En tant que personne qui explique souvent l'apprentissage automatique à des non-professionnels, j'ai rassemblé les dix points suivants comme quelques explications à propos de l'apprentissage automatique.
L'apprentissage automatique n'est pas comme la propagande de la variole: vous pouvez résoudre une myriade de problèmes en fournissant des données de formation appropriées à des algorithmes d'apprentissage appropriés. Appelez-le AI si cela vous aide à vendre votre système d'IA. Mais sachez que l'IA n'est qu'un mot à la mode qui ne représente que ce que les gens attendent de lui.
Il y a beaucoup d'excitation dans les progrès des algorithmes d'apprentissage automatique, en particulier dans l'apprentissage en profondeur. Mais les données sont le facteur clé qui rend l'apprentissage automatique possible. L'apprentissage automatique peut se faire sans algorithmes complexes, mais pas sans de bonnes données.
L'apprentissage automatique entraîne les modèles en fonction des modèles dans les données, explorant l'espace des modèles possibles définis par les paramètres. Si l'espace des paramètres est trop grand, il est trop adapté aux données d'entraînement et entraîne un modèle qui ne peut pas se généraliser.
L'adage dit que si vous entrez un tas de déchets dans un ordinateur, il en sort un tas de déchets. Bien que ce terme ait été inventé avant l'apprentissage automatique, c'est précisément la principale limite de l'apprentissage automatique. L'apprentissage automatique ne peut trouver que des modèles présents dans les données de formation.
oi Comme le prévient le manuel d'introduction des fonds, les performances passées ne garantissent pas les résultats futurs. L'apprentissage automatique devrait également envoyer une déclaration d'avertissement similaire: il ne peut fonctionner que sur la base de données distribuées de la même manière que les données de formation. Il est donc nécessaire de surveiller les écarts entre les données de formation et les données de production et de répéter régulièrement le modèle de formation pour garantir qu'il ne soit pas obsolète.
Sous la propagande de l'épidémie de virus de l'apprentissage automatique, vous pourriez penser que l'apprentissage automatique consiste principalement à choisir et à ajuster des algorithmes. Mais la réalité est simple: la majeure partie de votre temps et de votre énergie sera consacrée au nettoyage des données et à l'ingénierie des caractéristiques, c'est-à-dire à la conversion des caractéristiques initiales en caractéristiques qui peuvent mieux représenter le signal de données.
L'apprentissage en profondeur est également très médiatisé, car il est utilisé et développé dans de nombreux domaines. De plus, l'apprentissage en profondeur permet d'automatiser certaines tâches traditionnellement effectuées par l'ingénierie des caractéristiques, en particulier pour les données d'image et de vidéo.
Nous nous excusons auprès de la NRA: les algorithmes d'apprentissage automatique ne tuent pas, ce sont les gens qui tuent. Lorsque le système d'apprentissage automatique tombe en panne, c'est rarement parce qu'il y a un problème avec les algorithmes d'apprentissage automatique. Il est plus probable que des erreurs artificielles soient introduites dans les données de formation, ce qui entraîne des déviations ou d'autres erreurs du système.
Dans de nombreuses applications d'apprentissage automatique, les décisions que vous prenez aujourd'hui influencent les données de formation collectées demain. Une fois que le système d'apprentissage automatique intègre les déviations dans le modèle, il peut continuer à générer de nouvelles données de formation avec des déviations renforcées.
Beaucoup de gens semblent avoir tiré leurs idées sur l'intelligence artificielle des films de science-fiction. Nous devrions être inspirés par la science-fiction, mais nous ne pouvons pas être si stupides pour croire que la fiction est la réalité. De l'humain méchant conscient aux modèles d'apprentissage automatique déviant inconscient, il y a trop de réalités et de dangers à craindre.
Le contenu de l'apprentissage automatique va bien au-delà des 10 points que j'ai mentionnés ci-dessus. J'espère que ces informations seront utiles pour les non-professionnels.
Transférée de la plateforme mondiale de l'intelligence artificielle pour le Big Data