Сегодня мир вокруг нас управляется искусственным интеллектом. Мы часто слышим это, но почему мы так говорим? Хорошо работать в эпоху, когда компьютеры очень мощные, Интернет очень быстрый, программное обеспечение с открытым исходным кодом (в основном) и, что наиболее важно, когда миллиарды людей генерируют данные, которые можно использовать для получения очень осязаемых идей, которые могут быть очень прибыльными для бизнеса и имеют право улучшить образ жизни человека и дать ощущение роскоши. Но как? Моя цель — объяснить это в паре историй с несколькими фрагментами линейного кода, в которых каждый может попробовать и убедить себя.
Перед погружением давайте попробуем понять несколько важных терминов, которые вы часто слышите. (PS: Я пытаюсь написать серию рассказов, это первый.)
Что такое искусственный интеллект? Прежде чем я отвечу на это, я должен сказать вам, что означает интеллект: «Способность обрабатывать информацию для принятия обоснованных/будущих решений называется интеллектом». И поэтому искусственный интеллект, простыми словами, означает «построение алгоритмов, которые могут обрабатывать информацию для принятия решений». Поэтому мы стремимся искусственно создать этот интеллект в компьютерах. но как мы это делаем? Так что этого можно достичь с помощью мощных компьютеров и огромных объемов данных. Благодаря техническому прогрессу мы ежедневно генерируем огромное количество данных, например. когда вы загружаете изображение в свою учетную запись в социальной сети, вы генерируете данные изображения, которые будут использоваться для классификации изображений, когда вы заказываете онлайн на Amazon или любой другой онлайн-платформе, вы генерируете данные, связанные с вашим выбором, и помогаете рекомендательным системам обучать модель лучше, чтобы в следующий раз, когда вы зайдете на amazon, он показывал рекомендации для похожих товаров.
Машинное обучение: это подмножество искусственного интеллекта. В этом подклассе ИИ мы обучаем алгоритм делать это (упомянутый выше) без явного программирования для этого.
Представьте себе случай с вашей электронной почтой. Вы часто получаете электронные письма от спамеров, которые вы удаляете (иногда нажатие на спам-письма может быть очень опасным). Эти электронные письма содержат такие тексты, как «Вознаграждение», «Деньги», «Имущество», «Бесплатно» и т. д., чтобы вы могли переходить по ссылкам, отправлять детали и т. д. Чтобы отфильтровать подобные спам-письма, мы должны следовать:
(1) алгоритм должен будет идентифицировать упомянутые слова и фразы,
(2) напишите алгоритм, чтобы пометить электронное письмо как спам или ветчину, используя имеющееся у вас электронное письмо (для успешного выполнения этого потребуется несколько цепочек if и else)
(3) Протестируйте новые электронные письма и спрогнозируйте точность спам-фильтра.
Но проблема возникает, когда спамер медленно узнает об алгоритме путем обратного проектирования и начинает использовать альтернативные или разные слова в электронной почте. Теперь необходимо соответствующим образом отредактировать спам-фильтр. И это становится бесконечным процессом. Следовательно, есть четвертый шаг,
(4) т.е. непрерывно повторять шаги 1, 2 и 3.
Здесь машинное обучение играет важную роль. Можно построить модель машинного обучения, используя старую электронную почту, помеченную как СПАМ или HAM (не спам), и соответствующим образом классифицировать новые электронные письма. Модель машинного обучения изучает функции, слова, текст из набора электронных писем. Кроме того, любые изменения в спам-сообщениях (отраженные спамером для обхода фильтра) могут быть автоматически выбраны спам-фильтром ML, и, следовательно, вмешательство программиста не потребуется.