რა არის მანქანური სწავლება

მანქანებს შეუძლიათ ვისწავლოთ. ნუ ეს გაგაფხიზლებთ აპოკალიფსური ხედვებით სამყაროზე, რომელშიც დომინირებენ რობოტები, რომლებმაც მონობა ან განადგურება მოახდინეს ადამიანების მიერ „ძალიან ბევრი რამის სწავლის“ შემდეგ. მოდით, ნუ გადავახვევთ.

მანქანა სწავლა შედგება კომპიუტერული დისციპლინისაგან, რომელშიც და ხელოვნური ინტელექტის ალგორითმების საშუალებით, კომპიუტერული სისტემები შეუძლიათ ადამიანის სწავლის პროცესის სიმულაცია, სიტუაციების გადაჭრა და გამოწვევები, რომელთათვისაც ისინი არ იყვნენ დაპროგრამებული ადრე

ისტორიულად, კომპიუტერებს ვერაფერი გაუკეთეს, გარდა იმისა, რისი გაკეთებაც დააპროგრამეს. მაგრამ ტექნიკაში ენერგიის თანდათანობითი ზრდა საშუალებას აძლევს მათ შემდგომი წაყვანა, თან ახლავს ალგორითმები პროგრამული უზრუნველყოფა

როგორ შეუძლია მანქანას სწავლა?

კომპიუტერული სისტემის სწავლის პროცესი ხორციელდება დიდი რაოდენობით მონაცემთა ანალიზის საფუძველზე.

პროგრამული უზრუნველყოფის გაკეთება, ზოგადად, არის მონაცემთა ანალიზის პროგნოზირების მოდელების აგება, თუმცა არ შეცვლის საკუთარ თავს პროგრამირება, რაღაც, რისთვისაც მანქანები ჯერ მზად არ არის.

ამასთან, კონცეპტუალური გზით შეგვიძლია განვიხილოთ, რომ შენობა მოდელების შესახებ, რომლებზეც უნდა იმოქმედონ, ეს არის მისი საბაზისო პროგრამირების ერთგვარი მოდიფიკაცია, თუმცა ეს დონეზე კოდი წყარო ნამდვილად არ არის ასეთი.

მანქანური სწავლება არის ხელოვნური ინტელექტის დისციპლინის განშტოება.

დასასრულებლად მოდით დავაყენოთ მანქანური სწავლების გამოყენების რამდენიმე მაგალითი, დაწყებული საფონდო ბირჟაზე ინვესტირების სისტემით.

ამ ერთს შეუძლია გააანალიზოს საფონდო ფასების ზრდა და დაცემა, ისე, რომ წინასწარ არ იყო დაპროგრამებული გარკვეული სცენარის პროგნოზირებისთვის, დიდი რაოდენობით ანალიზის საშუალებით ფაქტორები (სხვა კომპანიების აქციების ფასები, ბაზრის მოსვლა და გასვლა, ინვესტიციები სხვების მიერ გაკეთებული, ...), შეგიძლიათ გამოთვალოთ როდის უფრო ხელსაყრელი იქნება გარკვეული ფასიანი ქაღალდების ყიდვა ან / და გაყიდვა.

და, რაც ამ სისტემებში ჩვეულებრივ უფრო მნიშვნელოვანია, არის ის, რომ მათ შეძლონ გააანალიზონ საკუთარი შესრულება და "ისწავლონ" თავიანთი წარმატებებისა და შეცდომებისგან, "გააუმჯობესონ" თავიანთი "შესრულება" დროთა განმავლობაში.

სინამდვილეში, მე ეს მაგალითი არ ავირჩიე იმიტომ, რომ დღეს ბირჟაზე ოპერაციების უმეტესი ნაწილი ხორციელდება ამ ტიპის კომპიუტერული პროგრამებით.

ჩვენ შეგვიძლია დატკბეთ მანქანური სწავლის უპირატესობებით ნაკადი მუსიკის სერვისში, როგორიცაა Spotify.

მართალია, რომ როდესაც ვუსმენთ მუსიკა Spotify- ში (ან, საბოლოოდ, ამ ტიპის სხვა ონლაინ სერვისებში), ხომ არ გირჩევთ პროგრამა სხვა ჯგუფებსა თუ სიმღერებს იმის მიხედვით, რასაც ვუსმენთ? არანაკლებ მართალია, რომ ეს რეკომენდაციები ვითარდება, როგორც ჩვენი ჩვევები მოხმარება მუსიკის ტუალეტში?

როგორ ახერხებს ამას Spotify და სხვა ონლაინ მუსიკალური სერვისები? მარტივია: მანქანური სწავლების სისტემით, რომელიც გაიგებს იმას, რაც მოგვწონს და ამის საფუძველზე გადაწყვეტს, რას გირჩევთ.

რაც უფრო მეტ მუსიკას და რაც უფრო მეტ ხანს ვუსმენთ, მით უფრო მეტს შეიტყობს ჩვენი პრეფერენციების სისტემა და, შესაბამისად, მით უფრო მეტი შანსი ექნება რეკომენდაციებს.

ფოტოლიას ფოტოები: Aleutie / Kit8

მანქანური სწავლების თემები