Машыннае навучанне было адным з найбуйнейшых дасягненняў у гісторыі вылічальнай тэхнікі і ў цяперашні час разглядаецца як магчымасць гуляць важную ролю ў галіне вялікіх дадзеных і аналітыкі. Аналіз вялікіх дадзеных - гэта велізарная праблема з пункту гледжання прадпрыемства. Напрыклад, такія мерапрыемствы, як разуменне вялікай колькасці розных фарматаў дадзеных, аналіз падрыхтоўкі дадзеных і фільтраванне залішніх дадзеных, могуць быць рэсурсаёмістымі. Набор спецыялістаў па вывучэнні дадзеных - гэта дарагая прапанова, а не сродак для дасягнення мэты кожнай кампаніі. Эксперты лічаць, што машыннае навучанне можа аўтаматызаваць многія задачы, звязаныя з аналітыкай - як звычайныя, так і складаныя. Аўтаматызаванае машыннае навучанне можа вызваліць значныя рэсурсы, якія можна выкарыстоўваць для больш складанай і інавацыйнай працы. Машыннае навучанне, здаецца, увесь час рухаецца ў гэтым кірунку.
Аўтаматызацыя ў кантэксце інфармацыйных тэхналогій
У ІТ аўтаматызацыя - гэта злучэнне розных сістэм і праграмнага забеспячэння, якое дазваляе ім выконваць пэўныя задачы без умяшання чалавека. У ІТ аўтаматызаваныя сістэмы могуць выконваць як простыя, так і складаныя заданні. Прыкладам простай працы можа быць інтэграцыя формаў з PDF-файламі і адпраўка дакументаў патрэбнаму атрымальніку, у той час як рэзервовае капіраванне за межамі сайта можа быць прыкладам складанай працы.
Каб правільна выконваць сваю працу, неабходна запраграмаваць або даць выразныя інструкцыі аўтаматызаванай сістэме. Кожны раз, калі аўтаматычная сістэма патрабуецца для змены аб'ёму сваёй працы, праграму або набор інструкцый трэба нехта абнаўляць. Нягледзячы на тое, што аўтаматызаваная сістэма эфектыўная ў сваёй працы, памылкі могуць узнікаць па розных прычынах. Калі ўзнікаюць памылкі, неабходна выявіць і ліквідаваць першапрычыну. Відавочна, што для выканання сваёй працы аўтаматычная сістэма цалкам залежыць ад чалавека. Чым больш складаны характар працы, тым вышэй верагоднасць памылак і праблем.
Распаўсюджаным прыкладам аўтаматызацыі ў ІТ-індустрыі з'яўляецца аўтаматызацыя тэставання вэб-карыстацкіх інтэрфейсаў. Тэсты падаюцца ў сцэнар аўтаматызацыі, і карыстацкі інтэрфейс тэстуецца адпаведна. (Больш падрабязна аб практычным прымяненні машыннага навучання гл. Машыннае навучанне і Hadoop у Выяўленні махлярства наступнага пакалення.)
Аргументам на карысць аўтаматызацыі з'яўляецца тое, што яна выконвае звычайныя і паўтаральныя задачы і вызваляе супрацоўнікаў для выканання больш складаных і творчых задач. Аднак таксама сцвярджаецца, што аўтаматызацыя выключыла вялікую колькасць задач або роляў, якія раней выконваліся людзьмі. Цяпер, калі машыннае навучанне ўваходзіць у розныя галіны, аўтаматызацыя можа дадаць новае вымярэнне.
Будучыня аўтаматызаванага машыннага навучання?
Сутнасць машыннага навучання заключаецца ў здольнасці сістэмы бесперапынна вучыцца на дадзеных і развівацца без умяшання чалавека. Машыннае навучанне здольна дзейнічаць як чалавечы мозг. Напрыклад, механізмы рэкамендацый на сайтах электроннай камерцыі могуць ацаніць унікальныя перавагі і густы карыстальніка і даць рэкамендацыі па найбольш прыдатным прадуктам і паслугам на выбар. Улічваючы такую магчымасць, машыннае навучанне разглядаецца як ідэальнае для аўтаматызацыі складаных задач, звязаных з вялікімі дадзенымі і аналітыкай. Яна пераадолела асноўныя абмежаванні традыцыйных аўтаматызаваных сістэм, якія не дазваляюць рэгулярна ўмяшацца чалавеку. Ёсць мноства тэматычных даследаванняў, якія дэманструюць здольнасць машыннага навучання выконваць складаныя задачы аналізу дадзеных, якія будуць разгледжаны далей у гэтым артыкуле.
