211service.com
Vad är maskininlärning?
Vad är maskininlärning? Karen Hao
Maskininlärningsalgoritmer är ansvariga för den stora majoriteten av de framsteg och tillämpningar av artificiell intelligens du hör om. (För mer bakgrund, kolla in vårt första flödesschema om 'Vad är AI?' här.)
Vad är definitionen av maskininlärning?
Maskinlärande algoritmer använder statistik för att hitta mönster i enorma* mängder data. Och data, här, omfattar många saker – siffror, ord, bilder, klick, vad har du. Om det kan lagras digitalt kan det matas in i en maskininlärningsalgoritm.
Maskininlärning är den process som driver många av de tjänster vi använder idag – rekommendationssystem som de på Netflix, YouTube och Spotify; sökmotorer som Google och Baidu; sociala medier som Facebook och Twitter; röstassistenter som Siri och Alexa. Listan fortsätter.
I alla dessa fall samlar varje plattform in så mycket data om dig som möjligt – vilka genrer du gillar att titta på, vilka länkar du klickar på, vilka statuser du reagerar på – och använder maskininlärning för att göra en välutbildad gissning om vad du kanske vill nästa. Eller, i fallet med en röstassistent, om vilka ord som passar bäst med de roliga ljuden som kommer ut ur munnen.
Uppriktigt sagt är denna process ganska grundläggande: hitta mönstret, applicera mönstret. Men det styr ganska mycket världen. Det är till stor del tack vare en uppfinning 1986, med tillstånd av Geoffrey Hinton, idag känd som djupinlärningens fader.
Vad är djupinlärning?
Deep learning är maskininlärning på steroider: den använder en teknik som ger maskiner en förbättrad förmåga att hitta – och förstärka – även de minsta mönstren. Denna teknik kallas ett djupt neuralt nätverk – djupt eftersom det har många, många lager av enkla beräkningsnoder som arbetar tillsammans för att mumsa igenom data och leverera ett slutresultat i form av förutsägelsen.
Vad är neurala nätverk?
Neurala nätverk var vagt inspirerade av den mänskliga hjärnans inre funktioner. Noderna är ungefär som neuroner, och nätverket är ungefär som själva hjärnan. (För de forskare bland er som kryper åt den här jämförelsen: Sluta puh-puh-analogin. Det är en bra liknelse.) Men Hinton publicerade sin genombrottsartikel vid en tidpunkt då neurala nät hade fallit ur modet. Ingen visste riktigt hur man tränade dem, så de gav inte bra resultat. Det tog nästan 30 år för tekniken att göra comeback. Och pojke, gjorde det en comeback.
Vad är övervakat lärande?
En sista sak du behöver veta: maskininlärning (och djup) finns i tre varianter: övervakad, oövervakad och förstärkning. Vid övervakad inlärning, den vanligaste, är data märkta för att tala om för maskinen exakt vilka mönster den ska leta efter. Se det som en snifferhund som jagar mål när den väl känner till doften den är ute efter. Det är vad du gör när du trycker på play på ett Netflix-program - du säger åt algoritmen att hitta liknande program.
Vad är oövervakat lärande?
Vid oövervakat lärande har data inga etiketter. Maskinen letar bara efter vilka mönster den kan hitta. Det här är som att låta en hund lukta massor av olika föremål och sortera dem i grupper med liknande lukter. Oövervakade tekniker är inte lika populära eftersom de har mindre uppenbara tillämpningar. Intressant nog har de fått draghjälp inom cybersäkerhet.
Vad är förstärkningsinlärning?
Slutligen har vi förstärkningsinlärning, den senaste gränsen för maskininlärning. En förstärkningsalgoritm lär sig genom försök och misstag för att uppnå ett tydligt mål. Den prövar många olika saker och belönas eller straffas beroende på om dess beteenden hjälper eller hindrar den från att nå sitt mål. Det är som att ge och undanhålla godsaker när man lär en hund ett nytt trick. Förstärkningsinlärning är grunden för Googles AlphaGo, programmet som slog de bästa mänskliga spelarna i det komplexa spelet Go.
Det är allt. Det är maskininlärning. Kolla nu in flödesschemat ovan för en sista sammanfattning.
*Obs: Okej, det finns tekniskt sätt att utföra maskininlärning på små mängder data, men du behöver vanligtvis stora högar av det för att uppnå bra resultat.
___
Detta dök ursprungligen upp i vårt AI-nyhetsbrev The Algorithm. För att få den direkt levererad till din inkorg, prenumerera här gratis.