电脑没有接管,但他们每天都变得更聪明
最简单的说,机器学习(ML)是机器(计算机)的编程,因此它可以通过使用和分析数据 (信息)独立执行该任务来执行所请求的任务, 而无需来自人类开发人员的额外特定输入 。
机器学习101
“机器学习”一词是1959年在IBM实验室由人工智能 (AI)和电脑游戏的先驱亚瑟塞缪尔创造的。 因此,机器学习是人工智能的一个分支。 塞缪尔的前提是颠倒时间的计算模型,停止向计算机学习东西。
相反,他希望计算机自己开始计算事情,而不需要输入甚至最小的信息。 然后,他认为,电脑不会执行任务,但最终可以决定执行哪些任务以及何时执行任务。 为什么? 因此,计算机可以减少人类在任何特定领域需要完成的工作量。
机器学习的工作原理
机器学习通过使用算法和数据来工作。 算法是一组指令或准则,用于告诉计算机或程序如何执行任务。 ML中使用的算法收集数据,识别模式,并使用数据分析来调整自己的程序和功能以完成任务。
ML算法使用规则集,决策树,图形模型,自然语言处理和神经网络(仅举几例)来自动化处理数据以做出决策和执行任务。 虽然ML可能是一个复杂的话题,但Google的可教育机器提供了一个简单的动手演示ML如何工作。
今天使用的最强大的机器学习形式称为深度学习 ,它基于大量的数据构建了一个称为神经网络的复杂数学结构。 神经网络是ML和AI中的算法集合,其模仿人类大脑中的神经细胞和神经系统处理信息的方式。
人工智能与机器学习与数据挖掘
为了最好地理解AI,ML和数据挖掘之间的关系,有必要考虑一组不同尺寸的雨伞。 人工智能是最大的保护伞。 ML伞尺寸较小,可放在AI伞下。 数据挖掘伞是最小的,适合于ML伞下。
- 人工智能是计算机科学的一个分支,旨在通过使用基于人类智能的推理和决策技术,使计算机能够以更“智能”和“类人”的方式执行任务。
- ML是人工智能中的一类计算机,专注于编程机器(计算机)以学习(收集必要的数据或示例),以更自动化的方式进行数据驱动的智能决策。
- 数据挖掘使用统计信息,ML,AI和大量信息数据库来查找模式,提供洞察,创建分类,识别问题并提供详细的数据分析。
机器学习可以做什么(并且已经做到了)
计算机在几分之一秒内分析大量信息的能力使ML在许多行业中非常有用,其中时间和准确性至关重要。
- 医学: ML技术正在为医疗领域提供一系列解决方案,包括帮助急诊科医生更快诊断患有不寻常症状的患者。 医生可以将病人的症状列表输入程序并使用ML,该程序可以从医学文献和互联网上扫描数万亿兆字节的信息,以返回可能的诊断列表并建议在创纪录的时间内进行测试或治疗。
- 教育: ML被用于创建适合学生学习需求的教育工具,例如虚拟学习助手和更具交互性的电子教科书。 这些工具使用ML来发现学生使用短测验和练习练习所理解的概念和技能。 然后,这些工具提供短视频,附加示例和背景材料,以帮助学生学习所需的技能或概念。
- 汽车: ML也是自动驾驶汽车(也称为无驾驶汽车或自动驾驶汽车)新兴领域的关键组成部分。 运行自动驾驶汽车的软件在现实道路测试和模拟过程中使用ML来检测道路状况(如结冰道路)或识别道路障碍并学习适当的驾驶任务以安全驾驶这些情况。
你可能已经很多次遇到ML而没有意识到它。 ML技术的一些更常见的用途包括实际的语音识别( 三星的Bixby ,苹果的Siri ,以及现在在PC上标准化的许多对话文本程序),为您的电子邮件过滤垃圾邮件,构建新闻源,检测欺诈,个性化购物推荐,并提供更有效的网络搜索结果。
ML甚至会涉及您的Facebook供稿。 当你喜欢或经常点击朋友的帖子时,幕后算法和ML会随着时间的推移从你的行为中“学习”,以优先考虑你的新闻动态中的某些朋友或页面。
什么机器学习不能做
但是,ML可以做什么是有限的。 例如,在不同行业中使用ML技术需要人工进行大量的开发和编程,以专门针对该行业所需任务类型的程序或系统。 例如,在我们上面的医疗例子中,急诊科使用的ML程序是专门为人类医学开发的。 目前不可能采取确切的计划,并直接在兽医急救中心实施。 这种过渡需要人类程序员进行广泛的专业化和开发,以创建一个能够完成兽医或动物医学任务的版本。
它还需要难以置信的大量数据和示例来“学习”制定决策和执行任务所需的信息。 毫无疑问,ML程序在数据解释和象征主义斗争以及数据结果中的某些类型关系(如原因和结果)方面也非常符合实际。
然而,持续的进步使ML更多地成为每天创造更智能电脑的核心技术。