Машинное обучение:
Автомобили, развлечения, здравоохранение и другие отрасли.
Давайте погрузимся в удивительный мир автомобилей и беспилотных транспортных средств. Рынок большой. Вы можете спросить, насколько большой? По прогнозам, к 2030 году он превысит 25 миллиардов долларов. Индустрия беспилотных автомобилей — это не только деньги, она может и спасет миллионы жизней во всем мире. Мы рассмотрим несколько точек в автономной сфере.
· Замена драйвера
· Будущее автономии
· Нейронные сети
Замена драйвера
Вопрос не в том, произойдет ли это, а в том, когда это произойдет. Некоторые говорят, что уже к 2035 году. Уровень точности и аккуратности технология сможет обеспечить на уровне невообразимой безопасности. Мы не можем себе представить, что сегодня автомобили больше не будут нуждаться в водителе-человеке. Печальные сценарии из-за человеческой ошибки по-прежнему случаются слишком часто, например, водители грузовиков, засыпающие за рулем, или пьяные водители по-прежнему представляют большую опасность. Данные показывают, что водители в новом городе или незнакомой стране подвергаются гораздо большему риску аварии. Самостоятельное вождение устраняет многие из этих повседневных опасностей, с которыми машина легко справляется. Не засыпать, не пить алкоголь, контролировать эмоции и нервы. Нам предстоит пройти долгий путь, но это еще один отличный пример того, насколько полезно машинное обучение.
Нейронные сети в действии
Как применяются и используются нейронные сети? Они применяют лучшие технологии для исследования и обучения глубоких нейронных сетей решению самых разных задач — от восприятия до контроля. Сети камер анализируют изображения для выполнения семантической сегментации, обнаружение объектов является очень продвинутым. При использовании вида сверху снимается видео со всех камер для вывода схемы дороги. Сети Tesla извлекают уроки из самых сложных ситуаций в мире, полученных от миллионов автомобилей в режиме реального времени на дороге.
Будущее автономии
Будущее автономии близко и выглядит оптимистично. Только представьте, что у нас больше свободного времени вместо вождения, личный шофер, который может отвезти вас куда угодно, днем и ночью и всегда обеспечивает полный бак. Возможности безграничны — Вы сможете работать на своем компьютере в машине, подключенной к WIFI, есть, читать любимую книгу, вздремнуть, кто знает, может быть, там будет и тренажер? Хотя я не могу предсказать каждую возможность, я знаю, что у нас будет больше времени, которое можно использовать продуктивно и неторопливо.
Развлечения
Netflix — отличный пример компании, которая вкладывает огромные средства в машинное обучение, чтобы улучшить опыт своих участников. Netflix лидирует в мире потоковых сервисов с более чем 150 миллионами пользователей. Алгоритмы рекомендаций машинного обучения стали фаворитом среди подписчиков. Что может быть лучше, чем включить приложение и сразу же увидеть рекомендуемый новый фильм, о котором вы никогда не слышали и который подходит для вашего режима? Бесценный.
Зрители всегда будут иметь возможность вручную ввести свой поиск и прокрутить весь контент, но зачем тратить время? Я знаю, что провел бесчисленное количество часов в приложении и так и не нашел то, что меня интересовало. Существует просто безбожное количество минут фильмов и телепередач, чтобы иметь возможность смотреть все это. Эти системы рекомендаций имеют представление о том, что вам нравится, и сообщит вам, когда будет опубликовано что-то новое, что может вам понравиться. Это постоянная работа, и она будет улучшаться, так что возьмите немного попкорна и включите Netflix, чтобы посмотреть, что будет сегодня вечером?
Здравоохранение
Здравоохранение знакомо с технологиями и тем, как они могут улучшить здоровье. Машинное обучение — очень полезный инструмент, который помогает пациентам выявлять, лечить и излечивать болезни.
Если машинное обучение — это решение, то данные — это инструмент, необходимый для решения любой задачи.
Некоторые из наиболее распространенных данных, которые полезны и собираются о пациенте, включают:
· Возраст
· История болезни
· Лекарство
· Пол
· Анализ крови
· Медицинские изображения
Эти точки данных можно собрать и использовать, чтобы помочь некоторым из лучших инженеров по машинному обучению рассчитать диагностику. Алгоритмы, созданные и введенные в действие, могут генерировать точные заболевания и методы лечения, выходящие далеко за рамки возможностей врача-человека. Скорость вычислений и анализ могут быть выполнены за считанные секунды, тогда как у человека на расчеты могут уйти миллионы лет.
Нельзя сказать, что врачи неэффективны, но это пример того, насколько важно использовать машинное обучение в современной медицине, когда у пациентов не так много времени ждать, пока новое лекарство или лечение пройдет через систему. Это также позволяет проводить лечение на индивидуальном уровне, некоторые лекарства действуют на большинство людей, но не на всех, это главное. Машинное обучение может проверить, окажет ли препарат негативное влияние на пациента, до начала экспериментов и избежать опасности причинения вреда пациенту.
За гранью
У нас есть удивительное будущее, которого мы с нетерпением ждем. Я считаю, что мы движемся в направлении решения бесчисленных проблем, с которыми мы сталкиваемся сегодня и сталкивались на протяжении веков, с помощью машинного обучения и правильных инженеров, у которых есть страсть и честность, чтобы превратить наш мир в более эффективную цивилизацию.
