdakı nümunələri müəyyən etməklə bunu edir-xüsusən şəkillər və xəstənin sağlamlıq qeydləri kimi müxtəlif ölçülü məlumatlar üçün faydalıdır. " –Bill Brock, Very şirkətinin mühəndis müavini

"Klassik terminlərlə desək, maşın öyrənməsi məlumatlardan özünü öyrənməyə imkan verən və sonra insan müdaxiləsinə ehtiyac olmadan bu öyrənməni tətbiq edən bir süni intellekt növüdür. Əslində, bir çox fərqli maşın öyrənmə növü və onları ən yaxşı şəkildə necə istifadə etməyinizə dair bir çox strategiya var. " -Fran Fernandez, Espressive şirkətinin məhsul rəhbəri

"Ümumiyyətlə, ML, bəzi vəzifələri yerinə yetirə biləcək bir proses yaratmaq üçün müşahidə olunan məlumatlar üzərində statistika tətbiq etməyi əhatə edən kompüter elminin bir alt hissəsidir. Bu, həm ML -in quruluşunu (statistikadan istifadə edərək məlumat götürmə və ondan öyrənmə), həm də ML -in təsirini (üz tanıma və tövsiyə sistemləri kimi istifadə hallarını) əhatə edir. " - Michael McCourt, SigOpt -un tədqiqatçısı

Maşın öyrənmə ilə AI arasında dərin öyrənmə

Bunlar başa düşmək üçün çox texniki təcrübə tələb etməyən maşın öyrənmənin yaxşı böyük şəkil tərifləridir. İşlər oradan daha ətraflı və daha mürəkkəb olur. Brock, məsələn, ML -nin üç alt kateqoriyanı əhatə edən bir çətir termini olduğunu qeyd edir: nəzarətli öyrənmə, nəzarətsiz öyrənmə və möhkəmləndirmə öyrənmə.

(Brock əvvəllər bu hekayədə nəzarətli və nəzarətsiz öyrənmə arasındakı fərqi bizimlə bölüşdü. O, möhkəmləndirmə öyrənməsinin psixologiya təcrübələrindən götürüldüyünü qeyd edir: "Maşın müxtəlif ssenarilərdə yerləşdirilərkən görüləcək optimal hərəkətləri tapmağa çalışır. Bu hərəkətlər. öyrənənin bu əlaqələri kəşf etməsini tələb edən həm qısa, həm də uzunmüddətli nəticələrə səbəb ola bilər. ")

Dərin öyrənmə kimi əlaqəli alt fənləri də araşdıra bilərsiniz. (Yalnız bunu etmək istəyirsinizsə, hekayəmizi oxuyun: Dərin öyrənməni sadə İngilis dilində necə izah etmək olar.) İT sahəsindən kənar insanlar üçün bu şeylər tələsik bir şəkildə qarışıq ola bilər. Hansı sual yaranır: ML haqqında əslində nə qədər başa düşməlidirlər?

Espressive-dən Fernandez deyir: "Texniki olmayan insanların maşın öyrənmənin əsaslarını başa düşmələrinə ehtiyac olmadığını düşünürəm". "Bunun əvəzinə, maşın öyrənmənin faydalarını başa düşməli olduqlarına inanıram. "Maşın öyrənmə xyz deməkdir" demək əvəzinə, "Maşın öyrənmə sayəsində müəssisəmiz xyz əldə edə bildi" deməlidirlər. "

AI ilə ML -ni müzakirə etmək üçün vizual da əldə edə bilərsiniz. Rus yuva kuklalarının bir dəstini təsəvvür edin: AI böyükdür, ML yalnız içərisində oturur və digər idrak qabiliyyətləri onların altında oturur. "AI, maşınların insan davranışını və zəkasını təkrarlamasına imkan verən müxtəlif alətləri və alqoritmləri izah edən geniş konteyner termini" deyə Pace Harmon idarəetmə və İT konsaltinq direktoru JP Baritugo izah edir. AI -nin çoxlu ləzzətləri var. Maşın öyrənmə birdir, ancaq təbii dil emalı (NLP), dərin öyrənmə, kompüter görmə və s.

