ปัญญาประดิษฐ์: นี่คือสิ่งที่คุณต้องรู้เพื่อทำความเข้าใจวิธีที่เครื่องจักรเรียนรู้

ปัญญาประดิษฐ์: นี่คือสิ่งที่คุณต้องรู้เพื่อทำความเข้าใจวิธีที่เครื่องจักรเรียนรู้

ตั้งแต่ผู้ชนะอันตรายและปรมาจารย์ Go ไปจนถึง การสร้างโปรไฟล์ทางเชื้อชาติที่เกี่ยวข้องกับโฆษณาที่น่าอับอายดูเหมือนว่าเราได้เข้าสู่ยุคที่การพัฒนาปัญญาประดิษฐ์กำลังเร่งตัวขึ้นอย่างรวดเร็ว แต่สิ่งมีชีวิตที่มี “สมอง” อิเล็กทรอนิกส์สามารถทำงานด้านความรู้ความเข้าใจที่ซับซ้อนได้อย่างเต็มที่โดยใช้การตัดสินทางศีลธรรมที่ยุติธรรมยังคงเกินความสามารถของเราในตอนนี้น่าเสียดายที่การพัฒนาในปัจจุบันกำลังสร้างความหวาดกลัวโดยทั่วไปว่าปัญญาประดิษฐ์จะกลายเป็นสิ่งใดในอนาคต การเป็นตัวแทนของ

มันในวัฒนธรรมป๊อปเมื่อเร็ว ๆ นี้แสดงให้เห็นว่าเราระมัดระวัง

และมองโลกในแง่ร้ายเพียงใดเกี่ยวกับเทคโนโลยี ปัญหาเกี่ยวกับความกลัวคือความกลัวอาจทำให้ง่อยเปลี้ย และบางครั้งก็ส่งเสริมความไม่รู้

การเรียนรู้การทำงานภายในของปัญญาประดิษฐ์เป็นยาแก้พิษสำหรับความกังวลเหล่านี้ และความรู้นี้สามารถอำนวยความสะดวกทั้งความรับผิดชอบและการมีส่วนร่วมอย่างไร้กังวล

รากฐานหลักของปัญญาประดิษฐ์มีรากฐานมาจากการเรียนรู้ของเครื่อง ซึ่งเป็นเครื่องมือที่สวยงามและเข้าถึงได้อย่างกว้างขวาง แต่เพื่อให้เข้าใจความหมายของแมชชีนเลิร์นนิง ก่อนอื่นเราต้องตรวจสอบว่าข้อดีของศักยภาพของมันนั้นมีมากกว่าข้อเสียของมันอย่างไร

ข้อมูลเป็นกุญแจสำคัญ

พูดง่ายๆ ก็คือ การเรียนรู้ของเครื่องหมายถึงการสอนคอมพิวเตอร์ถึงวิธีวิเคราะห์ข้อมูลเพื่อแก้ปัญหาเฉพาะทางผ่านอัลกอริทึม ตัวอย่าง เช่น สำหรับ การรู้จำลายมืออัลกอริทึมการจัดหมวดหมู่จะใช้เพื่อแยกแยะตัวอักษรตามลายมือของใครบางคน ในทางกลับกัน ชุดข้อมูลที่อยู่อาศัยใช้อัลกอริธึมการถดถอยเพื่อประเมินราคาขายของทรัพย์สินหนึ่ง ๆ ด้วยวิธีเชิงปริมาณจากนั้นแมชชีนเลิร์นนิงก็ลงมาที่ข้อมูล เกือบทุกองค์กรสร้างข้อมูลไม่ทางใดก็ทางหนึ่ง: คิดวิจัยตลาด โซเชียลมีเดีย แบบสำรวจโรงเรียน ระบบอัตโนมัติ แอปพลิเคชันแมชชีนเลิร์นนิงพยายามค้นหารูปแบบและความสัมพันธ์ที่ซ่อนอยู่ในความโกลาหลของชุดข้อมูลขนาดใหญ่เพื่อพัฒนาโมเดลที่สามารถทำนายพฤติกรรมได้

ข้อมูลมีองค์ประกอบหลัก 2 ประการ ได้แก่ ตัวอย่างและคุณสมบัติ 

อดีตแสดงถึงองค์ประกอบแต่ละรายการในกลุ่ม จำนวนหลังมีลักษณะร่วมกันโดยพวกเขา

ดูโซเชียลมีเดียเป็นตัวอย่าง: ผู้ใช้คือตัวอย่างและการใช้งานของพวกเขาสามารถแปลเป็นคุณลักษณะได้ ตัวอย่างเช่น Facebook ใช้แง่มุมต่างๆ ของกิจกรรม “ถูกใจ” ซึ่งเปลี่ยนจากผู้ใช้ไปยังผู้ใช้ เป็นคุณสมบัติที่สำคัญสำหรับการโฆษณาที่กำหนดเป้าหมายผู้ใช้

