Avtomatlashtirish: ma'lumotlar ilmi va mashinani o'rganishning kelajagi?

Mashinani o'rganish hisoblash tarixidagi eng katta yutuqlardan biri bo'lib, hozirda katta ma'lumotlar va tahlil sohasida muhim rol o'ynashi mumkin. Katta ma'lumotlar tahlili - korxona nuqtai nazaridan katta qiyinchilik. Masalan, ko'p sonli turli xil formatlarni tushunish, ma'lumotlarni tayyorlashni tahlil qilish va ortiqcha ma'lumotlarni filtrlash kabi tadbirlar resurslarni talab qilishi mumkin. Ma'lumotlar bo'yicha mutaxassislarni yollash - bu qimmat taklif va har bir kompaniya uchun maqsad emas. Mutaxassislarning fikricha, mashinani o'rganish tahlil bilan bog'liq ko'plab vazifalarni avtomatlashtirishi mumkin - oddiy va murakkab. Avtomatlashtirilgan mashinalarni o'rganish yanada murakkab va innovatsion ish uchun ishlatilishi mumkin bo'lgan muhim resurslarni bo'shatishi mumkin. Mashinani o'rganish har doim shu yo'nalishda harakat qilayotganga o'xshaydi.

Axborot texnologiyalari sharoitida avtomatlashtirish

AT -da avtomatlashtirish - bu turli xil tizimlar va dasturiy ta'minotning bir -biriga ulanishi bo'lib, ularga odamlarning aralashuvisiz aniq vazifalarni bajarishga imkon beradi. ATda avtomatlashtirilgan tizimlar oddiy va murakkab ishlarni bajarishi mumkin. Oddiy ishning namunasi PDF-lar bilan shakllarni birlashtirish va hujjatlarni to'g'ri qabul qiluvchiga yuborish bo'lishi mumkin, saytdan tashqari zaxira nusxalarini taqdim etish esa murakkab ishning namunasi bo'lishi mumkin.

O'z ishingizni to'g'ri bajarish uchun siz avtomatlashtirilgan tizimni dasturlashingiz yoki aniq ko'rsatmalar berishingiz kerak. Har safar o'z ishining ko'lamini o'zgartirish uchun avtomatlashtirilgan tizim kerak bo'lganda, dastur yoki ko'rsatma to'plamini kimdir yangilashi kerak. Avtomatlashtirilgan tizim o'z ishida samarali bo'lishiga qaramay, xatolar turli sabablarga ko'ra yuzaga kelishi mumkin. Xatolik yuz berganda, uning asosiy sababini aniqlash va tuzatish kerak. Shubhasiz, o'z vazifasini bajarish uchun avtomatlashtirilgan tizim butunlay odamlarga bog'liq. Ishning tabiati qanchalik murakkab bo'lsa, xatolar va muammolar ehtimoli shuncha yuqori bo'ladi.

AT sohasidagi avtomatlashtirishning keng tarqalgan namunasi-bu veb-ga asoslangan foydalanuvchi interfeyslarini sinovdan o'tkazishni avtomatlashtirish. Sinov hollari avtomatlashtirish skriptiga kiritiladi va shunga mos ravishda foydalanuvchi interfeysi sinovdan o'tkaziladi. (Mashinani o'rganishning amaliy qo'llanilishi haqida ko'proq ma'lumot olish uchun "Yangi avlod firibgarligini aniqlashda Mashinani o'rganish va Hadoop" bo'limiga qarang.)

Avtomatlashtirish foydasiga dalil shundaki, u muntazam va takrorlanadigan vazifalarni bajaradi va xodimlarni murakkab va ijodiy vazifalarni bajarishga bo'shatadi. Shu bilan birga, avtomatlashtirish odamlar tomonidan ilgari bajarilgan ko'p sonli vazifalar yoki rollarni istisno qilgani ham ta'kidlanadi. Endi, mashinasozlik turli sohalarga kirganda, avtomatlashtirish yangi o'lchov qo'shishi mumkin.

Avtomatlashtirilgan mashinalarni o'rganishning kelajagi?

Mashinada o'qitishning mohiyati - bu tizim ma'lumotlardan uzluksiz o'rganish va inson aralashuvisiz rivojlanish qobiliyatidir. Mashinani o'rganish inson miyasi kabi ishlashga qodir. Masalan, elektron tijorat saytlaridagi tavsiyanomali dvigatellar foydalanuvchining o'ziga xos afzalliklari va didini baholashi va eng mos mahsulot va xizmatlarni tanlash bo'yicha tavsiyalar berishi mumkin. Ushbu qobiliyatni hisobga olgan holda, mashinani o'rganish katta ma'lumotlar va tahlil bilan bog'liq murakkab vazifalarni avtomatlashtirish uchun ideal hisoblanadi. U muntazam ravishda odamlarning aralashuviga yo'l qo'ymaydigan an'anaviy avtomatlashtirilgan tizimlarning asosiy cheklovlarini yengib o'tdi. Mashinada o'qishning murakkab ma'lumotlarni tahlil qilish vazifalarini bajarish qobiliyatini ko'rsatadigan ko'plab amaliy tadqiqotlar mavjud, ular keyinchalik ushbu maqolada muhokama qilinadi.

