Люди по своей природе любознательные существа, которые стараются сделать все возможное, чтобы облегчить себе жизнь. И за эти годы было много достижений как в технологиях, которые мы используем, так и в образе жизни, который у нас есть.
Что такое машинное обучение?
«Машины» — это в основном инструменты, которые помогают нам сократить человеческий труд, верно? И человечество зашло так далеко, что мы практически окружены машинами в аспекте нашей жизни.
А теперь задумайтесь, а что, если вместо того, чтобы строить новую машину для каждой задачи, мы создадим машину, которая может научиться выполнять каждую задачу? Для меня это звучит как сон. Как вы к этому относитесь ?
Не существует формального определения машинного обучения, но мне нравится определять его следующим образом:
Машинное обучение на сегодняшний день является наиболее эффективным методом сокращения человеческого труда.
Что вы думаете об этом ?
Но давайте теперь определим это более формально: машинное обучение — это просто программа, которая может учиться на собственном опыте и постоянно улучшать свою производительность, приобретая все больше и больше опыта.
Какие существуют типы машинного обучения?
- Контролируемое машинное обучение: в задачах машинного обучения этого типа нам предоставляются наборы данных, которые уже содержат функции и «правильные ответы», которые затем используются для создания/обучения модели для выполнения задачи прогноз или классификация будущих данных.
- Неконтролируемое машинное обучение: здесь у вас нет никакой информации о наборе данных, но ваша модель все равно должна найти закономерности или, если быть более точным, кластеры в заданных данных.
- Обучение с подкреплением
- Полуконтролируемое обучение
Почему ML/AI растет такими поразительными темпами?
Мы обсудили типы проблем с машинным обучением, и поэтому у вас есть общее представление о том, что задачи машинного обучения разнообразны, а его приложения огромны.
Приложения:
1. Возможности социальных сетей
2. Рекомендации по продукту
3. Распознавание изображений
4. Анализ настроений
5.Охрана морской дикой природы
6. Диагностика заболеваний и недугов
7.Банковский домен
8.Автоматизация контроля доступа сотрудников
и т. д.
Вы заметили, что все приложения относятся к разным полям?
И они были реализованы только в последние годы, поэтому говорят, что ML/AI обладает бесконечным потенциалом для нашего будущего развития.
Но все ли это просто вкусняшки?
Конечно нет, у ml/ai есть свои недостатки, самые очевидные из них:
- Время и ресурсы
- Вычислительно очень дорого
- Огромные объемы данных
- Базовые знания, используемые для обучения алгоритма
И одна из самых неотложных проблем — это проблема выбросов углерода при реализации моделей мл , и у меня есть отдельная статья по этому поводу , так что обязательно ознакомьтесь с ней в моем профиле.
Почему люди обеспокоены тем, что ML/AI нанесет вред будущему человечества?
ИИ, как и другие вещи, разделил людей на две категории: одни верят, что ИИ необходим для развития человечества, а другие выступают против и опасаются, что ИИ приведет к… ну, так сказать, гибели человечества.
Я уже говорил об этом раньше, у ИИ бесконечный потенциал, но я никогда не упоминал, что этот потенциал был «хорошим» для нас.
«Безграничный» потенциал ИИ также можно использовать, и число случаев, свидетельствующих о том, что он используется, увеличивается.
Например: Преступники используют фальшивый голос ИИ, чтобы выманить у банка ОАЭ 35 миллионов долларов.
Этот пост дает вам общее представление о том, что ИИ может быть очень опасным, но, опять же, без риска человечество не продвинется вперед.
Следуйте этике искусственного интеллекта и ответственному искусственному интеллекту.
Я надеюсь, что эта статья дойдет до широкого круга читателей и предоставит им хорошую точку зрения на ИИ.