F:
Hur förändrar "masteralgoritmen" världen för maskininlärning?
A:En idé som kallas "masteralgoritmen" påverkar hur vi ser på maskininlärning och artificiell intelligens.
Idén tillskrivs populärt Pedro Domingos, en professor vid University of Washington, som baserar masteralgoritmen på fem olika typer av maskininlärnings- och artificiell intelligensprinciper: symbolik, anslutning, evolutionism, Bayesisk teori och analogisering.
| Gratis nedladdning: Machine Learning and Why It Matters |
Tanken är att genom att förena dessa discipliner och skapa en algoritm som fungerar över kanaler, kan du grundläggande utveckla vad maskininlärning kan göra. Detta har samband med idén om djupa inlärningsnätverk som involverar maskininlärningsprocesser.
En av aspekterna av masteralgoritmen är att den fungerar över kanaler. Vissa experter förklarar det som idén att algoritmer kan korsa egna plattformar som berättar mer om konsumenter. Till exempel är en av de populära aspekterna av en masteralgoritm att den skulle fungera med sociala medieplattformar som Facebook och andra miljöer som Google-verktyg, för att uppnå en mer omfattande form av digital övervakning och en djupare relation till användaren eller ämnet.
Masteralgoritmen har vunnit massor av uppmärksamhet från teknologiledare som Bill Gates och världsledare som Xi Jinping - det har blivit ett intressant och populärt sätt att beskriva begrepp som hebbiskt lärande, övervakad och oövervakad maskininlärning, Bayesisk logistik och mer.
Vissa alternativa betydelser av "masteralgoritm" hänvisar till andra ansträngningar för att skapa omfattande algoritmer som kommer att göra mer för att efterlikna mänskligt och kognitivt beteende - till exempel idén om backpropagation som avancerad av Geoff Hinton och andra. Men masteralgoritmidéen som är teoretiserad av Pedro Domingos är det mest populära exemplet på hur masteralgoritmen används i teknikindustrin. Oavsett om det är att kombinera discipliner, modaliteter, plattformar eller typer av kognitivt arbete, främjar masteralgoritmen idén att du kan blanda och blanda olika typer av verktyg till en starkare och mer kapabel tillämpning av maskininlärning och artificiell intelligens.
