Nid yw cyfrifiaduron yn cymryd drosodd ond maen nhw'n mynd yn fwy deallus bob dydd
Yn y termau symlaf, mae dysgu peiriannau (ML) yn rhaglennu peiriannau (cyfrifiaduron) fel y gall gyflawni tasg gofynnol trwy ddefnyddio a dadansoddi data (gwybodaeth) i gyflawni'r dasg honno'n annibynnol, heb fewnbwn penodol ychwanegol gan ddatblygwr dynol.
Dysgu Peiriant 101
Cafodd y term "dysgu peiriannau" ei gansio yn y labordai IBM ym 1959 gan Arthur Samuel, arloeswr mewn cudd-wybodaeth artiffisial (AI) a gemau cyfrifiadurol. Mae dysgu peiriant, o ganlyniad, yn gangen o Gudd-wybodaeth Artiffisial. Roedd Samuel yn bwriadu troi'r model cyfrifiadurol o'r amser wrth gefn ac yn rhoi'r gorau i roi cyfrifiaduron i bethau i'w dysgu.
Yn lle hynny, roedd am i gyfrifiaduron ddechrau dod o hyd i bethau ar eu pen eu hunain, heb fod yn rhaid i bobl gyfrannu hyd yn oed y rhan fwyaf o wybodaeth. Yna, meddai, ni fyddai cyfrifiaduron yn cyflawni tasgau yn unig, ond yn y pen draw, gallant benderfynu pa dasgau i'w cyflawni a phryd. Pam? Felly, gallai cyfrifiaduron leihau faint o waith y mae angen i bobl ei berfformio mewn unrhyw ardal benodol.
Sut mae Dysgu Peiriannau'n Gweithio
Mae dysgu peiriannau'n gweithio trwy ddefnyddio algorithmau a data. Mae algorithm yn gyfres o gyfarwyddiadau neu ganllawiau sy'n dweud wrth gyfrifiadur neu raglen sut i gyflawni tasg. Mae'r algorithmau a ddefnyddir yn ML yn casglu data, yn adnabod patrymau, ac yn defnyddio dadansoddiad o'r data hwnnw i addasu ei raglenni a'i swyddogaethau ei hun i gwblhau tasgau.
Mae algorithmau ML yn defnyddio setiau rheol, coed penderfynu, modelau graffigol, prosesu iaith naturiol, a rhwydweithiau nefol (i enwi rhai) i awtomeiddio data prosesu i wneud penderfyniadau a pherfformio tasgau. Er bod ML yn bwnc cymhleth, mae Peiriant Teachable Google yn darparu arddangosiad ymarferol syml o sut mae ML yn gweithio.
Mae'r math mwyaf pwerus o ddysgu peiriannau sy'n cael ei ddefnyddio heddiw, a elwir yn ddysgu dwfn , yn adeiladu strwythur mathemategol gymhleth o'r enw rhwydwaith nefolol, yn seiliedig ar nifer helaeth o ddata. Mae rhwydweithiau niwclear yn set o algorithmau yn ML ac AI wedi'u modelu ar ôl y ffordd y mae celloedd nerfau yn yr ymennydd dynol a'r wybodaeth ar broses y system nerfol.
Cudd-wybodaeth Artiffisial vs. Peiriant Dysgu yn erbyn Mwyngloddio Data
Er mwyn deall y berthynas rhwng AI, ML, a mwyngloddio orau, mae'n ddefnyddiol meddwl am set o ymbareliau o faint gwahanol. AI yw'r ambarél mwyaf. Mae'r ambarél ML yn faint llai ac mae'n cyd-fynd o dan ymbarél AI. Ymbarél mwyngloddio data yw'r lleiaf ac mae'n cyd-fynd o dan ymbarél ML.
- Mae AI yn gangen o gyfrifiaduron sy'n anelu i raglennu cyfrifiaduron i gyflawni tasgau mewn ffyrdd mwy "deallus" a "dynol", gan ddefnyddio technegau rhesymu a gwneud penderfyniadau wedi'u modelu ar ôl cudd-wybodaeth ddynol.
- Mae ML yn gategori o gyfrifiadureg o fewn AI sy'n canolbwyntio ar beiriannau rhaglennu (cyfrifiaduron) i ddysgu (casglu data neu enghreifftiau angenrheidiol) i wneud penderfyniadau sy'n cael eu gyrru gan y data, yn ddeallus mewn modd mwy awtomataidd.
- Mae cloddio data yn defnyddio ystadegau, ML, AI, a chronfeydd data enfawr o wybodaeth i ddod o hyd i batrymau, darparu mewnwelediadau, creu dosbarthiadau, nodi problemau, a darparu dadansoddiadau data manwl.
