Sisällysluettelo:
Määritelmä - mitä koneoppiminen tarkoittaa?
Koneoppiminen on keinotekoisen älyn (AI) kurinalaisuutta, joka on suunnattu ihmisen tietämyksen tekniseen kehitykseen. Koneoppimisen avulla tietokoneet voivat käsitellä uusia tilanteita analyysin, itsekoulutuksen, havainnoinnin ja kokemuksen avulla.
Koneoppiminen helpottaa laskennan jatkuvaa etenemistä altistumalla uusille skenaarioille, testaamalla ja mukauttamalla samalla, kun käytetään malli- ja trendi-havainnointia parempien päätösten tekemiseen seuraavissa (vaikkakaan eivät samanlaisissa) tilanteissa.
Koneoppiminen sekoitetaan usein tiedon louhintaan ja tiedon löytämiseen tietokannoissa (KDD), joissa on samanlainen menetelmä.
Techopedia selittää koneoppimisen
Koneoppimisen edelläkävijä ja Carnegie Mellon University (CMU) -professori Tom M. Mitchell ennusti ihmisten ja koneiden oppimisen kehittymistä ja synergiaa. Tämän päivän Facebook-uutissyöte on täydellinen esimerkki. Uutissyöte on ohjelmoitu näyttämään käyttäjän ystäväsisältöä. Jos käyttäjä usein merkitsee tai kirjoittaa tietyn ystävän seinälle, uutissyöte muuttaa käyttäytymistään näyttääkseen lisää ystävän sisältöä.
Muita koneoppimissovelluksia ovat syntaktinen kuvion tunnistus, luonnollisen kielen käsittely, hakukoneet, tietokoneen visio ja koneen havaitseminen.
| Ilmainen lataus: AI vakuutusalalla: 26 todellisen käytön tapausta |
Ihmisen intuitiota on vaikea toistaa koneessa, pääasiassa siksi, että ihmiset oppivat ja toteuttavat päätökset usein alitajuisesti.
Kuten lapset, koneet vaativat pidemmän harjoittelujakson kehitettäessä laajoja algoritmeja, jotka on suunnattu tulevaisuuden käyttäytymisen sanelemiseen. Harjoitustekniikoihin kuuluvat rote-oppiminen, parametrien säätäminen, makro-operaattorit, paloittelu, selityspohjainen oppiminen, klusterointi, virheenkorjaus, tapausten kirjaaminen, monimallin hallinta, takaisin eteneminen, vahvistusoppiminen ja geneettiset algoritmit.
