기계 학습 : 그것이 무엇이며 AI와의 관계는 무엇입니까?

오늘 우리는 당신에게 우리가 알고있는 일부 상호 작용에 혁명을 일으켰고 혁명을 일으킨 용어 중 하나를 더 깊이 가르치고 자합니다. 우리는 인공 지능 과 가장 구체적인 지점, 기계 학습 또는 자동 학습 에 대해 이야기하고 있습니다.

아시다시피, 컴퓨팅은 항상 끊임없이 발전하고 있으며 우리가 구입할 수있는 것은 일반적으로 최첨단이 아닙니다.

예를 들어, 우리가 4 세대 PCI-Express를 개발 하는 동안 연구원들은 이미 PCIe Gen 5를 개발 하고 6으로 의 점프를 연구하고 있습니다. 이와 같은 이유로, 우리가 들어 본 적이없는 작업을 수행하지 못했던 기술을 찾는 것은 드문 일이 아닙니다.

그러나 더 나아 가기 전에 머신 러닝 이란 무엇인가 에 대해 이야기 할 주제를 좁히겠습니다 .

목차 색인

머신 러닝 이란 무엇입니까?

기계 학습 은 자동 학습 이 가능한 시스템 이 만들어지는 컴퓨터 과학 및 인공 지능 의 특정 분야 입니다 .

이 지점은 80 년대 경에 연구 개발을 시작했으며 현재는 상당히 발전되어 있습니다. 같은 이유로 인공 지능 과 머신 러닝 은 많은 과학 및 일상 분야에서 사용 됩니다.

이 지점에서 AI 는 많은 양의 데이터를 처리하고 그에 따라 학습 할 수있는 하나 이상의 알고리즘으로 구성됩니다. 이 주제에 관한 두 가지 핵심 아이디어는 다음과 같습니다.

• 시스템은 데이터를 분석하고 태어날 때 없었던 기술을 구축 할 수 있어야합니다 . 정보 는 자율적으로, 즉 사람의 감독없이 작업 을 수행 할 수 있어야합니다.

실제 이메일에는 스팸 분류, 아마존 관련 권장 사항 또는 회사 데이터를 사용한 미래 예측 과 같은 실제 사례 가 있습니다. 후자는 점점 더 많은 회사가 베팅하고 있는 흥미로운 섹션입니다 .

기계 학습 을 사용하여 불만족 된 고객 또는 기존 고객 을 식별 하여 동일한 상태의 다른 사용자와의 관계를 개선하려는 패턴을 확인할 수 있습니다. 특정 프로필 을 만들기 위해 연수, 불만 건수, 계약 계획 및 기타 사항을 연구합니다 . AI의 결론이 도출되면 마케팅 전문가 그룹이 이러한 문제를 해결하기 위해 특정 캠페인을 만들 수 있습니다.

따라서 회사는 특정 가정을 기반으로 고객 을 유치하거나 유지 하기 위한 계획을 수립하고 사후 대응 전략에서 사전 전략으로 진행할 수 있습니다 . 인공 지능 , 많은 양의 데이터 및 기계 학습 을 사용하는 것은 매우 흥미로운 전술입니다.

인공 지능 은 어떻게 훈련됩니까?

인공 지능을 준비하려면 다른 단계를 거쳐야합니다.

1. 먼저 통제 된 환경을 통과 합니다. 여기 에 아이디어 간의 관계를 만들 수 있는 많은 양의 데이터와 해당 결과가 입력 됩니다. 이 부분을 지도 학습 이라고 합니다. 그런 다음 AI 자체가 결과를 선택해야하는 응답이없는 무료 환경 에 들어갑니다. 답이 맞는지 아닌지를 알고 알고리즘에 새로운 규칙 을 만듭니다. 이 단계를 비지도 학습 이라고 합니다. 마지막으로, 그가 흔들리는 환경이 그를 위해 준비되었습니다 . 예를 들어, 광도가 낮은 이미지를 구별하기 어려운 경우 야간 사진을 익힐 수 있습니다. 이 단계를 강화 학습 이라고 합니다. 인텔리전스 를 미세 조정하려는 경우 2 단계부터 프로세스를 여러 번 수행 할 수 있습니다 .

머신 러닝에 대한 일반화 된 계획

실용적인 예는 AI 천만 장의 사진을 보여주고 개와 개가 아닌 사진을 알려주는 것 입니다. 여기서 그는 개가 보통 모피를 가지고 있고, 보통 다리가 4 개이며 품종에 따라 모양과 크기가 다르다는 것을 언급합니다.