Pa Peiriant Dysgu Gall ei wneud (ac Eisoes Ydy)
Mae'r gallu i gyfrifiaduron i ddadansoddi llawer iawn o wybodaeth mewn ffracsiynau o ail yn gwneud ML yn ddefnyddiol mewn nifer o ddiwydiannau lle mae amser a chywirdeb yn hanfodol.
- Meddygaeth: Mae technoleg ML yn cael ei weithredu mewn ystod o atebion ar gyfer y maes meddygol, gan gynnwys helpu meddygon adran brys gyda diagnosis cyflymach o gleifion â symptomau anarferol. Gall meddygon enwebu rhestr o symptomau'r claf i'r rhaglen a defnyddio ML, gall y rhaglen sgillio trilliynau o therabytes o wybodaeth o lenyddiaeth feddygol a'r rhyngrwyd i ddychwelyd rhestr o ddiagnosis posibl a phrofi neu driniaeth a argymhellir yn ystod amser cofnod.
- Addysg: Defnyddir ML i greu offer addysgol sy'n addasu eu hunain i anghenion dysgu'r myfyriwr, megis cynorthwywyr dysgu rhithwir a gwerslyfrau electronig sy'n fwy rhyngweithiol. Mae'r offer hyn yn defnyddio ML i ddarganfod pa gysyniadau a sgiliau y mae'r myfyriwr yn eu deall gan ddefnyddio cwisiau byr ac ymarferion ymarfer. Yna, mae'r offer yn darparu fideos byr, enghreifftiau ychwanegol a deunydd cefndir i helpu'r myfyriwr i ddysgu'r sgiliau neu'r cysyniadau sydd eu hangen.
- Modurol: mae ML hefyd yn elfen allweddol yn y maes ceir hunan-yrru sy'n dod i'r amlwg (a elwir hefyd yn geir llai gyrrwr neu geir awtomatig). Mae'r meddalwedd sy'n gweithredu ceir hunan-yrru'n defnyddio ML yn ystod profion ffordd ac efelychiadau ffordd go iawn i ganfod amodau'r ffordd (megis ffyrdd rhewllyd) neu nodi rhwystrau yn y ffordd a dysgu tasgau gyrru priodol i lywio sefyllfaoedd o'r fath yn ddiogel.
Rydych chi wedi debygol o ddod ar draws ML sawl gwaith heb sylweddoli hynny. Mae rhai o'r defnyddiau mwyaf cyffredin o dechnoleg ML yn cynnwys adnabod lleferydd ymarferol ( Samsung's Bixby , Apple's Apple, a llawer o raglenni siarad-i-destun sydd bellach yn safonol ar gyfrifiaduron personol), hidlo sbam ar gyfer eich e-bost, meithrin porthiadau newyddion, canfod twyll, personoli argymhellion siopa, a darparu canlyniadau chwilio gwe effeithiol yn fwy effeithiol.
Mae ML hyd yn oed yn rhan o'ch bwydiadur Facebook . Pan fyddwch chi'n hoffi neu glicio ar swyddi cyfaill yn aml, mae'r algorithmau a'r ML y tu ôl i'r llenni "yn dysgu" o'ch gweithredoedd dros amser i flaenoriaethu rhai ffrindiau neu dudalennau yn eich Newsfeed.
Yr hyn y gall Dysgu Peirianydd ei wneud
Fodd bynnag, mae yna gyfyngiadau i'r hyn y gall ML ei wneud. Er enghraifft, mae defnyddio technoleg ML mewn gwahanol ddiwydiannau yn gofyn am lawer iawn o ddatblygiad a rhaglennu gan bobl i arbenigo rhaglen neu system ar gyfer y mathau o dasgau sy'n ofynnol gan y diwydiant hwnnw. Er enghraifft, yn ein enghraifft feddygol uchod, datblygwyd y rhaglen ML a ddefnyddir yn yr adran frys yn benodol ar gyfer meddygaeth ddynol. Nid yw'n bosibl cymryd yr union raglen honno ar hyn o bryd a'i weithredu'n uniongyrchol mewn canolfan argyfwng milfeddygol. Mae pontio o'r fath yn gofyn am arbenigedd a datblygiad helaeth gan raglenwyr dynol i greu fersiwn sy'n gallu gwneud y dasg hon ar gyfer meddyginiaeth filfeddygol neu anifeiliaid.
Mae hefyd yn gofyn am lawer iawn o ddata anhygoel ac enghreifftiau i "ddysgu" y wybodaeth sydd ei hangen arno i wneud penderfyniadau a pherfformio tasgau. Mae rhaglenni ML hefyd yn llythrennol wrth ddehongli data a chael trafferth gyda symbolaeth a hefyd rhai mathau o berthynas o fewn canlyniadau data, megis achos ac effaith.
Fodd bynnag, mae datblygiadau parhaus yn gwneud ML yn fwy o dechnoleg graidd gan greu cyfrifiaduron mwy craff bob dydd.