T:
Bakit ang ilang mga proyekto sa pag-aaral ng machine ay nangangailangan ng napakaraming bilang ng mga aktor?
A:Kung iisipin mo ang pag-aaral ng makina, malamang na mag-isip ka ng mga dalubhasang siyentipiko ng data na nagtatrabaho sa mga keyboard sa mga silid ng computer. Mayroong labis na diin sa dami ng pagsusuri at algorithm. Walang isang buong maraming kagyat na konteksto ng real-mundo sa marami sa mga programang ito - hindi bababa sa, iyon ang iisipin ng marami.
Gayunpaman, ang ilan sa mga pinaka-programa sa pagkatuto ng groundbreaking machine ngayon ay gumagamit ng mga makatotohanang mga hukbo ng mga taong kumikilos sa kalye, sa mga tindahan at kahit saan na maaari nilang modelo ng pangunahing mga aktibidad ng tao tulad ng paglalakad, pagtatrabaho o pamimili.
| Libreng Pag-download: Pag- aaral ng Machine at Bakit Mahalaga ito |
Ang isang Wired na artikulo ni Tom Simonite ay naglalarawan ng napakahusay na may pamagat na apt na "Upang Gumawa ng AI na Mas Matalinong, Ang Mga Tao ay Nagsagawa ng Mga Ginawang Mababa na Gawain ng Oddball.
Gamit ang halimbawa ng mga maiikling video na nakuha sa isang tindahan ng gripo ng Buong Pagkain, ipinakita ng Simonite ang mga uri ng trabaho na makakatulong sa pagbuo ng ilan sa susunod na yugto ng pagkatuto ng makina.
Ito ay humahantong sa tanong kung bakit ang lahat ng mga taong ito ay nakikibahagi sa paggawa ng pelikula sa kanilang sarili sa maikli at simpleng mga video na nagdodokumento ng mga aksyon bilang rudimentary tulad ng paglipat ng isang braso o binti.
Ang sagot ay nagbubuhos ng ilang ilaw sa kung saan ang pag-aaral ng makina at kung saan ito pupunta.
"Nais ng mga mananaliksik at negosyante na maunawaan ang AI at kumilos sa pisikal na mundo, " ang isinulat ni Simonite, na nagpapaliwanag kung bakit siya at ang iba pa ay nagmumura sa mga camera. "Samakatuwid ang pangangailangan ng mga manggagawa upang gumawa ng mga eksena sa mga supermarket at tahanan. Bumubuo sila ng materyal ng pagtuturo upang magturo ng mga algorithm tungkol sa mundo at sa mga tao dito. "
Tulad ng ituturo ng maraming mga eksperto, ang ilan sa mga pinakamalaking mga hangganan ng pag-aaral ng machine ay nagsasangkot sa pagproseso ng imahe at pagproseso ng natural na wika. Ang mga ito ay lubos na dami ng mga pamamaraan - sa madaling salita, walang isang malawak na spectrum ng mga input tulad ng mayroon sa "performant" mga tunay na kapaligiran sa mundo. Sa halip, ang mga programa sa pag-aaral ng machine ay gumagamit ng data ng visual at audio sa napaka-tiyak na mga paraan upang makabuo ng mga modelo. Sa pagproseso ng imahe, ang pagpili ng mga tampok mula sa isang (may hangganan) na larangan ng pangitain. Para sa NLP, nagtitipon ito ng mga ponemes.
Ang pagpunta sa lampas sa mga partikular na kategorya ng pag-input na ito ay nagsasangkot ng isang bagay na maaari mong tawagan ang "imahe at puwang ng pagsasalita" - sa paglipas ng mga bagay tulad ng pagproseso ng imahe at pagkilala sa pagsasalita, lumilipat ka sa mga lugar kung saan kailangang mag-analitikal ang mga computer sa iba't ibang paraan. Ang mga hanay ng pagsasanay ay magkakaiba-iba.
Ipasok ang hukbo ng mga videographers. Sa ilan sa mga bagong proyekto sa pag-aaral ng machine, ang pinakamaliit na mga ideya ng mga aktibidad ng tao ay ang mga set ng pagsasanay. Sa halip na sanayin upang maghanap ng mga tampok at mga gilid at mga pixel na bumubuo sa mga gawain sa pag-uuri, ang mga computer ay sa halip ay gumagamit ng mga video ng pagsasanay upang masuri kung ano ang hitsura ng iba't ibang uri ng pagkilos.
Ang pangunahing bagay ay kung ano ang magagawa ng mga inhinyero sa data na ito kapag pinagsama at na-load, at kapag ang computer ay sinanay dito. Makikita mo sa lalong madaling panahon makikita ang mga resulta sa iba't ibang mga patlang - halimbawa, gagawing epektibo ang pagsubaybay. Ang mga kompyuter ay "makakakita" sa larangan ng visual na ginagawa ng mga tao, at ilalapat iyon sa mga patlang tulad ng marketing at benta, o marahil, sa ilang mga kaso, ang ahensya ng gobyerno o ang hustisya sa kriminal.
Inilalagay din ng mga ramifications ang debate sa pagitan ng maximum na mga benepisyo at mga katanungan sa privacy. Karamihan sa paggamit ng mga video na ito ay bubuo ng mga modelo ng pag-aaral ng machine na gagana para sa pagsubaybay - ngunit ano ang tungkol sa mga taong hindi nais na masuri? Kapag ang mga bagong programa sa pag-aaral ng machine ay na-deploy sa pampublikong espasyo, ano ang mga karapatan ng indibidwal at saan ang linya na iginuhit?
Sa anumang kaso, ang mga kumpanya ay gumagamit ng mga ganitong uri ng mga mapagkukunan ng tao at video upang talagang maghukay sa ilang mga susunod na antas ng pag-ikot ng pag-aaral ng pag-aaral ng machine na talagang paganahin ang mga computer na makilala ang nangyayari sa kanilang paligid, sa halip na pag-uuri lamang ng mga imahe o nagtatrabaho sa mga ponema ng pagsasalita. Ito ay isang napaka-kagiliw-giliw at kontrobersyal na pag-unlad sa artipisyal na katalinuhan, at isa na nararapat na ibahagi ang pansin sa tech media at higit pa.