Yuqorida aytib o'tilganidek, katta ma'lumotlar tahlili biznes uchun qiyin taklif bo'lib, ularni qisman mashinasozlik tizimlariga topshirish mumkin. Ishbilarmonlik nuqtai nazaridan, bu juda ko'p foyda keltirishi mumkin, masalan, ijodiy va muhim vazifalar, yuqori ish yuklari, vazifalarni bajarish uchun kamroq vaqt va iqtisodiy samaradorlik uchun ma'lumotlar fani resurslarini bo'shatish.

Vaziyatni o'rganish

2015 yilda MIT tadqiqotchilari chuqur xususiyatlar sintezi algoritmlari deb nomlangan texnikadan foydalanib, katta hajmdagi xom ma'lumotlardan bashoratli ma'lumotlar modellarini yaratadigan ma'lumotshunoslik vositasi ustida ishlay boshladilar. Olimlarning ta'kidlashicha, algoritm mashinani o'rganishning eng yaxshi xususiyatlarini birlashtirishi mumkin. Olimlarning so'zlariga ko'ra, ular uni uch xil ma'lumotlar to'plamida sinab ko'rishgan va testlarni ko'proq ma'lumotlarga kiritish uchun kengaytirmoqdalar. Tadqiqotchilar Jeyms Maks Kanter va Kalyan Veeramachaneni Ma'lumot fanlari va tahlillari bo'yicha Xalqaro konferentsiyada taqdim etiladigan maqolada shunday deyishdi: "Avtomatlashtirilgan sozlash jarayonidan foydalanib, biz butun yo'lni inson ishtirokisiz optimallashtiramiz, bu esa uni har xil ma'lumotlar majmuasida umumlashtirishga imkon beradi".

Keling, vazifaning murakkabligini ko'rib chiqaylik: algoritm avtomatik sozlash qobiliyatiga ega, uning yordamida ma'lumotlardan (yoshi yoki jinsi kabi) ma'lumot olish yoki olish mumkin, shundan so'ng bashoratli ma'lumotlar. modellarni yaratish mumkin. Algoritmda murakkab matematik funktsiyalar va Gauss kopulasi deb ataladigan ehtimollar nazariyasi qo'llaniladi. Algoritm bajaradigan murakkablik darajasini tushunish oson. Bu usul musobaqalarda ham sovrinli o'rinlarni egallagan.

Mashinani o'rganish uy vazifasini almashtirishi mumkin

Mashinada o'qitish ko'plab ishlarni almashtirishi mumkinligi butun dunyoda muhokama qilinmoqda, chunki u inson miyasining samaradorligi bilan vazifalarni bajaradi. Aslida, mashinasozlik ma'lumoti olimlarining o'rnini bosishi mumkin, degan xavotir bor va bunday tashvishga asos borga o'xshaydi.

Ma'lumotni tahlil qilish ko'nikmalariga ega bo'lmagan, lekin kundalik hayotida har xil darajadagi tahliliy ehtiyojlarga ega bo'lgan oddiy foydalanuvchi uchun katta hajmdagi ma'lumotlarni tahlil qila oladigan va ma'lumotlarni tahlil qila oladigan kompyuterlardan foydalanish maqsadga muvofiq emas. Biroq, Natural Language Processing (NLP) texnikasi bu cheklovni engib o'tishi mumkin, bu kompyuterlarni tabiiy inson tilini qabul qilish va qayta ishlashga o'rgatish orqali. Shunday qilib, oddiy foydalanuvchi murakkab tahlil funktsiyalari va ko'nikmalariga muhtoj emas.

IBM, ma'lumotli olimlarga bo'lgan ehtiyojni o'z mahsuloti - Watson Natural Language Analytics Platform orqali kamaytirish yoki yo'q qilish mumkin, deb hisoblaydi. Vatson tahlil va biznes -razvedka bo'yicha vitse -prezidenti Mark Atschullerning so'zlariga ko'ra, "Uotson kabi kognitiv tizim bilan siz o'z savolingizni berasiz - yoki agar sizda savol bo'lmasa, siz o'z ma'lumotlaringizni yuklaysiz va Uotson unga qarashi mumkin. va siz bilmoqchi bo'lgan narsalar haqida xulosa chiqaring. ”

Xulosa

Avtomatlashtirish-bu mashinani o'rganishning navbatdagi mantiqiy bosqichi va biz o'z ta'sirini kundalik hayotimizda-elektron tijorat saytlari, Facebook do'stlari takliflari, LinkedIn tarmoq takliflari va Airbnb qidiruv reytinglarida sezmoqdamiz. Berilgan misollarni ko'rib chiqsak, buni avtomatlashtirilgan avtomatlashtirilgan tizimlar ishlab chiqarayotgan mahsulot sifatiga bog'lash mumkinligiga shubha yo'q. Barcha fazilatlari va afzalliklariga qaramay, mashinasozlik g'oyasi katta ishsizlikka olib keladi. Mashinalar o'nlab yillar davomida hayotimizning ko'p joylarida odamlarni almashtirib kelgan, lekin odamlar rivojlanib, sanoat sohasida o'z ahamiyatini saqlab qolishga moslashgan. Ko'rinishicha, mashinani o'rganish uning barcha buzilishlari uchun odamlar moslashadigan navbatdagi to'lqindir.


Xabar vaqti: 03-2021 avgust