Съдържание
- Автоматизация в областта на информационните технологии
- Бъдещето на машинното обучение ли е автоматизацията?
- Без грешки, без стрес - Вашето стъпка по стъпка ръководство за създаване на софтуер, променящ живота, без да разрушава живота ви
- Казус
- Машинното обучение може да замени работните места
- заключение
Източник: Krulua / Dreamstime.com
За вкъщи:
Машинното обучение е способността на системата да променя собственото си програмиране. Но когато една система може да направи това, хората все още ли са необходими?
Машинното обучение беше един от най-големите постижения в историята на компютърните технологии и сега се смята, че е способен да поеме значителни роли в областта на големите данни и анализа. Анализът на големи данни е огромно предизвикателство от гледна точка на бизнеса. Например дейности като осмисляне на огромни обеми от разнообразни формати на данни, подготовка на данни за анализи и филтриране на излишни данни могат да изразходват много ресурси. Наемането на учени и специалисти за данни е скъпо предложение и не е в рамките на средствата на всяка компания. Експертите смятат, че машинното обучение е способно да автоматизира много задачи, свързани с аналитиката - както рутинни, така и сложни. Автоматичното машинно обучение може да освободи много ресурси, които могат да бъдат използвани в по-сложни и иновативни работни места. Изглежда машинното обучение е тръгнало в тази посока. (За да научите повече за използването на машинното обучение, вижте Обещанията и клопки на машинното обучение.)
Автоматизация в областта на информационните технологии
Във връзка с ИТ автоматизацията е свързването на различни системи и софтуер, така че те да могат да вършат конкретни задачи без каквато и да е човешка намеса. В ИТ индустрията автоматизираните системи могат да изпълняват както прости, така и сложни задачи. Пример за проста задача може да бъде интегриране на формуляр с PDF файл и предаване на документа на правилния получател, а предоставянето на резервно копие на външен сайт може да бъде пример за сложна работа.
За да върши своята работа, трябва да се програмира автоматизирана система или да се дадат изрични инструкции. Всеки път, когато се изисква автоматизирана система, за да променя обхвата на своите задачи, програмата или набор от инструкции трябва да бъдат актуализирани от човек. Макар автоматизираните системи да са ефективни на работните си места, поради различни причини могат да възникнат грешки. Когато възникнат грешки, първопричината трябва да бъде идентифицирана и коригирана. Очевидно е, че за да си вършат работата, автоматизираните системи са изцяло зависими от човешките същества. Колкото по-сложен е характерът на работата, толкова по-голяма е вероятността от грешки и проблеми.
Обикновено рутинни и повтарящи се задачи се приписват на автоматизирани системи. Често срещан пример за автоматизация в ИТ индустрията е автоматизиране на тестване на уеб-базирани потребителски интерфейси. Тестовите случаи се подават в скриптове за автоматизация и потребителските интерфейси се тестват съответно. (За повече информация относно практическото използване на машинното обучение, вижте Машинно обучение и Hadoop в Откриване на измами от ново поколение.)
Аргументът в полза на автоматизацията е, че той изпълнява рутинни и повтарящи се задачи и освобождава служителите да изпълняват по-сложни и творчески задачи. Също така се твърди, че автоматизацията е изместила много работни места или роли, изпълнявани преди това от хора. Сега, когато машинното обучение намира своя път в различни индустрии, автоматизацията може да добави изцяло ново измерение.
Бъдещето на машинното обучение ли е автоматизацията?
Самата същност на машинното обучение е способността на системите непрекъснато да се учат от данни и да се развиват без намесата на хора. Машинното обучение е способно да се държи като човешкия мозък. Например, механизъм за препоръки в уебсайт за електронна търговия може да оцени уникалните предпочитания и вкусове на потребителя и да предложи препоръки за продукти и услуги, които най-добре отговарят на избора на потребителя. Като се има предвид тази способност, машинното обучение се счита за идеално за автоматизиране на сложни задачи, свързани с големи данни и анализи. Тя вече е преодоляла основното ограничение на традиционните системи за автоматизация, които не могат да работят без редовна човешка намеса. Съществуват множество казуси, които показват, че машинното обучение може да изпълни сложни задачи за анализ на данни, както ще бъде разгледано по-нататък в тази статия.
