یادگیری ماشین: چگونه رایانه های شخصی "هوشمند" می شوند

مطمئناً همه ما حداقل یک بار در زندگی خود از "هوش مصنوعی" شنیده ایم ، مفهومی که اکنون از طریق کتاب های علمی تخیلی بلکه به طور فزاینده ای از طریق فیلم ها ، مجموعه های تلویزیونی و کانال های تماس "آسان" و اصطلاحات روزمره وارد اصطلاحات روزمره شده است. "مستقیم". برخی از ما اخیراً نام "یادگیری خودکار" را نیز شنیده ایم ، شاید در سخنرانی های مربوط به "شبکه های عصبی" یا "الگوریتم های تصمیم گیری".

اما یادگیری ماشینی چیست و چه ارتباطی با هوش مصنوعی دارد؟

خوب ، یادگیری ماشینی یا یادگیری ماشینی چیزی بیش از یک نوع خاص از هوش مصنوعی نیست که به کامپیوتر توانایی یادگیری نحوه حل مشکلات را می دهد بدون اینکه برای آن منظور به طور خاص برنامه ریزی شده باشد. یعنی کامپیوترها یاد می گیرند چگونه از طریق داده ها رفتار کنند نه (مستقیماً) از کد برنامه. به جای اینکه برای هر فعالیت واحد ، فرایندهای تصمیم گیری خاص از پیش تعیین شده توسط یک برنامه نویس ، نرم افزار یادگیری ماشین داده هایی را که از قبل در اختیار دارد ، در رابطه با مشکلات مشابه تجزیه و تحلیل کند و از تحلیل آماری برای تعریف مدل های مفهومی استفاده کند. سپس ، برای تصمیم گیری یا پیش بینی ، آن مدل ها را روی داده های جدید اعمال کنید. فناوری "پشت" الگوریتم های یادگیری ماشین ، همان اصطلاح "شبکه های عصبی مصنوعی" است که چیزی بیش از یک مدل ریاضی متشکل از "نورون" مصنوعی با الهام از یک شبکه عصبی طبیعی ، در عمل یک مغز است. بدیهی است ، برای اینکه نتایج بدست آمده از الگوریتم های یادگیری ماشین به حداکثر دقت ممکن برسد ، لازم است که مقادیر زیادی داده در دسترس باشد ، که احتمالاً از متنوع ترین منابع است ، به منظور ایجاد یک پایگاه دانش به عنوان گسترده تر ، قادر به مقابله با ، به بهترین روش ، آن موقعیت هایی که هیچ تجربه قبلی بشری وجود ندارد. الگوریتم های یادگیری ماشین برای مدت طولانی وجود داشته است ، اما توانایی اعمال خودکار و سریع محاسبات پیچیده ریاضی لازم برای مقادیر زیادی از داده ها فقط از زمان های اخیر در دسترس است. به محض اینکه قدرت محاسبات کافی شد ، با این وجود ، برنامه هایی که علی رغم شگفتی هایشان ، بخشی از زندگی روزمره ما شده اند یا می شوند ، شکوفا می شوند.

به عنوان مثال، ما:

  • ماشین گوگل، آن اتومبیلی است که خودش رانندگی می کند.
  • نکات آنلاین "هدفمند"، سایتهای آمازون و Netflix؛
  • تشخیص چهره، فن آوری که به فیس بوک (و همچنین دیگران) اجازه می دهد تا هر بار که عکس بر روی نمایه خود ارسال می شود، صورت ها را تشخیص دهد و آنها را به طور خودکار برچسب گذاری کند.
  • هوش اجتماعی، این توانایی تجزیه و تحلیل "محتوای احساسی" (نظر مثبت ، منفی یا خنثی در مورد موضوعات خاص) پست ها و مداخلات در شبکه های اجتماعی و نتیجه گیری است.
  • مأمورین مجازی سیری، کورتانا (و دیگران) در گوشی های هوشمند ما.

چنین کاربردهایی تمام قدرت ، و همچنین سودمندی عملی بسیار زیاد الگوریتم های یادگیری ماشین را آشکار می کند و نشان می دهد که چگونه چنین ابزارهایی در حال حاضر ساخته شده اند ، شاید بدون دانش ما. بخشی ثابت از واقعیت ماست. و هر روز ، بیشتر و بیشتر ، شاهد استفاده های جدیدی هستیم یا می شنویم. و این اغلب گوگل است که از طریق آزمایشگاه های تحقیقاتی و پروژه های نوآورانه خود برنامه های جدیدی پیدا می کند. در ماه فوریه ، او از یک سیستم هوش مصنوعی رونمایی کرد که بر اساس تصاویر "پیکسلی" ، قادر به ایجاد بازسازی نسبتاً قابل اعتمادی از عکس اصلی است. در آوریل ، او اعلام کرد که ترجمه خود به لطف الگوریتم های هوش مصنوعی دقت ترجمه ایتالیایی را بهبود بخشیده است. همچنین در ماه آوریل ، یک پورتال وب راه اندازی کرد که از الگوریتم های یادگیری ماشین برای تفسیر "خط" یا فقط نقاشی های طرح شده از یک شی و "جایگزینی" آنها با نقاشی های دقیق و حرفه ای از همان شی استفاده می کند. اما بهترین ها هنوز فراتر از این نیستند. در واقع ، یادگیری ماشینی ابزاری بسیار قدرتمند است که هنوز قدرت واقعی آن به طور کامل بیان نشده و استفاده های بعدی آن محدود به خدمات تجاری و شرکتی نیست. به لطف تکامل مداوم فناوری و افزایش قدرت محاسبات ، در واقع ، یادگیری ماشین به زودی قادر خواهد بود از یک ابزار تجزیه و تحلیل به ابزاری برای کشف و نوآوری تبدیل شود و به طور فزاینده ای در بخش هایی مانند تحقیق و تحقیق نقش اصلی را بازی کند. علوم پایه. به طور خلاصه ، الگوریتم هایی که از یادگیری ماشینی بهره می گیرند قادر خواهند بود دقیقاً همان کاری را انجام دهند که دانشمندان و مخترعین اکنون انجام می دهند ، اما بهتر و سریعتر. امید این است که روزی نرم افزار در حال حاضر مسائل لاینحل را حل کند. به عنوان مثال ، امید این است که بتوانیم یک ماشین یادگیری هوشمند بسازیم تا جایی که به آن اجازه دهیم از الگوریتم های خود برای یافتن درمان بیماری هایی مانند سرطان یا ایدز استفاده کند. آینده احتمالاً شگفت آور خواهد بود ، از طرقی که شاید امروز حتی قادر به تصور آن نیستیم.

توسط جیووانی کالرزانو

یادگیری ماشین: چگونه رایانه های شخصی "هوشمند" می شوند