그 후, 그는 분류 할 백만 장의 사진 을 받았습니다 . 여기서 사진에 개가 있는지 여부와 데이터베이스에 새 '아이디어' 를 만들지 여부에 따라 대답해야합니다. 이 새로운 데이터를 구현하기 위해 인텔리전스는 알고리즘에 새로운 규칙을 설정하고 이제 예를 들어 개와 고양이를 구별 할 수 있습니다.

마지막으로 그의 효율성을 연구 하고 그의 약점을 훈련시키기 위해 새로운 사진을 준비 합니다.

물론 이것은 시연을위한 간단하고 매우 반복적 인 시스템이지만 다른 실험적이고 독특한 방법이 있습니다.

트위터 봇 Tay

최근 실험 훈련 사례 는 인간이 스스로 표현 하는 법을 배우기 위해 Microsoft에서 개발 한 AI 인 Tay 였습니다 .

테이의 트위터 프로필

봇은 처음 에 19 살짜리 소녀로 말하도록 프로그램되었고 2016 년 3 월 23 일, 그녀 는 트위터 의 어두운 곳에서 풀려났습니다 .

커뮤니티와 대화하고 수신 한 메시지 와 사용자와의 상호 작용을 통해 배우도록 프로그램되었습니다. 그녀는 부정적인 행동을 보이기 위해 16 시간 후에 철회해야 했지만, 거의 완전히 자율적 인 학습을 했다.

그는 짧은 기간 동안 96, 000 개 이상의 트윗을 트윗했습니다. 그러나이 소셜 네트워크의 의도적 인 공격적 행동으로 인해 Tay 는 인종 차별 및 기타 문구에 신속 하게 대응할 수있었습니다.

이 경우 지도 학습 과 일련의 기본 규칙 이 정식으로 개정 되어야합니다 . Tay 는 소셜 네트워크의 평온하고 공격적인 어조를 알기 때문에 실제와 냉소를 구별 할 준비가되지 않았습니다. 같은 이유로 일부 사용자는 지능 의 "지적 장벽" 을 쉽게 "파괴" 했습니다.

실제 기계 학습 응용 프로그램

우리는 이미 기계 학습 에 대해 이미 알고 있었지만 다른 사례가 무엇인지 매일 사용하는 것에 대해 이야기했습니다 .

다음은 가장 일반적인 문제 에서이 기술 의 실제 적용 사례를 보여 줍니다. 물론, 그들은 최첨단 솔루션이므로 일반적으로 상당히 많은 돈이 필요합니다.

건강

우리 몸에 관한 정보를 읽을 수 있는 새로운 유형의 의복에 대한 기술이 연구되고 있습니다. 맥박, 호흡 또는 불안 을 읽을 수 있습니다 .

이러한 데이터는 환자의 상태를 실시간으로 평가하는 인텔리전스에서 읽 습니다. 따라서 특정 시간에 심장 마비와 같은 문제가있는 경우 더 빨리 진단 및 / 또는 반응 할 수 있습니다.

반면 자살 사고 를 감지 할 수있는 일부 봇 은 일부 사람들에게 구현되었습니다. 유명한 Facebook Intelligence 는 자살 경향의 패턴을 인식하기 위해 대화와 활동을 읽지 만 사람의 행동, 목소리 톤 및 신체 언어에 대해 더 자세히 연구하는 다른 버전이 있습니다.

재원

경제학에서 일부 은행과 회사는 기계 학습 기반 솔루션 을 사용하여 사기를 감지하고 방지했습니다.

반면에 투자 기회 를 보다 쉽게 ​​식별 하기 위해 비슷한 것이 사용됩니다 . 또한 주식 및 기타 수단의 판매 또는 구매시기를 결정하는 데 사용됩니다.

마케팅

우리는 이미 언급했지만 가장 잘 알려진 응용 프로그램 중 하나입니다.

아마존 에서 몇 가지 제품을보고 Facebook, Google 또는 Instagram에 들어가서 해당 제품 만 광고에서 볼 수 있습니다. 소셜 네트워크와 Google 은 사용자의 역사와 가능한 관심사 를 연구하여 정보 를 캡처 할 수있는 인텔리전스 를 구현하므로 우연의 일치는 아닙니다.

일부 사용자는 사용자 를 '공격' 하는 데 방해가되는 방식으로 보고 있으며, 아이디어로 사용자를 공격하기 때문에 놀라운 것은 아닙니다. 그러나 광고는 보다 개인적이고 광고는 잠재 구매자를 대상 으로하므로 그 방향으로 이동 합니다.

기계 학습 및 딥 러닝

이 두 용어는 대개 서로 밀접한 관련이 있지만 정확히 동일하지는 않습니다. 앞으로의 기사에서 우리는이 두 번째 용어에 대해 이야기 할 것입니다. 왜냐하면 그것이 배울 가치 가 있기 때문입니다 .