Както вече беше посочено, анализът на големи данни е предизвикателно предложение за компаниите и той може да бъде частично делегиран на системите за машинно обучение. От гледна точка на бизнеса, това може да доведе до много ползи като освобождаване на ресурси за научни данни за по-креативни и критични задачи, по-голям обем на завършване на работата, по-малко време, необходимо за изпълнение на задачите и ефективност на разходите.
Без грешки, без стрес - Вашето стъпка по стъпка ръководство за създаване на софтуер, променящ живота, без да разрушава живота ви
Не можете да подобрите уменията си за програмиране, когато никой не се интересува от качеството на софтуера.
Казус
През 2015 г. изследователите на MIT започнаха работа върху инструмент за научни данни, който е способен да създава прогнозни модели от данни от огромни обеми сурови данни, използвайки техника, наречена алгоритъм на дълбокия синтез на характеристиките. Алгоритъмът, твърдят учените, може да комбинира най-добрите характеристики на машинното обучение. Според учените те вече са тествали алгоритъма на три различни набора от данни и ще разширят обхвата на тестване до повече набори от данни. Описвайки как го правят, изследователите Джеймс Макс Кантер и Калян Веерачачани заявиха в документ, който ще бъде представен на международна конференция за наука и анализа на данните, „Използвайки процес на автоматична настройка, ние оптимизираме целия път без човешко участие, позволявайки му да се генерализира към различни набори от данни. "
Нека да разгледаме колко сложна е била задачата: алгоритъмът има способност, известна като способност за автоматично настройване, с помощта на която извлича или извлича прозрения или стойности от сурови данни, като възраст или пол, и след това тя може да създава прогнозни модели на данни. Алгоритъмът използва сложни математически функции и теория на вероятностите, известна като Gaussian Copula. Така че е лесно да се разбере степента на сложност, която алгоритъмът е в състояние да се справи. Техниката печели и награди в състезания.
Машинното обучение може да замени работните места
По целия свят се дискутира, че машинното обучение може да замени много работни места, защото изпълнява задачи с ефективността на човешкия мозък. Всъщност има известна загриженост, че машинното обучение ще замени учените с данни - и изглежда, че има основа за подобни опасения.
За обикновените потребители, които нямат умения за анализ на данни, но все още се нуждаят от анализи в ежедневния си живот в различна степен, не е възможно да има компютри, които да могат да анализират огромни обеми от данни и да предлагат анализи. Но технологиите за обработка на естествен език (НЛП) могат да преодолеят това ограничение, като научат компютрите да приемат и обработват естествения говорим език на хората. По този начин, обикновеният потребител не се нуждае от сложни аналитични възможности или умения.
IBM вярва, че необходимостта от учени за данни може да бъде сведена до минимум или елиминирана със своята продуктова платформа за анализ на естествен език Watson. Според неговия вицепрезидент по Watson Analytics и Business Intelligence Марк Атшулер, „С познавателна система като Уотсън просто задавате въпроса си - или ако нямате въпрос, просто качвате данните си и Уотсън може да го разгледа и да заключи какво може да искате да знаете. "
заключение
Автоматизацията е следващата логична стъпка за машинно обучение и ние вече изпитваме ефектите в ежедневния ни живот - в уебсайтове за електронна търговия, предложения за приятели, препоръки за LinkedIn мрежи и Airbnb класации за търсене. Като се имат предвид дадените примери, несъмнено може да се постави върху качеството на продукцията, произведена от автоматизирани системи за машинно обучение. За всичките му качества и предимства, мисълта за машинно обучение, причиняваща огромна безработица, може да изглежда малко свръхреакция. Машините заместват човешките същества в много области от нашия живот в продължение на няколко десетилетия и въпреки това, човешките същества се развиват и приспособяват да останат актуални в индустрията. В зависимост от перспективата машинното обучение, при цялата си разрушителност, е просто още една такава вълна, към която хората ще се адаптират.