Paul Downey | Flickr
L’aprenentatge automàtic és una frase que s’uneix cada cop més sovint, encara que molts encara no saben exactament què és . Per descomptat, hi ha una raó per això. Encara es troba en les seves etapes primerenques, i molts suposen que no és una cosa que afecti la població general. De fet, potser no és tan cert com suposen alguns.
Què és l'aprenentatge automàtic? I què s’utilitza en l’actualitat? Aquí teniu la nostra guia sobre tot el que necessiteu saber sobre l'aprenentatge de màquines.
Què és l'aprenentatge automàtic?
L’aprenentatge automàtic, simplement dit, és una forma d’intel·ligència artificial que permet als ordinadors aprendre sense cap programació addicional. Dit d’una altra manera, el programari és capaç d’aprendre coses noves pel seu compte, sense que un programador o enginyer necessiti “ensenyar” res. L’aprenentatge automàtic és capaç d’agafar dades i detectar patrons i trobar solucions, i després aplicar aquestes solucions a altres problemes.
Imatge: K? Rlis Dambr? Ns | Flickr
És important tenir en compte que l’aprenentatge de màquines com a concepte no és gens nou, és difícil rastrejar els orígens precisos del concepte, tenint en compte que es fusiona dins i amb altres formes de tecnologia. Podríeu argumentar que l’aprenentatge automàtic data de nou fins a la creació del Turing Test, que s’utilitzava per determinar si un ordinador tenia intel·ligència. El primer programa informàtic que va aprendre, però, va ser un joc de damas, desenvolupat el 1952 per Arthur Samuel. Aquest joc millorava com més jugava.
La tecnologia recent, però, millora dràsticament l’aprenentatge de màquines. Per exemple, l'aprenentatge de màquines requereix una gran quantitat de potència de processament, tant que només hem començat a desenvolupar l'aprenentatge bàsic de màquines en la història recent.
Hi ha algunes maneres principals dels programadors d’implementar l’aprenentatge automàtic. El primer s’anomena “aprenentatge supervisat”. El que significa bàsicament és que una màquina alimenta problemes on es coneix la solució al problema. L’algoritme d’aprenentatge és capaç de rebre aquells problemes juntament amb els resultats desitjats, identificant els patrons dels problemes i actuant en conseqüència. L’aprenentatge supervisat s’utilitza sovint per predir esdeveniments futurs, com per exemple quan una transacció amb targeta de crèdit pot ser fraudulenta.
La segona implementació de l'aprenentatge automàtic s'anomena "aprenentatge no supervisat". En aquest cas, el programari no dóna el resultat d'un problema, sinó que té problemes d'alimentació i ha de detectar patrons a les dades. L’objectiu aquí és trobar una estructura en les dades que es proporcionen.
El tercer és "l'aprenentatge semi-supervisat". Aquest mètode d’aprenentatge automàtic s’utilitza sovint per a les mateixes coses que l’aprenentatge supervisat, però requereix dades amb una solució i sense dades. L’aprenentatge semi-supervisat sovint s’implementa quan els fons són limitats i les empreses no poden proporcionar conjunts complets de dades per al procés d’aprenentatge.
Per últim, però no per això menys important, és l’aprenentatge de reforç, que s’utilitza específicament per a coses com jocs i robots. L’aprenentatge de reforç s’ensenya bàsicament a través d’assaig i error: la màquina intenta coses i aprèn en funció dels seus èxits o fracassos. L’objectiu aquí és que la màquina esbrini els millors resultats possibles.
Per descomptat, tots aquests mètodes d’aprenentatge automàtic consisteixen en alimentar a una màquina centenars de milers de problemes i quantitats massives de dades. De debò, quantes més dades millor.
On s'utilitza l'aprenentatge automàtic avui?
Imatges de diners | Flickr
De fet, hi ha un munt de llocs en els quals s’utilitza l’aprenentatge automàtic avui dia. Molts d'aquests són entre escena, però us pot sorprendre saber que molts d'ells també són alguns que feu servir cada dia.
Potser el que més utilitzeu és a l’assistent personal, és així, com Siri i Google Now fan servir aprenentatge automàtic, en gran mesura per comprendre millor els patrons de parla. Amb tants milions de persones que utilitzen Siri, el sistema és capaç d’avançar seriosament en com tracta idiomes, accents, etc.
Per descomptat, Siri no és l’única aplicació de consum d’aprenentatge automàtic. Un altre ús és a la banca, com la detecció de fraus. Per exemple, els algorismes d’aprenentatge automàtic poden fer un seguiment dels patrons de despesa, determinant quins patrons són més propensos a ser fraudulents en funció d’activitats fraudulentes passades.
De fet, fins i tot el vostre correu electrònic podria estar utilitzant aprenentatge automàtic. Per exemple, els correus electrònics de correu brossa són un problema i han evolucionat amb el pas del temps. Els sistemes de correu electrònic utilitzen aprenentatges automàtics per fer un seguiment dels patrons de correu electrònic de correu brossa i de com canvien els correus electrònics de correu brossa, i després posar-los a la carpeta de correu brossa basada en aquests canvis.
Conclusions
L’aprenentatge automàtic és una part important de la manera com utilitzem la tecnologia endavant i de com la tecnologia ens pot ajudar. De Siri al Banc dels Estats Units, l’aprenentatge de màquines cada cop és més freqüent i això només pot continuar.