[İT və biznes liderləri üçün 10 əsas süni intellekt şərtlərinə dair sürətli tarama primerimizi əldə edin: Fırıldaq vərəqi: AI sözlüyü. ]

Analoqlara üstünlük verənlər üçün Michigan Texnologiya Universitetinin Hesablama Kollecində Kompüter Sistemləri professoru olan William və Gloria Jackson, Timothy Havens, AI -nin işini velosiped sürməyi öyrənməyə bənzədir: "Uşağa sol ayağını sol pedalda bir dairədə, sağ ayağınızı bir dairədə hərəkət etdirməsini söyləmirsiniz ... Onlara təkan verərək velosipedin dik və irəli baxmasını söyləyin: ümumi məqsəd. Bir neçə dəfə yıxılırlar və hər dəfə uğursuz olduqları zaman bacarıqlarını gücləndirirlər "deyir Havens. "Bu, qısaca AI -dir."

Maşın öyrənmə bunu həyata keçirməyin bir yoludur. Müstəqil olaraq öyrənmək və funksiyasını təkmilləşdirmək üçün statistik analizdən istifadə edir, icraçı vitse -prezident və idarə konsaltinqi və Everest Group tədqiqat firmasının görkəmli analitiki Sarah Burnett izah edir.

"[ML], məlumatları təhlil etmək, nümunələri ayırmaq və lazımi nəticələr çıxarmaq üçün müxtəlif alqoritmlərdən istifadə edir" deyən Pace Harmon -dan Baritugo, maşın öyrənmənin proqnozlaşdıran analitik və proqnozlaşdırıcı modelləşdirməni idarə edən bir qabiliyyət olduğunu söyləyir.

Maşın öyrənmə necə işləyir?

Fernandez deyir ki, ML -in bir tərəfi varsa, məlumatların əhəmiyyəti olmalıdır, çünki əksər şöbələrin onu istehsal etməkdə və düzgün idarə olunmaqda və təhlil olunmaqda ondan faydalanmaqda rolu var.

"Gələcəkdə özünüzə daha çox vaxt vermək və maşın öyrənməsindən istifadə edərək daha səmərəli olmaq istəyirsinizsə, işləyərkən yaradan məlumatları və bu məlumatların maşın öyrənməsinin təsir edəcəyi şəkildə necə əldə ediləcəyini və qurulacağını düşünməlisiniz. "Deyə Fernandez məsləhət görür.

Həqiqətən də, bu, digər şöbələrdə maşın öyrənmə haqqında ən azından geniş anlayışa sahib olmaq, uğur şansınızı artıra biləcəyiniz kritik bir sahədir.

SigOpt -dan McCourt deyir: "İnsanlar maşın öyrənməsi haqqında - bəlkə də detallar deyil, ən azından əsas anlayışlar haqqında daha çox şey bilsəydilər, onda ML -in öz -özünə işləmədiyini başa düşərdilər". "Rəhbərlik, quruluş, məlumatlar və vaxt tələb olunur (xüsusən də böyük məlumatların olması halında) və nəticələrin həm inkişaf zamanı, həm də yerləşdirildikdən sonra şərh edilməsi tələb olunur."

Başqalarına, xüsusən də məlumatların əhəmiyyəti baxımından, əsasları anlamağa kömək etmək üçün başqa bir motivasiya: Tam cahillik qərəz və digər məsələlər riskini artıra bilər. Brock deyir: "Maşın öyrənmə alqoritminin nəticələrinə kor -koranə inanmaq asandır, amma nəticələr yalnız alqoritmin öyrədildiyi məlumatlar qədər yaxşıdır".

[AI qərəzliyindən necə qorunmaq olar? Həm də AI qərəzini oxuyun: İT liderlərinin soruşması üçün 9 sual. ]

Nə qədər izah etməyiniz, digər amillər arasında hədəflərinizə və təşkilat mədəniyyətinizə bağlı olacaq. Ancaq insanlara ən azından sürətli bir başlanğıc verməyin əsas səbəbi, şirkətinizdə ML (və əlaqəli olduqda əlaqəli anlayışlar) haqqında geniş bir anlayışın, ehtimal ki, intellektual müvəffəqiyyət şansınızı artıracağı və eyni zamanda gözləntiləri məqbul tutmasıdır.

"ML problemləri həll edə bilər, amma şirkətinizin ML alətlərini qəbul etməsi hər şeyi həll etməyəcək" dedi McCourt. “ML, öz -özlüyündə, sadəcə klasterləşmə, yaxınlaşdırma, təsnifatlaşdırma və ya dizayn prosesidir; ML-in işlədiyi proses haqqında bir az məlumat əldə edərək, daha az texniki insanlar ML-nin ağıllı qərarlar qəbul etmək və ağıllı hərəkətlər etmək üçün tamamilə uğurlu bir prosesin yalnız bir hissəsi olduğunu anlaya bilərlər. "