Z kursu: Wprowadzenie do sztucznej inteligencji

Wyszukiwanie wzorców w danych

Z kursu: Wprowadzenie do sztucznej inteligencji

Zacznij mój 1. bezpłatny miesiąc Kup dla mojego zespołu

Wyszukiwanie wzorców w danych

“

- W ciągu ostatnich 30 lat systemy uczenia maszynowego stały się dominującą formą sztucznej inteligencji. Dzieje się tak dlatego, że systemy te są wyjątkowo dobrze zaprojektowane do szukania wzorców w ogromnych zbiorach danych. Uczenie maszynowe zostało również wzmocnione dzięki szerokiej dostępności danych cyfrowych. Jeśli chcesz stworzyć program AI do identyfikacji psów, masz teraz dostęp do milionów obrazów. Możesz zasilić swoją sieć i pomóc jej w nauce za pomocą dużej ilości dostępnych danych. Tak samo jest z innymi typami danych. Możesz łatwo uzyskać cyfrowe wideo, audio, obrazy i dokumenty. Jeszcze kilkadziesiąt lat temu uzyskanie nawet kilku tysięcy obrazów cyfrowych byłoby niezwykle trudne. Teraz uzyskanie dostępu do wszelkiego rodzaju danych jest banalnie proste. Pamiętaj, że systemy uczenia maszynowego czerpią z danych, aby uczyć się nowych rzeczy. Im więcej danych wprowadzisz do sieci, tym łatwiej będzie maszynie zidentyfikować wzorce. Pomyśl o systemie, z którego teraz korzystasz. Jest to profesjonalna sieć społecznościowa, która zapewnia szkolenia wideo, użytkownicy oglądają szkolenie za pośrednictwem internetowego odtwarzacza wideo. Ten odtwarzacz wideo zbiera dane o tym, jak często przewijasz do przodu lub jak długo oglądasz, zanim przejdziesz do następnej lekcji. Załóżmy teraz, że odtwarzacz zapisuje te dane dla wszystkich, którzy oglądają filmy. Mogą to być setki tysięcy filmów i miliony użytkowników. To bardzo dużo danych. Żaden człowiek nie byłby w stanie przejrzeć tych wszystkich danych i wyciągnąć z nich jakiekolwiek znaczenie. Ale algorytmy uczenia maszynowego przeglądają te dane i znajdują wzorce. Możesz zobaczyć, które treści są bardziej interesujące dla użytkowników. To jest dokładnie ten rodzaj danych, którego szukało wiele firm. Teraz możesz zobaczyć w czasie rzeczywistym wzorce interakcji klienta z Twoim produktem. Pod wieloma względami dane te mogą powiedzieć bardzo dużo nie tylko o zainteresowaniu klientów, ale także o szerszych trendach w branżach. Dane te mają ogromną wartość. Możesz go użyć do tworzenia nowych produktów dla klientów lub do ulepszania produktów, które już posiadasz. To nie przypadek, że firmy takie jak Google i Microsoft są najbardziej entuzjastycznie nastawione do sztucznej inteligencji. Pod wieloma względami cała ich działalność opiera się na wykorzystaniu maszyn do interpretowania ogromnych zbiorów danych. Tego typu dopasowanie wzorów może być ogromną przewagą konkurencyjną. Ponadto nowsze sztuczne sieci neuronowe pozwalają teraz maszynom znajdować wzorce w jeszcze większych zbiorach danych. Jeszcze kilka dekad temu te wzorce byłyby niezauważalne przy użyciu zwykłych algorytmów uczenia maszynowego. W rzeczywistości jednym z największych wyzwań związanych z uczeniem maszynowym jest to, że ludzie tak naprawdę nie wiedzą, w jaki sposób maszyna identyfikuje te wzorce. To jak skrzynka danych i mocy obliczeniowej. Ludzie po prostu nie mogą przetwarzać danych na tym samym poziomie. Jeśli więc Twoja organizacja uruchamia własny program sztucznej inteligencji, powinna pogodzić się z faktem, że sieć może wyczuwać rzeczy, których ludzie nie są w stanie dostrzec. Dla większości firm może to nie być wyzwaniem, ale może stanowić realny problem w branżach takich jak ubezpieczenia i opieka zdrowotna. Nie chcesz, aby te systemy podejmowały decyzje dotyczące zdrowia i bezpieczeństwa Twoich klientów, których ludzie nie mogą zrozumieć. Sztuczna inteligencja to nie to samo, co ludzka inteligencja i chociaż możemy dojść do tych samych wniosków, zdecydowanie nie przechodzimy przez ten sam proces. Zastanów się, jakiego rodzaju dane zbiera Twoja organizacja. Czy wykorzystują dane do uczenia maszynowego? Jeśli tak, to jakiego rodzaju wzorce identyfikuje maszyna i w jakim celu?

Spis treści