Автоматика: маалымат илиминин жана машинаны үйрөнүүнүн келечеги?

Машина үйрөнүү эсептөө тарыхындагы эң чоң жетишкендиктердин бири болгон жана азыр чоң маалыматтар жана аналитика жаатында маанилүү ролду ойной алат. Чоң маалымат аналитикасы - бул ишкананын көз карашы боюнча чоң кыйынчылык. Мисалы, көптөгөн маалымат форматтарын түшүнүү, маалыматтарды даярдоону талдоо жана ашыкча маалыматтарды чыпкалоо сыяктуу иш -чаралар ресурсту көп талап кылышы мүмкүн. Маалымат илимпоздорунун адистерин тартуу - бул кымбат сунуш жана ар бир компания үчүн максат эмес. Эксперттер машина үйрөнүү аналитика менен байланышкан көптөгөн милдеттерди автоматташтыра алат деп эсептешет - күнүмдүк жана татаал. Автоматташтырылган машина үйрөнүү кыйла татаал жана инновациялык иштер үчүн колдонула турган олуттуу ресурстарды бошото алат. Машина үйрөнүү дайыма ушул багытта бараткандай.

Маалыматтык технология контекстинде автоматташтыруу

ITде автоматика - бул ар кандай системалар менен программалык камсыздоолордун байланышы, бул аларга адамдын кийлигишүүсүз белгилүү бир тапшырмаларды аткарууга мүмкүнчүлүк берет. ITде автоматташтырылган системалар жөнөкөй жана татаал жумуштарды аткара алышат. Жөнөкөй жумуштун мисалы формаларды PDF менен бириктирүү жана документтерди туура алуучуга жөнөтүү болушу мүмкүн, ал эми сайттан тышкары камдык көчүрмөлөрдү берүү татаал жумуштун мисалы болушу мүмкүн.

Жумушуңузду туура аткаруу үчүн автоматташтырылган системага программалоо же так көрсөтмөлөрдү берүү керек. Ар бир жолу автоматташтырылган система өз ишинин көлөмүн өзгөртүү үчүн керек болгондо, программаны же нускамаларды кимдир бирөө жаңыртып турушу керек. Автоматташтырылган система өз ишинде эффективдүү болгону менен, каталар ар кандай себептерден улам пайда болушу мүмкүн. Катачылыктар болгондо, анын түпкү себебин аныктап, оңдоо керек. Ооба, өз ишин аткаруу үчүн автоматташтырылган система толугу менен адамдардан көз каранды. Иштин мүнөзү канчалык татаал болсо, каталардын жана көйгөйлөрдүн ыктымалдуулугу ошончолук жогору болот.

IT тармагындагы автоматташтыруунун кеңири таралган мисалы вебке негизделген колдонуучу интерфейстерин текшерүүнү автоматташтыруу болуп саналат. Тест учурлары автоматташтыруу скриптине киргизилет жана колдонуучу интерфейси ошого жараша текшерилет. (Машина үйрөнүүнүн практикалык колдонулушу жөнүндө көбүрөөк билүү үчүн, кийинки муундагы алдамчылыкты аныктоодогу Machine Learning жана Hadoopту караңыз.)

Автоматташтыруунун пайдасына аргумент - бул күнүмдүк жана кайталануучу тапшырмаларды аткарат жана кызматкерлерди татаал жана чыгармачыл тапшырмаларды аткарууга бошотот. Бирок, ошондой эле автоматташтыруу адамдар тарабынан мурда аткарылган көп сандаган милдеттерди же ролдорду жокко чыгарган деп да айтылып жүрөт. Эми, ар кандай тармактарга машина үйрөнүү менен, автоматташтыруу жаңы өлчөмдү кошо алат.

Автоматташтырылган машина үйрөнүүнүн келечеги?

Машина үйрөнүүнүн маңызы - бул системанын маалыматтардан үзгүлтүксүз үйрөнүү жана адамдын кийлигишүүсүз өнүгүүсү. Машина үйрөнүү адамдын мээси сыяктуу иштей алат. Мисалы, электрондук соода сайттарындагы сунуштоочу кыймылдаткычтар колдонуучунун уникалдуу артыкчылыктарын жана табитин баалайт жана тандоого эң ылайыктуу продуктылар жана кызматтар боюнча сунуштарды бере алат. Бул мүмкүнчүлүктү эске алганда, машинаны үйрөнүү чоң маалыматтар жана аналитика менен байланышкан татаал милдеттерди автоматташтыруу үчүн идеалдуу деп эсептелет. Ал үзгүлтүксүз түрдө адамдын кийлигишүүсүнө жол бербеген салттуу автоматташтырылган системалардын негизги чектөөлөрүн жеңди. Бул макалада кийинчерээк талкуулана турган татаал маалыматтарды талдоо тапшырмаларын аткарууга машина үйрөнүүнүн жөндөмүн көрсөткөн бир нече мисалдар бар.

