http://www.china-cic.org.cn

什么是机器学习? AI专家讲述UpTech系列中的定义

编者注:WRAL TechWire正在与YourLocalStudio.com合作,这是一家拥有10年历史的自编视频代理商,今天推出我们认为是一个令人难以置信的深度深潜进入人工智能世界。 YourLocalStudio的首席执行官兼创始人亚历山大·弗格森(Alexander Ferguson)和他的团队对人工智能领域的思想领袖进行了一系列深入的视频采访 - 其中许多人都在三角区。这是每周系列中的最新一期,主要关注机器学习 - 它是什么以及它有助于企业的潜力。

UpTech

欢迎阅读UpTech报告。在我们的上一个视频中,我们看了一个简单的问题。什么是人工智能或AI?

我们发现的一个项目是它可以被视为一个包罗万象的术语。真正有许多子集或方面,如自然语言处理,计算机视觉,机器学习和深度学习。

在第二部热门剧集中,我们仔细研究什么是机器学习?它如何应用于商业以及它的未来是什么样的?

为了帮助回答这些问题,我们采访了一整套人工智能专家,商业领袖和企业家。

采访了是:

Robbie Allen,首席执行官InfiniaML

Richard Boyd,首席执行官Tanjo

Mason Levy,首席执行官Swivl

Brandon Andersen,Ceralytics首席执行官

Alicia Klinefelter,NVIDIA研究科学家

Chris Hazard,首席技术官Diveplane

[12]3] Rett Crocker,首席执行官Udu

Jeff LeRose,首席执行官Research Triangle Software

Bjorn Nordwall,CTO Research Triangle Software

为了让我们开始,我们确实发现机器学习实际上是1959年由IBM工作的科学家Arthur Samuel创造的一个术语。但从那以后发生了很多事情。让我们现在回到我们的专家那里问问他们。

什么是机器学习?

艾伦:因此,基于某种基本定义的机器学习是使数据自动化和学习模式。基本上,你从数据集开始,它本质上是学习。软件在该数据中的学习模式,以便当您在将来为其提供新数据时,它可以进行预测,或者它可以告诉您它与过去的情况类似。

危害:我会将机器学习描述为向计算机展示某些东西并让它能够模仿你并将其推广到新情况。

Nordwall:能够读取大量数据和创建一个这些数据的地图,并理解你拥有的数据与机器学习之间的关系。

安徒生:我完全是从麻省理工学院剥离这个。顺便说一句,我现在要插上一个插头。麻省理工学院有机会学习的开放课程,但我喜欢他们指出这一点。他们说,在传统的编程中,在传统的解决问题的方式中,你首先构建一个程序,然后引入数据,当你使用数据运行程序时,你就有了输出。你有机器学习ata而不是程序,你有输出。所以我知道我希望这件事情出来。所以我有数据和输出。机器学习给你的是程序。它说基于这些信息,这是你从这些数据到这个输出的方式。这是这个计划。这就是机器学习的全部内容,而且都是基于统计学的。

艾伦:机器学习的确非常像人类在人类学习中的经验。他们从数据中学习。人类是概率性的,他们没有把一切都做对,他们不一定会重复相同的结果,因为输入和机器学习是一样的。

技术总是在不断发展。所以我们问我们的专家,机器学习有哪些挑战?

艾伦:到目前为止应用机器学习的最大挑战就是准备好数据。如果数据中有垃圾,或者它有很多噪音或有问题,特别是那些你没想到或者你看不到自己的问题,那么算法会学到噪音,或者它会开始做出误判,因为它是学习模式这是不正确的。

Levy:只是为了克服和理解,只要正确地构建数据对于许多企业来说是一个巨大的挑战。并将它们放在一起。整个企业都是客户数据平台,他们的整个工作就是将五六个不同的数据存储到商店,并尝试创建客户的统一视图。我认为这将是我给企业主开始瘦的建议国王关于你如何捕获数据,你如何在数据系统中标记数据,以及最终你想从中获得什么。