AMD 드라이버를 깨끗하고 쉽게 제거하는 방법

일반적으로 우리는 인공 지능 과 머신 러닝이 가지고있는 머신 러닝 과 딥 러닝 사이의 관계를 설정할 수 있습니다 . 딥 러닝 은 머신 러닝 의 더욱 구체적인 분야입니다.

시간과 경험에 따른 진화 와 같은 주요 부분을 공유하지만 다른 일련의 차이점이 있습니다.

단순화 된 딥 러닝

데이터를 학습하고 처리하기위한 기초는 마치 뉴런처럼 행동하는 다른 레이어 를 사용하는 것입니다. 따라서 이러한 인텔리전스 가 일반적으로 더 정교하지만 구축하기가 더 복잡하고 비용이 많이 든다는 것을 알 수 있습니다.

이 주제에 더 관심이 있다면 웹 사이트를 계속 시청하고 딥 러닝 에 대한 다음 기사를 방문하십시오 .

스카이 넷 에서 얼마나 멀어요?

가장 꿈꾸는 마음을위한 이 섹션이 있습니다.

이것은 책, 영화 및 기타에서 매우 반복되는 주제 입니다. Cyberpunk 라는 장르 나 테마는 없습니다. 그러나 인공 지능에 의해 제어되는 미래 지향적 디스토피아와는 거리가 멀지 만 우리 기계는 아직 갈 길이 멀다.

Rick & Morty의 스마트 로봇

오늘날의 머신 러닝 시스템 은 ' 약한 AI' 그룹에 속합니다 . 우리가 보았 듯이, 이러한 지능 은 패턴을 이해하고 간단한 추론을 할 수 있습니다. 특정 상황에서 우리를 지원하는 데 매우 유용하지만 자율 시스템이 아닙니다.

반면에 우리는 인간과 같거나 훨씬 지능적인 미래 스토리에 표현되는 '강력한 AI' 를 갖게 될 것입니다. 'Matrix' , 'Terminator' , 'Ghost in the Shell'또는 'Halo' 와 같은 대중 문화에서 주목할만한 예를 찾을 수 있습니다. 사실, 이 목록에는 서로 관련된 두 가지 작품이 있습니다. 어느 쪽을 추측?

오늘날 우리는 여전히 완전히 자율적이고 안전한 자동차를 개발 하고 있습니다. 우리는 지속적으로 발전하고 있지만 여전히 기술로 만들어진 동등한 사실 을 개발할 방법 이 있습니다.

그것에 대해 더 알고 싶다면 인공 지능 에 관한 기사를 방문하십시오 . 보다 일반적인 관점의 텍스트이며이 기술이 가져올 수있는 파급 효과를 조금 연구합니다.

기계 학습 에 대한 최종 단어

인공 지능 에 대한 결론과 마찬가지로 미래는 불확실합니다. 그러나 기술과 기술 중에서 기술 을 구현 하기 위해서는 진화를 검토해야 할 필요가있다 .

조금씩 인터넷 은 프로그램과 알고리즘에 의해 점점 더 잘 통제 될 것입니다. 소셜 네트워크는 더 잘 교정되고 취향에 따라 더 많은 컨텐츠를 제공 할 것입니다. 마지막 으로 사기 등의 위험이있을 때 더 쉽게 탐지 함으로써 온라인 관계가 훨씬 더 안전해질 것입니다.

한편, 이 세기가 IoT (Internet of Things)가 빛날 때라 는 사실에 놀라지 마십시오 . 우리가 오랫동안 꿈꿔 왔고 점점 가까워지고 있다는 생각입니다. 또한 IoT 는 머신 러닝 과 관련된 최첨단 기술을 많이 사용하지만 여전히 보안 관련 조정 이 부족 합니다.

우리는 그것이 점진적인 진화가 될 것이라고 생각하며, 당신 이 무슨 일이 일어나고 있는지에 관해 알기 만하면 두려워 할 것이 없습니다. 새 차나 냉장고가 이상하게 들릴지 모르지만 확실히 '강력한 AI' 가 깨어날 것이라고는 생각하지 않습니다 .

시장에서 가장 좋은 노트북을 읽는 것이 좋습니다

마지막으로 우리는 인공 지능 또는 기계 학습 전문가가 아니라고 고백해야하므로 이상한 데이터에 놀라지 마십시오. 우리가 실수를했다면 주저하지 말고 알려주십시오! 결국, 우리는 아직 완벽한 기계는 아닙니다.

기계 학습 과 인공 지능에 대해 어떻게 생각하십니까? 어떤 측면에서 구현해야한다고 생각하십니까? 아래에 아이디어를 공유하십시오.

Clever Dataapdsaslagacetawhatsnew 글꼴