Мировые войны и эволюция машинного обучения
Машинное обучение
Кратко о неизбежной технологии
Машинное обучение является одной из выдающихся технологий в нынешнем сценарии. Чтобы понять эволюцию и концепцию машинного обучения, мы должны глубоко погрузиться в эволюцию искусственного интеллекта (ИИ).
Хотя ИИ остается монополией технологий, он сильно страдает из-за меньшего количества вычислительных ресурсов, необходимых данных и, наконец, пробелов в исследованиях. Пробел в исследованиях — это расширение текущих доступных проектов. ИИ в последние дни выглядит сложным, но его история начинается с мировой войны. «Искусственный интеллект» был первоначально придуман Маккалохом и Питтсом, и они создали первую модель нейрона. История эволюции начинается с машины (ЭНИГМА). Когда волны войн подошли к концу в 1945 году, ученые начали обнародовать свои идеи. Были опубликованы теории, проведены конференции и появилось много новых изобретений и инноваций. Мировые войны остались разрушением для многих жизней, но они стали плугом, чтобы сделать землю (будущее) плодородной (инновации).
Но все же ИИ не мог быть успешным из-за отсутствия данных, ресурсов и алгоритма. В конце 1950-х годов термин «машинное обучение» был придуман для целей ИИ.
«Заставить машины подражать людям»
Цель машинного обучения:
«Заставить машины работать без ручного кодирования»
Но все же у машинного обучения были недостатки в получаемой точности. Принятые решения были не столь точны из-за отсутствия данных и оставались дорогостоящими. Чтобы избежать этой проблемы, возникла новая технология, называемая нейронными сетями, а затем глубокое обучение.
Достижения:
ИИ — это надмножество глубокого обучения. ИИ использовался для решения конкретных задач, и цель была основана на разных уровнях ИИ:
· Искусственный узкий интеллект - › машина выполняет определенную задачу (также называемую слабым ИИ)
· Общий искусственный интеллект – › машина действует/думает как человек
· Искусственный супер-интеллект - › одна машина может конкурировать/победить лучшие человеческие мозги в любых областях
ПРИМЕЧАНИЕ. Сегодня мы добились успеха в искусственном узком интеллекте.
Когда применимо машинное обучение?
Промышленники и ученые предлагают машинное обучение, когда
· Tискусственный интеллект, основанный на традиционных правилах, терпит неудачу
· Много данных для вывода
· Большой объем памяти
Потому что некоторые проблемы реального мира можно решить, просто запрограммировав правила. И алгоритм машинного обучения дает сбой при небольшом объеме данных. Итак, понятно, что машинное обучение ориентировано на данные. Таким образом, статистика и математика играют роль в машинном обучении. Методы, основанные на математике и статистике, делают удобным использование машинного обучения.
Отрасли машинного обучения
Контролируемое обучение
Обучение без учителя
Обучение с подкреплением
Обучение под наблюдением
Активное обучение
