Provocări ale învățării automate

Model învățarea automată

Având în vedere gama largă de aplicabilitate a învățării automate (machine learning, ML), aceasta se confruntă cu o serie de provocări. Unele dintre ele sunt după cum urmează:

  • Algoritmii de învățare automată necesită volume mari de date pentru ca rezultatele să fie precise și eficiente, ceea ce încă nu este disponibil pentru cercetători. Giganții tehnologici precum Facebook și Google au avut acces la date enorme, motiv pentru care sunt lideri în domeniul inteligenței artificiale. Devine și mai dificil să obțineți aceste date în domenii precum bănci și asistența medicală, unde sunt disponibile date digitale rare, ceea ce face dificilă realizarea de predicții precise.
  • Detecția spamului: în cazul mesajelor e-mail, sistemele inteligente dezvoltate până acum nu sunt încă în măsură să detecteze corect e-mailurile spam. Apar situații în care trimit mesaje spam în căsuța de inbox și mesaje non-spam în directorul de spam.
  • Algoritmii de învățare automată nu au reușit încă să identifice obiectele și imaginile. Acest domeniu este încă un domeniu de cercetare deschis pentru învățarea automată. Deși am menționat câteva provocări în învățarea automată, există multe alte domenii care încă sunt provocatoare pentru algoritmii de învățare profundă, cum ar fi înțelegerea vorbirii, detectarea fraudei cu cardul de credit, detectarea fețelor, recunoașterea cifrelor din un cod poștal și recomandarea de produse etc.

Algoritmii de învățare automată sunt în continuă dezvoltare și cu siguranță vor deveni mai răspândiți în anii următori. Sunt utili în multe și diverse aplicații; în spatele împingerii granițelor către inovare, există o putere semnificativă a creierului și finanțare [25]. Unele zone deschise de aplicare includ:

  • Învățare profundă, de ex. pentru prezicerea tendințelor pieței bursiere, proiectarea circuitelor, identificarea bolilor, proiectarea dispozitivelor controlate prin voce și multe altele (cu o atenție specială pentru rețelele neuronale adverse generative)
  • Exploarea datelor și analiza megadatelor, de ex. pentru prezicerea tendințelor pieței de afaceri
  • Procesarea limbajului natural, de ex. în motoarele de căutare
  • Acceleratoare hardware pentru noile arhitecturi IA, de ex. de la AMD și Intel
  • Medii de simulare pentru evaluare și testare, de ex. pentru mașini cu conducere autonomă și realitate virtuală
  • Învățare automată în domeniul sănătății (imagistică medicală, lucru cu date clinice, înțelegerea datelor genomice ale populațiilor uriașe)
  • HCI (Human Computer Interaction), continuă să avanseze interfețe mai bune și uzabilitate între diferite dispozitive odată cu creșterea cloud computingului și IoT

Având în vedere ritmul actual de avansare în domeniu, învățarea automată are un viitor strălucit. Aplicațiile învățării automate au potențialul de a se extinde dramatic în viitorul apropiat.

În viitorul apropiat, învățarea automată este de așteptat să facă parte din aproape fiecare aplicație software. Există câteva dintre previziunile viitoare ale aplicațiilor de învățare automată: deoarece învățarea automată ajută computerele să înțeleagă contextul și semantica propozițiilor folosind procesarea limbajului natural, nu va trebui să așteptăm mult timp când computerele vor învăța să vorbească la fel ca oamenii. În viitorul apropiat, ne putem aștepta ca instrumentele și tehnicile de învățare automată să se conecteze la internet și să păstreze în permanență cele mai relevante informații. Acest lucru va ajuta să se rețină constant algoritmii și nu va fi nu va fi nevoie să antrenați sistemele în mod repetat. Personalizarea ar putea fi îmbunătățită, iar recomandările ar putea fi îmbunătățite, ceea ce ar duce la experiențe mai benefice și de succes.

Digitalizarea și revoluția Internetului au dus la un volum în creștere de date structurate și nestructurate care trebuie utilizate pentru analiză. Învățarea automată, ca motor tehnologic cheie, cuprinde puterea inteligentă de a valorifica cunoștințele din datele disponibile. În plus, adoptarea de soluții de învățare automată pentru probleme complexe din viața reală atât de către cercetători, cât și de către practicieni, a făcut din acest domeniu un domeniu dinamic de cercetare, cu o participare activă în industrii și țări.

Sursa: Jafar Alzubi et al 2018 J. Phys.: Conf. Ser. 1142 012012, licența CC BY 3.0. Traducere: Nicolae Sfetcu

Statistica pentru afaceri
Statistica pentru afaceri

Statistica pentru afaceri este un ghid practic elementar de statistică, cu eșantioanele de date și exemplele orientate spre afaceri. Statistica face posibilă analiza problemelor de afaceri din lumea reală cu date reale, astfel încât să puteți determina dacă o strategie … Citeşte mai mult

Nu a fost votat $3.99$8.55 Selectează opțiunile Acest produs are mai multe variații. Opțiunile pot fi alese în pagina produsului.
Lucrul cu baze de date
Lucrul cu baze de date

Colecția ȘTIINȚA INFORMAȚIEI Lucrul cu bazele de date este astăzi printre cele mai căutate abilități IT. Acum puteți obține o bază de plecare în proiectarea și implementarea bazelor de date cu o abordare practică, ușor de înțeles. ”Lucrul cu baze … Citeşte mai mult

Nu a fost votat $3.99$7.99 Selectează opțiunile Acest produs are mai multe variații. Opțiunile pot fi alese în pagina produsului.
Etica Big Data în cercetare
Etica Big Data în cercetare

Principalele probleme cu care se confruntă oamenii de știință în lucrul cu seturile mari de date (Big Data), evidențiind principale aspecte etice, luând în considerare inclusiv legislația din Uniunea Europeană. După o scurtă Introducere despre Big Data, secțiunea Tehnologia prezintă … Citeşte mai mult

Nu a fost votat $0.00$2.35 Selectează opțiunile Acest produs are mai multe variații. Opțiunile pot fi alese în pagina produsului.

Lasă un răspuns

Adresa ta de email nu va fi publicată. Câmpurile obligatorii sunt marcate cu *