Boyd:我们如何获得足够的数据?这就是今天的真正挑战。我怎样才能找到足够的相关数据,这些数据能够可靠地训练系统,无论我正在尝试教授它?律师事务所的组织知识或如何驾驶汽车。如何导航到火星。那些事情。今天的问题是我们如何获得足够的数据,使其成为正确的形状,以便机器可以从中获得意义。

很明显,数据是主要问题之一,但准确性和消费者和商业用例之间的区别。

艾伦:机器学习的概率,意味着你不能合作每次都在特定的答案上。使用机器学习算法获得的准确度可能在80%或90%范围内。

Crocker:在商业中你只需要达到80但在消费者中你必须接近99,这就是为什么人们不喜欢Siri,因为它曾经有一次不理解我,与商业一样,它更加务实。你可能会觉得它在100%的时间里不起作用,但是10次中有8次,我没有做任何事情。

那么有什么东西出现在机器学习前线?我们问专家。

Klinefelter:我认为通常我会考虑两个类别。在日常生活中我们互动的东西有时很多人都没有意识到在后端有机器学习真的很有趣。而且我觉得它有点模糊,因为我们并没有真正谈论它。然后就是人们正在开发的那种新的和即将到来的应用程序。我认为在Facebook上存在的日常生活中的图像分类或者Google搜索中存在的文字识别和分类,甚至是您的手机能够随时随地学习语音的能力,它可以识别与其他人相比,你说的更好。

LeRose:非常非常令人印象深刻。特别是在医疗领域,它如何帮助诊断。它可以访问完整的互联网,查找曾经发生的每一个症状,并将其与sy匹配特定患者的症状。

Levy:这个抽象层的一个真正机会是构建这些算法的设计是什么样的?我们可以把它变成AI的Squarespace吗?我们可以做到这一点,这样你就可以轻松地拖拽它了,现在你有了一个非常酷的功能原型,随着时间的推移它只会学习并变得更聪明。

Klinefelter:但我认为很多有趣的应用程序即将出现在这类无监督学习算法中,这是一种最先进的算法类型,您实际上是在告诉机器自己学习。你并没有真正给它提供数据的例子来学习,你给它这样的目标来满足准确性,然后你说你自己学习。

最后,我们想知道商业领袖如何在自己的企业中实际应用机器学习?你应该自己做还是雇人?这是非常昂贵和难以申请的吗?

艾伦:如果没有更多正式的培训或更多的经验,很难从基本的回归转向深度学习,因为有更多的事情可能出错。如果你没有意识或能力去理解出错的地方或者出错的原因,那么你将无法理解或解释你得到的结果。所以我想说基本的机器学习技术并不是太过分,但是一旦你想要深入学习,就需要更多的理解。

Levy:一个问题在你有点不得不问问自己,每个企业,当他们在寻找软件或服务来增加他们的核心竞争力时,我们是否构建它?我们与某人合作还是购买?而且我认为公司应该关注的是我们如何采用这些框架?是否有那些允许我们启用这些东西的服务?

Boyd:我们一直在扫描互联网。去SIGGRAPH等会议,看看人们在做什么,看看我们可以借鉴什么。我不想尝试在我的公司创建一些开创性的新研究,因为坦率地说,当有这么多其他聪明人像谷歌,IBM和其他地方的人一样花很多钱时,这不是一个好用的钱。一旦他们解决了亲嗯,我们真棒。现在,我们将提出一种方法来整合其中的一些想法并进行六个月的10倍投资回报。

你对AI有什么问题?请在[YouTube视频]的评论中告诉我们。我们会为您的问题找到答案,并在以后的视频中介绍。不要忘记订阅以在新视频上线时收到通知。我是亚历山大,这是UpTech报告。

以前的报道在UpTech AI系列

关注无极荣耀官网(www.china-cic.org.cn)。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。