Як ужо адзначалася, аналіз вялікіх дадзеных - складаная прапанова для бізнесу, якую можна часткова дэлегаваць сістэмам машыннага навучання. З пункту гледжання бізнесу, гэта можа прынесці мноства пераваг, такіх як вызваленне рэсурсаў навукі аб дадзеных для больш творчых і важных задач, большая нагрузка, меншы час на выкананне задач і эканамічная эфектыўнасць.
Прыклад
У 2015 годзе даследчыкі Масачусецкага тэхналагічнага інстытута пачалі працу над інструментам навукі аб дадзеных, які можа ствараць прадказальныя мадэлі дадзеных з вялікіх аб'ёмаў неапрацаваных дадзеных, выкарыстоўваючы методыку, званую алгарытмамі глыбокага сінтэзу функцый. Навукоўцы сцвярджаюць, што алгарытм аб'ядноўвае лепшыя рысы машыннага навучання. Па словах навукоўцаў, яны пратэставалі яго на трох розных наборах дадзеных і пашыраюць тэставанне, каб уключыць яшчэ больш. У дакуменце, які будзе прадстаўлены на Міжнароднай канферэнцыі па навуцы дадзеных і аналітыцы, даследчыкі Джэймс Макс Кантэр і Калян Веерамачані сказалі: «Выкарыстоўваючы аўтаматызаваны працэс налады, мы аптымізуем увесь шлях без удзелу чалавека, што дазваляе абагульняць яго для розных набораў дадзеных».
Давайце паглядзім на складанасць задачы: алгарытм мае функцыю аўтаматычнай карэкціроўкі, з дапамогай якой можна атрымаць звесткі або значэнні або атрымаць іх з неапрацаваных дадзеных (напрыклад, узросту ці полу), пасля чаго прагназуючыя дадзеныя мадэлі можна ствараць. Алгарытм выкарыстоўвае складаныя матэматычныя функцыі і тэорыю верагоднасцяў пад назвай Гаусава капула. Таму лёгка зразумець ўзровень складанасці, з якім можа справіцца алгарытм. Гэтая тэхніка таксама займала прызавыя месцы ў конкурсах.
Машыннае навучанне можа замяніць хатняе заданне
Ва ўсім свеце абмяркоўваюць, што машыннае навучанне можа замяніць мноства працоўных месцаў, паколькі выконвае задачы з эфектыўнасцю чалавечага мозгу. Насамрэч, ёсць пэўная заклапочанасць тым, што машыннае навучанне заменіць навукоўцаў па дадзеных, і, здаецца, ёсць падстава для такой заклапочанасці.
Для звычайнага карыстальніка, які не валодае навыкамі аналізу дадзеных, але мае розныя ступені аналітычных патрэбаў у паўсядзённым жыцці, нельга выкарыстоўваць камп'ютары, якія могуць аналізаваць велізарныя аб'ёмы дадзеных і прадастаўляць аналітычныя дадзеныя. Аднак метады апрацоўкі натуральнай мовы (NLP) могуць пераадолець гэтае абмежаванне, навучыўшы кампутары прымаць і апрацоўваць натуральную чалавечую мову. Такім чынам, звычайны карыстальнік не мае патрэбы ў складаных аналітычных функцыях або навыках.
IBM лічыць, што патрэба ў навукоўцах па дадзеных можа быць зведзена да мінімуму або ліквідавана праз яе прадукт - платформу аналітыкі натуральнай мовы Watson. Па словах Марка Атшулера, віцэ -прэзідэнта аналітыкі і бізнес -аналітыкі ў Уотсане, «з такой кагнітыўнай сістэмай, як Уотсан, вы проста задаеце сваё пытанне - а калі ў вас няма пытання, вы проста загружаеце свае дадзеныя, і Уотсан можа паглядзець на іх і зрабіце выснову аб тым, што вы хацелі б ведаць. »
Выснова
Аўтаматызацыя-гэта наступны лагічны крок машыннага навучання, і мы ўжо адчуваем наступствы ў паўсядзённым жыцці-сайты электроннай камерцыі, прапановы сяброў у Facebook, прапановы сеткі LinkedIn і рэйтынг пошуку Airbnb. Улічваючы прыведзеныя прыклады, можна не сумнявацца, што гэта можна аднесці да якасці прадукцыі, якую атрымліваюць аўтаматызаваныя сістэмы машыннага навучання. Нягледзячы на ўсе свае якасці і перавагі, ідэя машыннага навучання, якая выклікае велізарнае беспрацоўе, здаецца крыху празмернай. Машыны замяняюць людзей у многіх частках нашага жыцця на працягу многіх дзесяцігоддзяў, але людзі развіваліся і адаптаваліся, каб заставацца актуальнымі ў гэтай галіне. Згодна з меркаваннем, машыннае навучанне пры ўсіх яго парушэннях - гэта яшчэ адна хваля, да якой людзі прыстасуюцца.
Час публікацыі: жнівень-03-2021