Von Super Neuro
Was maschinelles Lernen betrifft, sollten alle Veteranen unter Ihnen damit vertraut sein.Cassie Kozyrkov, Googles Chefingenieurin für Entscheidungsintelligenz, nannte das Konzept des maschinellen Lernens unter anderem eine „Maschine zur Kennzeichnung von Dingen“, was eine interessante Interpretation darstellt.
Maschinelles Lernen ist im Wesentlichen eine Sache, die Maschine beschriftet
Die schöne Cassie Kozyrkov ist nicht nur Googles Chefingenieurin für Entscheidungsintelligenz, sondern auch Statistikerin und Neurowissenschaftlerin.
Ihr Verständnis des maschinellen Lernens unterscheidet sich von der allgemeinen Mainstream-Ansicht. Sie glaubt, dass maschinelles Lernen möglicherweise nicht so magisch ist, wie Experten sagen, und auch nicht der Hauptgrund dafür ist, dass 30 Milliarden US-Dollar an Risikokapital in den Bereich der KI gelockt wurden, und auch nicht so tiefgreifend ist, wie Hacker News oder Zhihu behaupten.
Nach Ansicht von Frau Cassie Kozyrkov handelt es sich bei den oben genannten Punkten ausschließlich um schriftliche Erklärungen zum maschinellen Lernen. In tatsächlichen Anwendungsszenarien ist maschinelles Lernen im Wesentlichen eine „Maschine zur Kennzeichnung von Dingen“. Indem Sie Ihre Beschreibung aufzeichnen und entsprechend beschriften, können Sie die nächste Aktion des Computers steuern.
Maschinelles Lernen ist praktischer als Science-Fiction
Maschinelles Lernen ist eine Teilmenge der KI und eine der Schlüsseltechnologien zur Realisierung von KI. Da die meisten KI-Produkte auf dem Markt derzeit im Wesentlichen auf maschinellem Lernen basieren, betrachten viele Menschen diese beiden Konzepte als dasselbe.
Auch die Science-Fiction-Vorstellung von KI hat sich unbewusst auf maschinelles Lernen verlagert. Beispielsweise kann Jarvis, der KI-Assistent von Iron Man in „Iron Man“, Verbrecher in einer unbekannten Straße in einem abgelegenen Land immer sofort orten. In der Realität ist es für maschinelles Lernen schwierig, die Szenen aus Science-Fiction-Filmen darzustellen, und selbst die aktuelle KI schafft dies nicht.
Ob KI oder maschinelles Lernen – sie werden derzeit häufig eingesetzt, um die Effizienz der Computerarbeit zu verbessern und Anwendungsszenarien zu erweitern. Sie können zur Verarbeitung großer Datenprojekte und zur Lösung einiger Verfahrensaufgaben verwendet werden. Im Vergleich zu Science-Fiction-Filmen liegt ihr Schwerpunkt stärker auf der Praxis.
Zum Beispiel
Unten sehen Sie ein Bild einer Katze, die das menschliche Gehirn durch verschiedene Sinne und Erfahrungen leicht erkennen kann, was bei einem Computer jedoch eine Menge „geistiger Aktivitäten“ erfordert.
Einem Computer eine Aufgabe geben: Ein Foto als Katze/keine Katze klassifizieren (oder kennzeichnen)? Systeme für maschinelles Lernen und traditionelle Programmiermethoden bieten Ihnen zwei unterschiedliche Betriebserfahrungen.
Beim traditionellen Programmieransatz denken menschliche Programmierer sorgfältig über Pixel und Beschriftungen nach, kommunizieren mit anderen, inspirieren Ideen und erstellen schließlich manuell Modelle.
Ein Modell ist eine Reihe von Anweisungen, die ein Computer befolgen muss, um Pixeldaten in Beschriftungen umzuwandeln, die der Computer erkennen kann. Bei diesen Anweisungen handelt es sich lediglich um Codes, die der Computer verwendet, um Eingaben in Ausgaben umzuwandeln. Sie können von einem Programmierer von Hand geschrieben oder mithilfe eines Algorithmus aus Daten abgeleitet werden.
Nehmen wir ein komplizierteres Beispiel.
Wie kann ich mit Code jeden in diesem Bild enthaltenen Pixelblock beschreiben?
Dies ist für das menschliche Gehirn sehr schwierig. Das menschliche Gehirn kann das Foto erkennen, aber es ist schwierig, die Pixelblöcke im Foto zu kodieren. Daher ist es für das menschliche Gehirn nicht nur arbeitsintensiv und äußerst kompliziert, sondern auch unpraktisch, dem Computer die Anweisung zu geben, das Foto zu erkennen.
Daher sind traditionelle Programmiermethoden im Bereich der Bilderkennung nur schwer anwendbar.
Aber maschinelles Lernen kann dieses Problem sehr gut lösen. Es ist ein völlig anderes Programmierparadigma. Es kann durch eine klassifizierungsähnliche Technik programmiert werden, ohne dass explizite Anweisungen erforderlich sind.Die offizielle Erklärung lautet: Finden Sie feste Muster in den Daten und wandeln Sie diese in Anweisungen um.
Am Beispiel des obigen Bildes wird das maschinelle Lernen alle relevanten Daten integrieren, eine Reihe von „keine Katze“-Beispielen und eine Reihe von „Katze“-Beispielen zusammenfassen und sie dann entsprechend den relevanten Merkmalen neu klassifizieren, bis „Katze/keine Katze“ ermittelt ist.
Maschinelles Lernen kann viele unaussprechliche Dinge in der Computersprache ausdrücken. Das bedeutet, dass wir dem Computer keine spezifischen Anweisungen geben müssen, um die gewünschten Ergebnisse zu erzielen.
Dies ist auch der Hauptzweck, für den KI und maschinelles Lernen entwickelt wurden: die Interpretation menschlicher Absichten ohne die Notwendigkeit von Anweisungen.
Durch diesen Wandel sind Computer immer intelligenter geworden und können viele Probleme lösen, die nur das menschliche Gehirn lösen kann. Dies ist ein qualitativer Sprung in der menschlichen Technologie und ein Zeichen dafür, dass die Informatik an eine neue Tür klopft.