Automatika: duomenų mokslo ir mašinų mokymosi ateitis?

Mašininis mokymasis buvo vienas didžiausių pasiekimų kompiuterijos istorijoje ir dabar manoma, kad jis gali atlikti svarbų vaidmenį didelių duomenų ir analizės srityje. Didelių duomenų analizė yra didžiulis iššūkis įmonės požiūriu. Pavyzdžiui, tokiai veiklai, kaip daugelio skirtingų duomenų formatų supratimas, duomenų paruošimo analizė ir nereikalingų duomenų filtravimas, gali prireikti daug išteklių. Duomenų mokslininkų specialistų įdarbinimas yra brangus pasiūlymas, o ne priemonė kiekvienai įmonei. Ekspertai mano, kad mašininis mokymasis gali automatizuoti daugelį su analitika susijusių užduočių - tiek įprastų, tiek sudėtingų. Automatizuotas mašinų mokymasis gali atlaisvinti daug išteklių, kurie galėtų būti naudojami sudėtingesniam ir naujoviškesniam darbui. Atrodo, kad mašinų mokymasis visą laiką juda šia linkme.

Automatika informacinių technologijų kontekste

IT srityje automatizavimas yra skirtingų sistemų ir programinės įrangos sujungimas, leidžiantis jiems atlikti tam tikras užduotis be žmogaus įsikišimo. IT srityje automatizuotos sistemos gali atlikti ir paprastus, ir sudėtingus darbus. Paprasto darbo pavyzdys gali būti formų integravimas į PDF failus ir dokumentų siuntimas tinkamam gavėjui, o atsarginių kopijų ne vietoje teikimas gali būti sudėtingo darbo pavyzdys.

Norėdami tinkamai atlikti savo darbą, turite užprogramuoti arba duoti aiškias instrukcijas automatinei sistemai. Kiekvieną kartą, kai reikia automatinės sistemos, kad būtų pakeista jos darbo sritis, programą ar instrukcijų rinkinį kažkas turi atnaujinti. Nors automatizuota sistema veikia efektyviai, klaidų gali atsirasti dėl įvairių priežasčių. Kai atsiranda klaidų, reikia nustatyti ir pašalinti pagrindinę priežastį. Akivaizdu, kad norėdama atlikti savo darbą automatizuota sistema yra visiškai priklausoma nuo žmonių. Kuo sudėtingesnis darbo pobūdis, tuo didesnė klaidų ir problemų tikimybė.

Dažnas IT pramonės automatizavimo pavyzdys yra žiniatinklio vartotojo sąsajų testavimo automatizavimas. Bandymo atvejai įtraukiami į automatikos scenarijų ir atitinkamai išbandoma vartotojo sąsaja. (Norėdami sužinoti daugiau apie praktinį mašininio mokymosi pritaikymą, žr. Mašinų mokymasis ir „Hadoop“ naujos kartos sukčiavimo aptikime.)

Argumentas už automatizavimą yra tas, kad jis atlieka įprastas ir pakartojamas užduotis ir atleidžia darbuotojus atlikti sudėtingesnes ir kūrybiškesnes užduotis. Tačiau taip pat teigiama, kad automatizavimas pašalino daugybę užduočių ar vaidmenų, kuriuos anksčiau atliko žmonės. Dabar, kai mašinų mokymasis patenka į įvairias pramonės šakas, automatizavimas gali pridėti naują aspektą.

Automatizuoto mašinų mokymosi ateitis?

Mašininio mokymosi esmė yra sistemos gebėjimas nuolat mokytis iš duomenų ir vystytis be žmogaus įsikišimo. Mašinų mokymasis gali veikti kaip žmogaus smegenys. Pavyzdžiui, el. Prekybos svetainėse esantys rekomendacijų varikliai gali įvertinti unikalias vartotojo nuostatas ir skonį bei pateikti rekomendacijas, kaip pasirinkti tinkamiausius produktus ir paslaugas. Atsižvelgiant į šią galimybę, mašininis mokymasis yra idealus automatizuojant sudėtingas užduotis, susijusias su dideliais duomenimis ir analize. Ji įveikė pagrindinius tradicinių automatizuotų sistemų apribojimus, kurie neleidžia reguliariai kištis į žmogų. Yra daugybė atvejų tyrimų, įrodančių mašininio mokymosi gebėjimą atlikti sudėtingas duomenų analizės užduotis, kurios bus aptartos vėliau šiame straipsnyje.