Жогоруда айтылгандай, чоң маалымат аналитикасы - бул ишканалар үчүн татаал сунуш, аны жарым -жартылай машиналуу окутуу системасына өткөрүп берүүгө болот. Бизнес көз карашынан алганда, бул көптөгөн пайдалуу нерселерди алып келиши мүмкүн, мисалы, креативдүү жана миссиянын критикалык тапшырмаларын аткаруу үчүн маалымат илимдеринин ресурстарын бошотуу, жумуштун көлөмүн жогорулатуу, тапшырмаларды аткарууга аз убакыт жана чыгымдардын эффективдүүлүгү.

Case study

2015 -жылы MIT изилдөөчүлөрү терең функция синтезинин алгоритмдери деп аталган техниканы колдонуп, чоң көлөмдөгү чийки маалыматтардан болжолдуу маалымат моделдерин түзө турган маалымат илиминин куралы менен иштей башташкан. Илимпоздор алгоритм машина үйрөнүүнүн эң сонун өзгөчөлүктөрүн айкалыштыра алат деп ырасташат. Илимпоздордун айтымында, алар аны үч башка маалымат топтомунда сынап көрүштү жана тестирлөөнү дагы камтышы үчүн кеңейтүүдө. Маалымат таануу жана аналитика боюнча эл аралык конференцияда бериле турган макалада изилдөөчүлөр Джеймс Макс Кантер менен Калян Веерамачанени: "Автоматташтырылган тюнинг процессин колдонуп, биз бардык жолду адамдын катышуусуз оптималдаштырып, ар кандай маалымат топтомдоруна жалпылоого мүмкүндүк беребиз", - деп айтышты.

Келгиле, иштин татаалдыгын карап көрөлү: алгоритмде автоматтык жөндөө жөндөмү бар, анын жардамы менен чийки маалыматтардан (мисалы, жаш же жыныс) түшүнүк же баалуулуктарды алууга же алууга болот, андан кийин болжолдуу маалыматтар моделдерин түзүүгө болот. Алгоритм татаал математикалык функцияларды жана Gaussian Copula деп аталган ыктымалдуулук теориясын колдонот. Демек, алгоритм иштете ала турган татаалдык деңгээлин түшүнүү оңой. Бул техника мелдештерде да байгелүү орундарга ээ болгон.

Машина үйрөнүү үй тапшырмасын алмаштырышы мүмкүн

Машина үйрөнүү көптөгөн жумуштарды алмаштыра алары дүйнө жүзү боюнча талкууланып жатат, анткени ал адамдын мээсинин эффективдүүлүгү менен милдеттерди аткарат. Чынында, машиналарды үйрөнүү маалымат илимпоздорун алмаштырат деген кооптонуу бар жана мындай кооптонууга негиз бар окшойт.

Берилиштерди талдоо көндүмдөрүнө ээ болбогон, бирок күнүмдүк жашоосунда аналитикалык муктаждыктары бар орточо колдонуучу үчүн, чоң көлөмдөгү маалыматтарды анализдей турган жана анализ маалыматын бере турган компьютерлерди колдонуу мүмкүн эмес. Бирок, Natural Language Processing (NLP) ыкмалары компьютерди табигый адам тилин кабыл алууга жана иштетүүгө үйрөтүү менен бул чектөөнү жеңе алат. Ошентип, орточо колдонуучу татаал аналитикалык функцияларга же көндүмдөргө муктаж эмес.

IBM, маалымат илимпоздоруна болгон муктаждыкты азайтса болот же анын продукту Уотсон Табигый Тил Аналитика Платформасы аркылуу жок болот деп эсептейт. Уотсондун аналитика жана бизнес чалгындоо боюнча вице -президенти Марк Атшуллердин айтымында, "Уотсон сыяктуу когнитивдик система менен сиз өзүңүздүн сурооңузду бересиз - же эгер сизде суроо жок болсо, сиз жөн эле маалыматыңызды жүктөп бересиз жана Уотсон аны карай алат. жана сиз эмнени билгиңиз келсе болот. ”

Жыйынтык

Автоматташтыруу-бул машинаны үйрөнүүнүн кийинки логикалык кадамы жана биз буга чейин күнүмдүк жашообузда эффекттерди баштан кечирип жатабыз-электрондук соода сайттары, Facebook досунун сунуштары, LinkedInдин тармактык сунуштары жана Airbnb издөө рейтингдери. Берилген мисалдарды эске алсак, муну автоматташтырылган автоматташтыруу системалары тарабынан чыгарылган продукциянын сапатына байланыштырууга болору шексиз. Бардык сапаттары жана артыкчылыктары боюнча, чоң жумушсуздукту жараткан машина үйрөнүү идеясы бир аз ашыкча реакция болуп көрүнөт. Машиналар ондогон жылдар бою жашообуздун көптөгөн бөлүктөрүндө адамдарды алмаштырып келген, бирок адамдар эволюциялашып, бул тармакта актуалдуу бойдон калууга ылайыкташкан. Көз карашка ылайык, машинаны үйрөнүү анын бардык бузулуулары үчүн адамдар көнө турган дагы бир толкун.


Билдирүү убактысы: Август-03-2021