当前位置:首页 > 移动开发

你文字里的焦虑,它一眼就能看出来

作者:it技术知识网 阅读次数: 时间:2019-06-24 08:41:10

摘要:机器学习,本质上是要找到这样的法律和大量数据的结构。

撒网(https://开头WWW。ChinaVenture投。COM。CN)编者按:机器学习,本质上是要找到这样的法律和大量数据的结构。

我不从一开始就开始知道,当你拨打客户服务电话,手机不再是您的服务真正的运营商,但机器人。它可以根据您所提供的关键字,轻松帮你完成密码重置,更新个人信息,甚至有针对性的营销。

当然,这仅仅是机器学习在现实生活中,这样的通用。本学科在其在短短四,五年崛起,已经悄悄渗透到了我们的家园,学校,办公室等许多角落。

\

几乎每个人都或多或少地听说过这个词。但究竟是什么?我们能做到这一点?a16z著名投资本尼迪克特·埃文斯分享了他的观点在文章中。

什么是机器学习?

显然,一个字“人工智能”是不够的总结。

了解换句话说,我们知道神经网络的样子。

两个关键词 - 常规模型和数据。

\

机器学习,在本质上,是要找到这样的法律和大量数据的结构。

这些数据,往往显得没有规律可言的显著。

原来,电脑不能做这个事情。或者,让人们去使用此任务来告诉计算机程序,它是非常困难。然而,随着科学技术的进步和不断探索人类的“机器学习”的时代还是来了。

打开门人工智能的世界

什么高大,如“数据是金”,“人工智能将取代所有的工作,”不作为认真想一想,什么是自动化与其说是令人震惊的话,有什么关系数据库。

一句话,关系型数据库更改数据结构。

1970年,一个关系数据库出现之前,假设你想在计算机告诉我们,所有购买了我们的产品和客户居住的城市,我们需要建立一个专门的项目来回答这个问题。当时数据库系统仅仅是一个记录,你不能直接回答问题。

但是,什么是关系型数据库,你可以做交叉检索。

它催生了一系列创新的数据库应用,以及美元的数十亿此公司。

给了我们一个关系型数据库的Oracle(甲骨文,世界上最大的企业软件公司)。它还允许SAP(系统应用和产品,企业管理解决方案)将其对全球企业提供供应链支持,如苹果和星巴克。

值得注意的是,虽然规模关系数据库本身,而是安装在不同的篮子或鸡蛋不同的篮子里。例如,A公司B公司买了同一个供应商购买数据库软件,该软件不会因为一个买变得更好。

同样地,机器学习值数据点篮。更多手写数据,以便手写识别渐入佳境; 但是,这并不利于提高燃气轮机。在数据无法替代的一个特殊领域。

常见误解

人们往往有机器学习的误解,机器学习被认为是一个单一的,通用的。

自动化的浪潮每一波,我们想象我们创造了一些人,帮助人,喜欢智能什么。在20世纪50年代,我们想到了一个人形机器人在厨房里走动,做家务。

事实上,我们没有得到一个机器人仆人。

我们得到了一台洗衣机。

洗衣机是一台机器,但他们并不“智能”。他们不知道什么是水,什么样的衣服。此外,即使在洗涤领域,他们不是多才多艺。你不能把碗碟放在洗衣机里,衣服不能放在洗碗机。他们只是另一个自动化,用传送带或贴片机是在概念上没有什么不同。

同样,机器学习,这样就可以解决电脑前的问题不能得到解决,但每一个问题都需要不同的实现方法,不同的数据和不同的营销渠道。他们每个人都是自动化。每一个洗衣机的等效的。

我们可以做些什么学习机

首先,机器学习,我们可以分析现有数据,提供更好的结果。例如,只用三个工程师构建的系统谷歌的开源工具,一个零售公司成功地优化客户的采购系统,并通过50%提高了公司的工作效率。

其次,学习机也可以点击从现有数据的新信息。例如,机器学习可以通过关键词搜索,帮你找到表达“愤怒”,“焦虑”等情绪邮件。

此外,机器学习也开辟了新的数据类型分析。计算机可以“看”,只是因为他们可以“读”相同。图像传感器(麦克风),以成为一种新的输入机构。

安德鲁·吴(中国计算机科学家)认为,学习机可以做一切人的第二件事一小部分做。但我更喜欢另一种比喻,它可以让你岁儿童的数量不受限制。

五年前,如果你提供了一堆的照片到电脑,那么就只能按照大小进行排序。但是,一个三岁的孩子可以把它们放到男人和女人,一个十五岁的孩子什么,他们可以把有吸引力的,一个实习生可能会说,“哦,这真的很有趣。“。

如今,学习机,电脑相当于十,也许十五个孩子。它可能永远水平的实习生,但如果你有在十五岁的时候有100万儿童,帮助您分析数据,你可以做很多更多的事情比现在。

换句话说,本机并不需要相匹配的学习经验,专家判断或几十年。相反,我们只要求它做“接听所有来电,寻找那些愤怒”,“阅读所有邮件,寻找那些焦虑”,“看十万张照片,找到那些很酷的(或至少不寻常)人“。

\

这个比喻也告诉我们,在某些领域,机器学习,人们不仅可以做,但也使人们不能做。例如AlphaGo,只通过自己的战略理解国际象棋的规则,其余的和不断总结自己的棋,探索。练习的数量可能会超过一个人的生活能的数量在。

那么,什么领域是狭窄的规则,我们可以直接告诉机器,但深过目所有这些能够给我们带来新的发现它的数据?

我花了很多时间和大型企业谁跟他们的技术需求,机器学习为那些谁是很容易做到的,如问题和音频识别的图像优化分析。有自动驾驶的汽车和虚拟现实----机器学习技术分析周围什么车,人类驾驶员通常怎么办; 穿什么眼镜应该看到。

它可以做些什么来帮助我们?我们不知道哪些应用程序有?这些都为我们留下在未来5 - 10年的探索吧。

(责任编辑:冉方)

本文链接:你文字里的焦虑,它一眼就能看出来

友情链接:

大悲咒经文 佛经 观音心经