211service.com
Hvad er machine learning?
Hvad er machine learning? Karen Hao
Maskinlæringsalgoritmer er ansvarlige for langt størstedelen af de fremskridt og applikationer af kunstig intelligens, du hører om. (For mere baggrund, tjek vores første flowchart om 'Hvad er AI?' her.)
Hvad er definitionen på maskinlæring?
Maskinlæringsalgoritmer bruger statistik til at finde mønstre i enorme* mængder data. Og data omfatter her en masse ting - tal, ord, billeder, klik, hvad har du. Hvis det kan lagres digitalt, kan det føres ind i en maskinlæringsalgoritme.
Maskinlæring er den proces, der driver mange af de tjenester, vi bruger i dag – anbefalingssystemer som dem på Netflix, YouTube og Spotify; søgemaskiner som Google og Baidu; sociale medier feeds som Facebook og Twitter; stemmeassistenter som Siri og Alexa. Listen fortsætter.
I alle disse tilfælde indsamler hver platform så mange data om dig som muligt – hvilke genrer du kan lide at se, hvilke links du klikker på, hvilke statusser du reagerer på – og bruger maskinlæring til at lave et veluddannet gæt om, hvad du måske vil næste. Eller, hvis der er tale om en stemmeassistent, om hvilke ord der passer bedst til de sjove lyde, der kommer ud af din mund.
Helt ærligt er denne proces ret grundlæggende: find mønsteret, anvend mønsteret. Men det styrer stort set verden. Det er i høj grad takket være en opfindelse i 1986, høflighed af Geoffrey Hinton, i dag kendt som faderen til dyb læring.
Hvad er deep learning?
Deep learning er maskinlæring på steroider: den bruger en teknik, der giver maskiner en forbedret evne til at finde – og forstærke – selv de mindste mønstre. Denne teknik kaldes et dybt neuralt netværk – dybt, fordi det har mange, mange lag af simple beregningsknuder, der arbejder sammen om at gnaske sig igennem data og levere et endeligt resultat i form af forudsigelsen.
Hvad er neurale netværk?
Neurale netværk var vagt inspireret af den menneskelige hjernes indre funktioner. Noderne er ligesom neuroner, og netværket er ligesom hjernen selv. (Til forskerne blandt jer, der kryber sammen ved denne sammenligning: Stop med at pøj-pøj analogien. Det er en god analogi.) Men Hinton udgav sit gennembrudspapir på et tidspunkt, hvor neurale net var gået af mode. Ingen vidste rigtig, hvordan de skulle træne dem, så de producerede ikke gode resultater. Det tog næsten 30 år for teknikken at gøre et comeback. Og dreng, gjorde det et comeback.
Hvad er superviseret læring?
En sidste ting, du skal vide: maskinel (og dyb) læring kommer i tre varianter: overvåget, uovervåget og forstærkning. I overvåget læring, den mest udbredte, er dataene mærket for at fortælle maskinen præcist, hvilke mønstre den skal kigge efter. Tænk på det som noget i retning af en snifferhund, der vil jagte mål, når den kender duften, den leder efter. Det er det, du gør, når du trykker på play på et Netflix-show - du fortæller algoritmen om at finde lignende shows.
Hvad er uovervåget læring?
Ved uovervåget læring har dataene ingen etiketter. Maskinen leder bare efter de mønstre, den kan finde. Det er som at lade en hund lugte tonsvis af forskellige genstande og sortere dem i grupper med lignende lugte. Uovervågede teknikker er ikke så populære, fordi de har mindre indlysende applikationer. Interessant nok har de vundet indpas i cybersikkerhed.
Hvad er forstærkende læring?
Endelig har vi forstærkningslæring, den seneste grænse for maskinlæring. En forstærkningsalgoritme lærer ved forsøg og fejl for at opnå et klart mål. Den prøver mange forskellige ting og bliver belønnet eller straffet afhængigt af, om dens adfærd hjælper eller forhindrer den i at nå sit mål. Det er som at give og tilbageholde godbidder, når man lærer en hund et nyt trick. Forstærkende læring er grundlaget for Googles AlphaGo, programmet, der berømt slog de bedste menneskelige spillere i det komplekse spil Go.
Det er det. Det er maskinlæring. Tjek nu flowdiagrammet ovenfor for en sidste opsummering.
*Bemærk: Okay, der er teknisk måder at udføre maskinlæring på små mængder data, men du har typisk brug for store bunker af det for at opnå gode resultater.
___
Dette dukkede oprindeligt op i vores AI-nyhedsbrev The Algorithm. For at få det leveret direkte til din indbakke, abonner her gratis.