Kaip jau minėta, didelių duomenų analizė yra sudėtingas pasiūlymas verslui, kurį galima iš dalies perduoti mašininio mokymosi sistemoms. Verslo požiūriu tai gali atnešti daug naudos, pavyzdžiui, atlaisvinti duomenų mokslo išteklius kūrybiškesnėms ir svarbiausioms užduotims atlikti, didesniam darbo krūviui, mažiau laiko užduotims atlikti ir ekonomiškumui.

Atvejo analizė

2015 m. MIT tyrėjai pradėjo dirbti su duomenų mokslo priemone, kuri gali sukurti nuspėjamus duomenų modelius iš didelio kiekio neapdorotų duomenų, naudojant metodą, vadinamą giliųjų funkcijų sintezės algoritmais. Mokslininkai teigia, kad algoritmas gali apjungti geriausias mašinų mokymosi savybes. Pasak mokslininkų, jie išbandė jį trimis skirtingais duomenų rinkiniais ir plečia bandymus, kad įtrauktų daugiau. Pranešime, kuris bus pristatytas Tarptautinėje duomenų mokslo ir analizės konferencijoje, tyrinėtojai Jamesas Maxas Kanteris ir Kalyanas Veeramachaneni sakė: „Naudodami automatinį derinimo procesą, mes optimizuojame visą kelią be žmogaus dalyvavimo, leidžiant jį apibendrinti pagal skirtingus duomenų rinkinius“.

Pažvelkime į užduoties sudėtingumą: algoritmas turi vadinamąją automatinio koregavimo galimybę, kurios pagalba galima gauti įžvalgų ar reikšmių arba išgauti iš neapdorotų duomenų (pvz., Amžiaus ar lyties), o po to nuspėjamuosius duomenis galima sukurti modelius. Šis algoritmas naudoja sudėtingas matematines funkcijas ir tikimybių teoriją, vadinamą Gauso kopula. Todėl lengva suprasti algoritmo sudėtingumo lygį. Ši technika taip pat laimėjo prizines vietas konkursuose.

Mašinų mokymasis gali pakeisti namų darbus

Visame pasaulyje diskutuojama, kad mašininis mokymasis galėtų pakeisti daugelį darbų, nes jis atlieka užduotis efektyviai žmogaus smegenims. Tiesą sakant, yra tam tikras susirūpinimas, kad mašinų mokymasis pakeis duomenų mokslininkus, ir atrodo, kad tokiam susirūpinimui yra pagrindas.

Paprastam vartotojui, kuris neturi duomenų analizės įgūdžių, bet turi įvairaus laipsnio analitinių poreikių kasdieniame gyvenime, neįmanoma naudoti kompiuterių, galinčių analizuoti didžiulius duomenų kiekius ir pateikti analizės duomenis. Tačiau natūralios kalbos apdorojimo (NLP) metodai gali įveikti šį apribojimą, mokydami kompiuterius priimti ir apdoroti natūralią žmogaus kalbą. Tokiu būdu paprastam vartotojui nereikia sudėtingų analitinių funkcijų ar įgūdžių.

IBM mano, kad duomenų mokslininkų poreikį galima sumažinti arba visiškai pašalinti naudojant jo produktą - „Watson Natural Language Analytics Platform“. Pasak Marco Atschullerio, „Watson“ analitikos ir verslo žvalgybos viceprezidento, „Naudodami tokią pažinimo sistemą kaip„ Watson “, jūs tiesiog užduodate savo klausimą - arba, jei neturite klausimo, tiesiog įkeliate savo duomenis ir Watsonas gali į jį pažiūrėti ir nuspręskite, ką galbūt norėsite žinoti. “

Išvada

Automatizavimas yra kitas logiškas mašininio mokymosi žingsnis, ir mes jau patiriame jo poveikį kasdieniame gyvenime-elektroninės prekybos svetainės, „Facebook“ draugų pasiūlymai, „LinkedIn“ tinklo pasiūlymai ir „Airbnb“ paieškos reitingai. Atsižvelgiant į pateiktus pavyzdžius, neabejotina, kad tai galima priskirti automatizuotų mašinų mokymosi sistemų produkcijos kokybei. Nepaisant visų savybių ir pranašumų, idėja, kad mašininis mokymasis sukelia didžiulį nedarbą, atrodo šiek tiek per daug. Mašinos daugelį mūsų gyvenimo dalių pakeitė dešimtmečius, tačiau žmonės vystėsi ir prisitaikė, kad išliktų svarbūs pramonėje. Remiantis nuomone, mašininis mokymasis dėl visų jo sutrikimų yra tik dar viena banga, prie kurios žmonės prisitaikys.


Paskelbimo laikas: 2021 m. Rugpjūčio 3 d