ВАЖНОСТЬ БОЛЬШИХ ДАННЫХ, НАУКИ О ДАННЫХ И МАШИННОГО ОБУЧЕНИЯ
Проблемы с машинным обучением и ИИ
ВЫ ПРАВЫ: МАШИННОЕ ОБУЧЕНИЕ ЛЕГКО ПОНЯТЬ
Читайте статьи на тему «Вы правы: машинное обучение легко понять».
1 —Введение в машинное обучение
2 — Концепции машинного обучения
3 — Практическое применение машинного обучения
4 — Алгоритмы машинного обучения
6 — Платформы машинного обучения
7. Проблемы с машинным обучением и ИИ
8 — Большие данные + Наука о данных + Машинное обучение
7 — Проблемы с машинным обучением и ИИ
По мере того, как машинное обучение становится популярным, многие процессы, выполняемые людьми, могут быть заменены этой технологией в течение короткого периода времени, что снижает инвестиционные затраты на персонал.
Это вызвало обеспокоенность у правительств, профсоюзов, компаний и профессионалов рынка, которые могут быть заменены приложениями ML.
Искусственный интеллект и машинное обучение
Термин «искусственный интеллект» или ИИ появился в 1956 году на конференции и с тех пор стал частью нашего воображения благодаря фильмам, статьям и технологическим достижениям.
Цель ИИ состояла в том, чтобы сделать компьютеры такими же характеристиками человеческого интеллекта, и так называемыми «искусственными», неестественными, как человеческий интеллект.
Уже несколько десятилетий ИИ не сдерживает обещаний. Но в последние годы, с 2015 года, искусственный интеллект резко вырос благодаря недорогим аппаратным технологиям, таким как графические процессоры (графические процессоры) и многопроцессорные процессоры, которые позволили удешевить параллельную обработку. В то же время появилось бесконечное хранилище данных, предоставляемое облаком, и поток типов данных, генерируемых большими данными.
Объяснение терминов AI, ML и DP
Термины «искусственный интеллект», «машинное обучение» и «глубокое обучение» часто используются в прессе, что приводит читателей в замешательство.
Термины путаются, но, как показано на рисунке, глубокое обучение — это подмножество машинного обучения, а машинное обучение — подмножество ИИ.
Машинное обучение и глубокое обучение популяризируют ИИ и дают практические обещания, хотя нам еще предстоит пройти долгий путь.
Условия и пресса
Когда программа DeepMind AlphaGo победила южнокорейского мастера Ли Седола в настольной игре Го, в средствах массовой информации появились термины AI, ML и Deep Learning, чтобы описать, как программное обеспечение DeepMind победило.
По мере того, как термины усваиваются, часто конкретное приложение машинного обучения в прессе называют ИИ, или глубоким обучением, или машинным обучением, путая термины.
Важность ИИ
ИИ — это последний рубеж, который все еще продолжается.
Машинное обучение и глубокое обучение — это реальность, которая дает надежду на будущее больших данных и науки о данных.
Технологии, которые воплощают мечту, сбываются, когда компьютеры становятся более интеллектуальными и полезными для деятельности, дополняющей реализацию деятельности человека.
Важность ИИ настолько высока, что ANDREW NG придумал фразу, которая хорошо отражает эту важность: ИИ — это новое электричество.
Страх перед будущим ИИ и его приложений привел к тому, что известные имена Кремниевой долины, такие как Сэм Альтман, Грег Брокман, Рид Хоффман, Джессика Ливингстон, Илон Маск и Питер Тиль, создали компанию ИИ под названием OPEN.AI.
Его основная цель состоит в том, чтобы исследовать, тестировать, выявлять и публиковать возможности технологий, которые могут установить безопасные пределы их использования без ущерба для человечества.
Завершите изучение статей «Вы правы: машинное обучение легко понять»
1 —Введение в машинное обучение
2 — Концепции машинного обучения
3 — Практическое применение машинного обучения
4 — Алгоритмы машинного обучения
6 — Платформы машинного обучения
7. Проблемы с машинным обучением и ИИ
8 — Большие данные + Наука о данных + Машинное обучение
Подробнее об этой статье
Эта статья выбрана из книги Большие данные для руководителей и профессионалов рынка — второе издание.