Wat is machinaal leren

De machines zijn in staat om leren. Maar laat dit je niet wakker houden met apocalyptische visioenen van een wereld die wordt gedomineerd door robots die mensen tot slaaf hebben gemaakt of hebben uitgeroeid nadat ze 'te veel hebben geleerd'. En laten we ook niet afdwalen.

De machine learning bestaat uit een computerdiscipline waarin, en door kunstmatige intelligentie-algoritmen, computersystemen ze zijn in staat om het menselijke leerproces te simuleren, situaties en uitdagingen op te lossen waarvoor ze niet waren geprogrammeerd eerder.

Historisch gezien zijn computers niet in staat geweest om iets anders te doen dan waarvoor ze waren geprogrammeerd. maar de geleidelijke toename van het vermogen in de hardware heeft het mogelijk gemaakt om ze verder te brengen, vergezeld van de algoritmen van software.

Hoe kan een machine leren?

Het leerproces van een computersysteem wordt uitgevoerd op basis van de analyse van grote hoeveelheden gegevens.

Wat de software doet, is in grote lijnen voorspellende modellen bouwen op basis van de gegevensanalyse, hoewel deze zijn eigen modellen niet aanpassen

programmeren, iets waar de machines nog niet klaar voor zijn.

Op een conceptuele manier kunnen we echter aannemen dat de gebouw van modellen om op te reageren, het is een soort wijziging van de basisprogrammering, hoewel dit op het niveau van code bron is niet echt zo.

Machine learning is een tak van de discipline kunstmatige intelligentie.

Laten we tot slot enkele voorbeelden geven van het gebruik van machine learning, te beginnen met een investeringssysteem op de aandelenmarkt.

Deze is in staat analyseren de stijgingen en dalingen van de aandelenkoersen, zodat, zonder vooraf geprogrammeerd te zijn om een ​​bepaald scenario te voorspellen, door de analyse van een groot aantal factoren (prijzen van de aandelen van andere bedrijven, komen en gaan van de markt, investeringen gemaakt door anderen, ...), kunt u berekenen wanneer het gunstiger is om bepaalde effecten te kopen en/of te verkopen.

En wat meestal belangrijker is in deze systemen, is dat ze in staat zijn om hun eigen prestaties te analyseren en te "leren" van hun successen en fouten, en hun "prestaties" in de loop van de tijd te "verbeteren".

In feite heb ik dit voorbeeld niet gekozen omdat, maar omdat tegenwoordig de meeste transacties op de aandelenmarkt worden uitgevoerd door dit soort computerprogramma's.

We kunnen genieten van de voordelen van machine learning in een streaming muziekservice zoals Spotify.

Is het waar dat wanneer we luisteren? muziek- In Spotify (of, uiteindelijk, in andere online diensten van dit type), beveelt het programma andere groepen of nummers aan op basis van waar we naar luisteren? En is het niet minder waar dat deze aanbevelingen evolueren naarmate onze gewoontes van consumptie van muziek op het toilet?

Hoe doen zowel Spotify als de andere online muziekdiensten dit? Simpel: met een machine learning-systeem dat leert wat we leuk vinden en op basis daarvan beslist wat we aanbevelen.

En hoe meer muziek en hoe langer we luisteren, hoe meer het systeem van onze voorkeuren zal leren en dus hoe groter de kans dat het zijn aanbevelingen haalt.

Fotolia-foto's: Aleutie / Kit8

Onderwerpen in machinaal leren