Nauczanie maszynowe
Uczenie maszynowe, potocznie w skrócie „ML”, to rodzaj sztuczna inteligencja (AI), która „uczy się” lub dostosowuje z czasem. Zamiast przestrzegać statycznych reguł zakodowanych w program, Technologia ML identyfikuje wkład wzory i zawiera Algorytmy które ewoluują w czasie.
Uczenie maszynowe ma wiele różnych zastosowań, z których wiele jest obecnie częścią codziennego życia. Poniżej kilka przykładów:
- Diagnozy medyczne
- Pojazdy autonomiczne
- Kierowanie reklam online - Reklamy Google AdSense i Facebook
- Rozpoznawanie mowy - Asystent Google, Amazon Alexa, Microsoft Cortana i Apple Siri
- Rozpoznawanie obrazu - Wyszukiwanie obrazów Google, rozpoznawanie twarzy włączone Facebook oraz w Zdjęciach Apple
Przykład pojazdu samojezdnego
Autonomiczne pojazdy wykorzystują uczenie maszynowe, aby poprawić ich bezpieczeństwo i niezawodność. Samojezdny samochód, który wykorzystuje tradycyjną sztuczną inteligencję, może reagować na wszelkie warunki drogowe, do obsługi których został zaprogramowany. Jeśli jednak oprogramowanie samochód może napotkać nierozpoznane dane wejściowe domyślnym do dodatkowego środka bezpieczeństwa, takiego jak zwolnienie, zatrzymanie lub wymóg ręcznego sterowania.
Uczenie maszynowe może umożliwić pojazdowi rozpoznawanie zdarzeń i obiektów, które nie zostały wyraźnie zaprogramowane w Kod źródłowy. Na przykład samochód może być zaprogramowany do rozpoznawania świateł ulicznych, ale nie do rozpoznawania świateł na barykadach budowlanych. Ucząc się z doświadczenia - być może rejestrując zachowanie kierowcy podczas jazdy - samochód zacznie rozpoznawać bariery konstrukcyjne i odpowiednio reagować.
Technologia ML umożliwia autonomicznym pojazdom rozróżnianie obiektów na drodze, takich jak samochody, rowery, ludzie i zwierzęta. Pomaga również samochodom w bardziej niezawodnej jeździe w kiepskich warunkach pogodowych i na drogach bez wyraźnych linii. Celem jest umożliwienie pojazdom prowadzenia pojazdów jak ludzie, unikając jednocześnie błędów spowodowanych błędem ludzkim.