Проблемы с машинным обучением и ИИ

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

5 — Концепции нейронных сетей

6 — Платформы машинного обучения

7. Проблемы с машинным обучением и ИИ

8 — Большие данные + Наука о данных + Машинное обучение

9 — Резюме статей

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.