מהי למידת מכונה ואיך משתמשים בה כיום?

פול דאוני | פליקר

למידת מכונה היא ביטוי שמתלווה אליו לעתים קרובות יותר ויותר, ובכל זאת רבים עדיין לא יודעים בדיוק מה זה. כמובן, יש סיבה לכך. זה עדיין בשלבים הראשונים מאוד , ורבים מניחים שזה לא משהו שמשפיע על האוכלוסייה הכללית עדיין. למעשה, זה אולי לא נכון כמו שחלק מניחים.

אז מה זה למידת מכונה? ובמה משתמשים בו כיום? להלן המדריך שלנו על כל מה שצריך לדעת על למידת מכונה.

מהי למידת מכונה?

למידת מכונה, במילים פשוטות, היא סוג של בינה מלאכותית המאפשרת למחשבים ללמוד ללא כל תכנות נוספת. במילים אחרות, התוכנה מסוגלת ללמוד דברים חדשים בכוחות עצמה, מבלי שמתכנת או מהנדס יצטרך 'ללמד' אותה דבר. למידת מכונה מסוגלת לקחת נתונים ולגלות דפוסים ולמצוא פתרונות, ואז ליישם אותם פתרונות לבעיות אחרות.

תמונה: K? Rlis Dambr? Ns | פליקר

חשוב לציין שלמידה של מכונה כמושג אינה חדשה כלל - קשה להתחקות אחר המקורות המדויקים של המושג בהתחשב בכך שהיא מתמזגת לצורות טכנולוגיה אחרות וממנה. אתה יכול לטעון שלמידה של מכונה מתוארכת כל הדרך ליצירת מבחן טיורינג, ששימש כדי לקבוע אם למחשב יש אינטליגנציה. תוכנית המחשב הראשונה שלמדה, לעומת זאת, הייתה משחק דמקה, שפותח בשנת 1952 על ידי ארתור סמואל. המשחק הזה השתפר ככל שהוא שיחק.

אולם הטכנולוגיה האחרונה משפרת באופן דרסטי את למידת המכונה. לדוגמה, למידת מכונה דורשת כמויות חיבוק של כוח עיבוד, עד כדי כך שרק התחלנו לפתח למידה בסיסית במכונה בהיסטוריה האחרונה.

יש כמה דרכים עיקריות שמתכנתים מיישמים למידת מכונה. הראשון נקרא 'למידה בפיקוח'. משמעות הדבר בעצם היא שמכונה מוזנת בבעיות בהן ידוע הפיתרון לבעיה. אלגוריתם הלמידה מסוגל לקבל את אותן בעיות יחד עם התוצאות הרצויות, לזהות דפוסים בבעיות ולפעול בהתאם. למידה מפוקחת משמשת לעתים קרובות לחיזוי אירועים עתידיים - למשל כאשר עסקת כרטיסי אשראי עשויה להיות הונאה.

היישום השני של למידת מכונה נקרא 'למידה ללא פיקוח'. במקרה זה, תוצאת הבעיה אינה ניתנת לתוכנה - במקום זאת, היא מוזנת לבעיות ועליה לאתר דפוסים בנתונים. המטרה כאן היא למצוא מבנה בנתונים שהם מקבלים.

שלישית למעלה היא 'למידה מפוקחת למחצה'. שיטה זו של למידת מכונה משמשת לרוב לאותם דברים כמו למידה בפיקוח, אך היא דורשת נתונים עם פיתרון ונתונים בלי. למידה בפיקוח חצי מיושמת לרוב כאשר הכספים מוגבלים וחברות אינן מסוגלות לספק מערכי נתונים מלאים לתהליך הלמידה.

אחרון חביב היא 'למידת חיזוק', שמשמשת במיוחד לדברים כמו משחקים ורובוטים. למידת חיזוק נלמדת בעצם באמצעות ניסוי וטעייה - המכונה מנסה דברים ולומדת בהתבסס על הצלחותיה או כישלונותיה. המטרה כאן היא שהמכונה תמצא את התוצאות הטובות ביותר האפשריות.

כמובן שכל השיטות הללו ללימוד מכונות כוללות הזנת מכונה מאות אלפי בעיות, וכמויות אדירות של נתונים. באמת, ככל שיותר נתונים ייטב.

היכן משתמשים כיום בלימוד מכונות?

תמונות של כסף | פליקר

למעשה, יש הרבה מקומות שבהם משתמשים כיום בלמידה של מכונות. רבים מאלה נמצאים מאחורי הקלעים, עם זאת, יתכן שתופתעו לדעת שרבים מהם הם גם משהו בו אתם משתמשים מדי יום ביומו.

אולי זה שאתה הכי משתמש בו נמצא אצל העוזרת האישית שלך - זה נכון, כמו סירי וגוגל עכשיו משתמשים בלימוד מכונות, בעיקר כדי להבין טוב יותר את דפוסי הדיבור. עם כל כך הרבה מיליוני אנשים המשתמשים בסירי, המערכת מסוגלת להתקדם ברצינות כיצד היא מתייחסת לשפות, מבטאים וכן הלאה.

כמובן שסירי אינה היישום הצרכני היחיד של למידת מכונות. שימוש נוסף הוא בבנקאות, כמו גילוי הונאה. לדוגמה, אלגוריתמים למידת מכונה יכולים לעקוב אחר דפוסי הוצאות, לקבוע אילו דפוסים עשויים להיות הונאים על סמך פעילות הונאה בעבר.

למעשה, אפילו הדוא"ל שלך עשוי להשתמש בלימוד מכונה. לדוגמה, דוא"ל דואר זבל מהווה בעיה והם התפתחו עם הזמן. מערכות דואר אלקטרוני משתמשות בלמידת מכונה כדי לעקוב אחר דפוסי דוא"ל של דואר זבל ואיך משתנים דוא"ל זבל, ואז מכניסים אותם לתיקיית הספאם שלך על סמך שינויים אלה.

מסקנות

למידת מכונה אמורה להיות חלק גדול מהאופן בו אנו משתמשים בטכנולוגיה קדימה, וכיצד הטכנולוגיה יכולה לעזור לנו. מסירי לבנק האמריקני, למידת מכונות הופכת ליותר ויותר הולכת וגוברת וזה צפוי להימשך.