นอกจากนี้ยังสามารถใช้เพื่อนใน Facebook เป็นตัวอย่างได้ ในขณะที่การเชื่อมต่อกับคนอื่นๆ จะทำหน้าที่เป็นคุณลักษณะสร้างเครือข่ายที่สามารถศึกษาการเผยแพร่ข้อมูลได้

นอกเหนือจากสื่อสังคมออนไลน์แล้ว ระบบอัตโนมัติที่ใช้ในกระบวนการทางอุตสาหกรรมเป็นเครื่องมือตรวจสอบจะใช้สแน็ปช็อตเวลาของกระบวนการทั้งหมดเป็นตัวอย่าง และการวัดเซ็นเซอร์ ณ เวลาใดเวลาหนึ่งเป็นคุณสมบัติ สิ่งนี้ทำให้ระบบสามารถตรวจจับความผิดปกติในกระบวนการได้แบบเรียลไทม์

โซลูชันที่แตกต่างกันทั้งหมดเหล่านี้พึ่งพาการป้อนข้อมูลไปยังเครื่องจักรและสอนให้เข้าถึงการคาดการณ์ของตนเองเมื่อพวกเขาได้ประเมินข้อมูลที่ได้รับอย่างมีกลยุทธ์ และนี่คือการเรียนรู้ของเครื่อง

ความฉลาดของมนุษย์เป็นจุดเริ่มต้น

ข้อมูลใดๆ สามารถแปลเป็นแนวคิดง่ายๆ เหล่านี้ได้ และแอปพลิเคชันการเรียนรู้ของเครื่อง รวมถึงปัญญาประดิษฐ์ จะใช้แนวคิดเหล่านี้เป็นองค์ประกอบหลัก

เมื่อเข้าใจข้อมูลแล้ว ก็ถึงเวลาตัดสินใจว่าจะทำอย่างไรกับข้อมูลนี้ แอปพลิเคชั่นการเรียนรู้ของเครื่องที่ใช้กันทั่วไปและใช้งานง่ายที่สุดอย่างหนึ่งคือการจำแนกประเภท ระบบจะเรียนรู้วิธีใส่ข้อมูลลงในกลุ่มต่างๆ ตามชุดข้อมูลอ้างอิง

สิ่งนี้เกี่ยวข้องโดยตรงกับประเภทของการตัดสินใจที่เราทำทุกวัน ไม่ว่าจะเป็นการจัดกลุ่มผลิตภัณฑ์ที่คล้ายกัน (เช่น ของใช้ในครัวกับผลิตภัณฑ์เสริมความงาม เป็นต้น) หรือการเลือกภาพยนตร์ดีๆ เพื่อดูตามประสบการณ์ที่ผ่านมา แม้ว่าตัวอย่างทั้งสองนี้อาจดูเหมือนไม่เชื่อมโยงกันโดยสิ้นเชิง แต่พวกเขาอาศัยสมมติฐานที่สำคัญของการจำแนกประเภท: การคาดคะเนที่กำหนดให้เป็นหมวดหมู่ที่มีการจัดตั้งขึ้นอย่างดี

ตัวอย่างเช่น เมื่อหยิบขวดมอยส์เจอร์ไรเซอร์ขึ้นมา เราใช้รายการคุณสมบัติเฉพาะ (เช่น รูปร่างของภาชนะบรรจุ หรือกลิ่นของผลิตภัณฑ์) เพื่อทำนายได้อย่างถูกต้องแม่นยำว่าเป็นผลิตภัณฑ์เพื่อความงาม กลยุทธ์ที่คล้ายกันนี้ใช้สำหรับการเลือกภาพยนตร์โดยการประเมินรายการคุณสมบัติ (เช่น ผู้กำกับ หรือนักแสดง) เพื่อทำนายว่าภาพยนตร์จะจัดอยู่ในประเภทใดประเภทหนึ่งจากสองประเภท: ดีหรือไม่ดี

ด้วยการจับความสัมพันธ์ที่แตกต่างกันระหว่างคุณลักษณะต่างๆ ที่เกี่ยวข้องกับกลุ่มตัวอย่าง เราสามารถคาดเดาได้ว่าภาพยนตร์ควรค่าแก่การชมหรือไม่ หรือดีกว่านั้น เราสามารถสร้างโปรแกรมเพื่อดำเนินการดังกล่าวให้กับเราได้

แต่เพื่อให้สามารถจัดการกับข้อมูลนี้ได้ เราจำเป็นต้องเป็นผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล ผู้เชี่ยวชาญด้านคณิตศาสตร์และสถิติ โดยมีทักษะการเขียนโปรแกรมเพียงพอที่จะทำให้ Alan Turing และMargaret Hamiltonภูมิใจใช่ไหม ไม่เชิง

แนะนำ : รีวิวซีรี่ย์เกาหลี | ลายสัก | รีวิวร้านอาหาร | โทรศัพท์มือถือ ราคาถูก | เรื่องย่อหนัง