Hvad er maskinlæring

Maskinerne er i stand til lære. Men lad ikke dette holde dig vågen med apokalyptiske visioner om en verden, der er domineret af robotter, der har slaver eller udryddet mennesker efter "at have lært for meget". Og lad os heller ikke afvige.

Det maskinelæring består af en disciplin inden for computing, hvori og gennem kunstig intelligens algoritmer, computersystemer de er i stand til at simulere den menneskelige læringsproces og løse situationer og udfordringer, som de ikke var programmeret til tidligere.

Historisk set har computere ikke været i stand til at gøre noget andet end det, de var programmeret til. men den gradvise forøgelse af styrken i hardwaren har gjort det muligt at tage dem videre ledsaget af algoritmerne for software.

Hvordan er en maskine i stand til at lære?

Læringsprocessen for et computersystem udføres baseret på analysen af ​​store datamængder.

Hvad softwaren gør, er generelt set forudsigelige modeller fra analysen af ​​dataene, selvom de ikke ændrer deres egne programmering, noget som maskinerne endnu ikke er klar til.

På en konceptuel måde kan vi dog overveje, at bygning af modeller, hvorpå man kan handle, er det en slags ændring af dets basisprogrammering, skønt dette på niveau med kode kilde er ikke rigtig sådan.

Maskinindlæring er en gren af ​​disciplinen kunstig intelligens.

Afslut, lad os sætte nogle eksempler på brugen af ​​maskinlæring, startende med et investeringssystem på aktiemarkedet.

Denne er i stand til analysere stiger og falder i aktiekurser, så uden at være tidligere programmeret til at forudsige et bestemt scenario gennem analyse af et stort antal faktorer (priserne på andre selskabers aktier, markedsudvikling, investeringer lavet af andre, ...), kan du beregne, hvornår det vil være mere befordrende at købe og / eller sælge bestemte værdipapirer.

Og hvad der normalt er vigtigere i disse systemer er, at de er i stand til at analysere deres egen præstation og "lære" af deres succeser og fejl og "forbedre" deres "præstation" over tid.

Faktisk valgte jeg ikke dette eksempel bare fordi, men fordi de fleste operationer på aktiemarkedet i dag udføres af computerprogrammer af denne type.

Vi kan nyde fordelene ved maskinlæring i en streaming-musiktjeneste som Spotify.

Er det sandt, at når vi lytter musik I Spotify (eller til sidst i andre onlinetjenester af denne type), anbefaler programmet andre grupper eller sange efter det, vi lytter til? Og er det ikke mindre sandt, at disse anbefalinger udvikler sig som vores vaner forbrug musik på toilettet?

Hvordan gør både Spotify og de andre onlinemusiktjenester dette? Enkelt: med et maskinlæringssystem, der lærer, hvad vi kan lide, og beslutter, hvad de vil anbefale ud fra det.

Og jo mere musik og jo længere vi lytter til, jo mere vil systemet lære om vores præferencer, og jo større chancer har det for at komme med sine anbefalinger.

Fotolia-fotos: Aleutie / Kit8

Emner inden for maskinlæring