T:
Bakit pinag-uusapan ng mga tao ang "tipping point" para sa pag-aaral ng machine?
A:Ang isang makabuluhang bilang ng mga eksperto ay nakakaalerto sa iba sa ideya na ang pag-aaral ng makina ay talagang dahil sa pagsabog sa loob ng susunod na ilang taon bilang isang umuusbong na industriya. Bilang isang tukoy na elemento ng gawaing artipisyal na katalinuhan, ang pag-aaral ng makina ay nakasalalay sa sopistikadong mga algorithm at set ng pagsasanay ng data upang makabuo ng kumplikadong mga sagot na probabilistikong maaaring mailapat sa halos anumang sitwasyon o industriya. Sa pag-iisip, ang pag-aampon sa pag-aaral ng machine sa komunidad ng negosyo ay lumalaki na ngayon habang sinusubukan ng mga kumpanya na maging una sa kanilang mga kakumpitensya na talagang mag-aplay sa pagkatuto ng makina sa mga tiyak na paraan.
| Libreng Pag-download: Pag- aaral ng Machine at Bakit Mahalaga ito |
Ang mga aplikasyon ng negosyo ay isang bahagi lamang ng potensyal na paglaki ng pag-aaral ng makina. Napag-alaman din ng mga kumpanya na ang mas matalinong mga teknolohiya at mas matalinong mga produkto ay pupunta upang mai-unlock ang isang bagong henerasyon ng higit na gumagana na mga kalakal at serbisyo ng consumer.
Pinag-uusapan ng mga tao ang tungkol sa "tipping point" ng pag-aaral ng makina bilang isang perpektong bagyo ng pagsulong sa hardware, algorithm at data. Binanggit ng Harvard Business Review ang lahat ng tatlo sa isang piraso ng Hulyo na tinatalakay ang nakabinbin na pagsabog ng pag-aaral ng makina. Siyempre, ang malaking data ay marahil ang pinaka-trumpeta sa pindutin ng tech; sa tatlong mga elemento na ito, ang malaking data ay sumabog sa huling 10 taon. Gayunpaman, ang mga algorithm mismo ay nabuo din nang malaki.
Ang isa pang sangkap na napakaraming tao ay pinag-uusapan ay ang hardware na nagmamaneho ng mas malawak na aplikasyon ng pag-aaral ng makina.
Mahalaga, ang mga kumpanya ay lumilipat patungo sa isang proseso ng pagbuo ng mga partikular na circuit board at processor chips na ginawa upang mahawakan ang pag-aaral ng makina, sa halip na maglabas ng mga tradisyonal na teknolohiya ng circuit board upang hawakan ang malaking bilang ng mga input at computations na kasangkot sa probabilistikong paggawa ng desisyon. Ang ilang mga teknolohiyang sanggunian tulad ng Tensor Processing Unit ng Google o TPU at iba pang mga produkto na itinayo na partikular upang paganahin ang pagkalkula ng pag-aaral ng makina, halimbawa, sa pamamagitan ng paggamit ng mga maaaring ma-program na mga logic gate arrays.
Ang lahat ng mga uso na ito ay nagtutulungan upang ipakita ang isang lumalagong pangangailangan para sa mga sistema ng pag-aaral ng machine at mga kasanayan na ang mga executive at iba pa ay nagbabayad ng maraming pansin sa pag-iisip nila sa hinaharap ng teknolohiya ng negosyo sa 2018 at higit pa.
