Das Hintergrund
Maschinelles Lernen
Das Thema « maschinelles Lernen » ist nicht einfach zu erklären. Aber ich glaube, es zu verstehen, ist wichtig, weil « maschinelles Lernen » das Herz von künstlicher Intelligenz ist.
Mit verschiedenen Methoden, z.b. mit Hilfe von Internetsuche, oder mit Rechner Geschichte seit 1950, mit Beispielen, können wir dieses Thema klären. Für die heutige Erklärung, werde ich mit meine eigene Geschichte probieren.
Meine Geschichte
Als ich im vorigen Jahrhundert ein junger Ingenieur war, programmierte ich die Rechner mit einem besonderen Ziel. Der Rechner musste, mit meinen Programmen, mehrere Aktionen ausführen. Jetzt, mit maschinellem Lernen, ist das Ziel komplett anders: der Rechner lernt mit Daten, die Nahrung der Rechner, was er ausführen muss. Was sehr wichtig ist zu erinnern, ist dass die Daten am wichtigsten sind. Die Daten sind wichtiger als die Algorithmen, die sind seit mehr als 20 Jahren bekannt. Zunächst muss der Rechner die Daten analysieren und es gibt mehrere Stufen: Daten aufladen, Model festlegen, Model kompilieren, Model passen, Model bewerten und die letzte Stufe ist Prognose oder Einstufung. Zum Beispiel habe ich meine eigenen Daten über Wettlauf, Herzfrequenz, Blutdruck analysiert. Diese erste Stufe ist die wichtigste beim maschinelles Lernen. Für die Datenanalyse gibt es mehrere Techniken die aus der Statistik kommen. Nach der Datenanalyse muss der Computer, mit der Hilfe des Algorithmus, Vorhersagen machen. Und dann kommt « tiefes Lernen », eine Technik die Neuronnennetzwerk aufgebaut ist. Ich arbeitete and trainierte jetzt über « tiefes Lernen » und das ist mein Projekt Heute.
Was bedeutet das für mich? Kann ich mit meine eigenen Daten Vorhersage machen? Kann ich zum Beispiel eine Vorhersage über verbleibende Lebensjahre machen? Das ist nur möglich wenn ich Daten von anderen Leuten habe, die ähnlich wie ich leben. Leider habe ich diese Daten nicht.
Das Beispiel
Wenn wir über künstliche Intelligenz sprechen, ist das Thema sehr breit. Das Thema enthält Roboter mit Sensoren verbunden mit dem Gehirn, Datenmengen Untersuchungen, Sprachassistenten, Autonom fahrende Autos, Gesicht-Identifizierung, Übersetzung, Entscheidungshilfe usw... Je breiter das Thema breit ist, desto mehr Leute wollen diskutieren. Ich habe auch bemerkt, dass viele Leute gegenüber künstlicher Intelligenz sehr skeptisch sind. Je mehr die Leute über künstliche Intelligenz informiert sind, eine desto bessere Meinung über künstliche Intelligenz haben sie.
Maschinelles Lernen
Das Thema « maschinelles Lernen » ist nicht einfach zu erklären. Aber ich glaube, es zu verstehen, ist wichtig, weil « maschinelles Lernen » das Herz von künstlicher Intelligenz ist.
Mit verschiedenen Methoden, z.b. mit Hilfe von Internetsuche, oder mit Rechner Geschichte seit 1950, mit Beispielen, können wir dieses Thema klären. Für die heutige Erklärung, werde ich mit meine eigene Geschichte probieren.
Meine Geschichte
Als ich im vorigen Jahrhundert ein junger Ingenieur war, programmierte ich die Rechner mit einem besonderen Ziel. Der Rechner musste, mit meinen Programmen, mehrere Aktionen ausführen. Jetzt, mit maschinellem Lernen, ist das Ziel komplett anders: der Rechner lernt mit Daten, die Nahrung der Rechner, was er ausführen muss. Was sehr wichtig ist zu erinnern, ist dass die Daten am wichtigsten sind. Die Daten sind wichtiger als die Algorithmen, die sind seit mehr als 20 Jahren bekannt. Zunächst muss der Rechner die Daten analysieren und es gibt mehrere Stufen: Daten aufladen, Model festlegen, Model kompilieren, Model passen, Model bewerten und die letzte Stufe ist Prognose oder Einstufung. Zum Beispiel habe ich meine eigenen Daten über Wettlauf, Herzfrequenz, Blutdruck analysiert. Diese erste Stufe ist die wichtigste beim maschinelles Lernen. Für die Datenanalyse gibt es mehrere Techniken die aus der Statistik kommen. Nach der Datenanalyse muss der Computer, mit der Hilfe des Algorithmus, Vorhersagen machen. Und dann kommt « tiefes Lernen », eine Technik die Neuronnennetzwerk aufgebaut ist. Ich arbeitete and trainierte jetzt über « tiefes Lernen » und das ist mein Projekt Heute.
Was bedeutet das für mich? Kann ich mit meine eigenen Daten Vorhersage machen? Kann ich zum Beispiel eine Vorhersage über verbleibende Lebensjahre machen? Das ist nur möglich wenn ich Daten von anderen Leuten habe, die ähnlich wie ich leben. Leider habe ich diese Daten nicht.
Das Beispiel
Eine heutige Anwendung von maschinelles Lernen ist zum Beispiel COVID19. Zunächst mit Datenmengen Untersuchung können wir die geografische Verteilung des Erregers sichtbar machen. Sehen Sie die Karte « COVID 19 Erreger Hot Spot neben Wuhan ».
Diese Information ist wichtig für die Entscheidungsinstanzen. Aber Menschen haben kognitive Verzerrung und unter Druck oder Stress irren sie sich. Die Maschinen sind rationaler als Menschen und wenn Maschinen mit richtigen und vielen Daten gefuttert sind, ist die Entscheidung besser. Dann spielt maschinelles Lernen eine wichtige Rolle, damit die Menschen eine bessere Entscheidung treffen.
Fazit
Heutzutage ist Datenmenge entscheidend und Heute sind die Daten der Treibstoff des künstliche Intelligenz. Deswegen ist Heute die weltweite Schlacht um Daten so intensiv.
Die Verarbeitung und Analyse deren Daten mit dem Ziel Prognose oder die Delegierung menschliche Aufgaben ist jetzt möglich dank der Leistung der Computer und Datenmengen.
Aucun commentaire:
Enregistrer un commentaire