F:
Varför är enorma antal bildfiler viktiga för många maskininlärningsprojekt?
A:För företag som vill engagera sig i sina första investeringar i maskininlärning (ML) kan hela processen verka lite kryptisk och esoterisk. För många är det verkligen svårt att visualisera hur maskininlärning faktiskt fungerar och exakt vad det kommer att göra för ett företag.
I vissa fall kan någon som forskar på maskininlärning ha en ganska epifani när de funderar på varför ett stort antal bildfiler, samlade i snygga digitala containrar, är så viktiga för ML-projekt. Det beror på att "bildfil" -konceptet hjälper till att visualisera ML. Genom att tänka på detta kan vi förstå mer om hur dessa slags tekniker kommer att tillämpas på vår värld mycket snart.
Gratis nedladdning: Machine Learning and Why It Matters |
Det korta svaret är att dessa stora antal bildfiler är viktiga för maskininlärning eftersom de representerar träningsuppsättningar - uppsättningar av initialdata som datorn måste arbeta med när den lär sig. Men det finns lite mer än det. Varför är bilder så värdefulla?
En anledning till att bilder är så värdefulla är att forskare har gjort stora framsteg när det gäller bildbehandling. Men utöver det har de också gjort framsteg när det gäller att hjälpa maskiner att identifiera resultat baserat på vad som finns i en bild.
Till exempel, alla som har hört talas om djupa envisa nätverk med både generativa och diskriminerande motorer förstår lite om hur datorer kan läsa och förstå visuella data och bilder. De läser inte pixlarna som de brukade göra - de "ser" faktiskt bilden och identifierar komponenter. Tänk till exempel på Facebooks ansiktsigenkänning - datorn lär sig hur du ser ut och identifierar dig i bilder - såväl som de omkring dig. Detta möjliggörs ofta genom sammanställning av många bilder och iterativ träning som ligger till grund för ett maskininlärningsprojekt.
När intressenterna har identifierat en plan och ett koncept och gått ut och samlat in alla relevanta bilder och lagt dem in i maskininlärningsalgoritmerna, kan de utnyttja den enorma kraften i konstgjord intelligens för att driva affärsprocesser.
Ett företag kan skicka en webcrawler ut på internet för att leta efter bilder som kan innehålla en viss kund, för att skapa en fil som visar kundens identitet och hans eller hennes preferenser och tendenser. Företaget kan till och med använda denna information för att automatisera direktreklam eller annan direktmarknadsföring. När du börjar tänka på det så här är det lätt att se hur just den processen med bildigenkänning och identifiering kan knytas till alla möjliga funktioner som låter datorer göra så många saker som människor har använts för att göra för alla vår inspelade historia. Med exemplet med kundundersökningar, med ovanstående typer av inställningar, behöver människor inte vara involverade alls: datorn kan "gå ut på webben" och rapportera tillbaka till sina ägare eller innehavarna av uppgifterna.
För alla som är involverade i att vada sig i det djupa vattnet i maskininlärning, förstå konceptet för massbilddata-gruvdrift är ett bra första steg i en färdplan för att utnyttja maskinens inlärningskraft och ta reda på hur man använder det för att gynna ett företag.
