Искусственный интеллект (ИИ) и машинное обучение теперь считаются двумя самыми большими инновациями после микрочипа. ИИ раньше был причудливой концепцией из научной фантастики, но теперь он становится повседневной реальностью. Нейронные сети (имитирующие работу реальных нейронов в мозгу) прокладывают путь к прорывам в машинном обучении, называемому «глубоким обучением».

Машинное обучение может помочь нам жить более счастливой, здоровой и продуктивной жизнью, если мы знаем, как использовать его возможности.

Некоторые люди говорят, что ИИ открывает новую «промышленную революцию». В то время как предыдущая промышленная революция использовала физическую и механическую силу, эта новая революция будет использовать умственные и когнитивные способности. Однажды компьютеры заменят не только ручной, но и умственный труд. Но как именно это произойдет? Или это уже происходит?

Вот способы, которыми машинное обучение обычно используется в вашей повседневной жизни.

  • Умная категоризация электронной почты
  • Спам-фильтры
  • Проверка на плагиат
  • Предотвращение мошенничества
  • Кредитные решения
  • Прогнозы Google на основе искусственного интеллекта
  • Коммерческие рейсы используют автопилот с искусственным интеллектом
  • Приложения для совместного использования, такие как Uber и Lyft
  • Роботы-читатели оценивают эссе
  • Депозиты мобильных чеков
  • Преобразование голоса в текст на мобильных телефонах
  • Распознавание изображений в социальных сетях
  • Механизмы рекомендаций (Amazon, Yelp, Netflix)
  • Поисковая оптимизация для онлайн-каталогов

Умная категоризация электронной почты

Был предложен подход к умной категоризации электронной почты с использованием быстрых алгоритмов машинного обучения. Категоризация основана не только на теле, но и на заголовке сообщения электронной почты. Метаданные (например, имя отправителя, организация и т. д.) предоставляют дополнительную информацию, которая может быть использована и может улучшить возможности категоризации. Gmail использует аналогичный подход для разделения ваших электронных писем на основные, социальные и рекламные, а также для пометки электронной почты как важной.

Спам-фильтры

Спам-фильтр — это программа, которая используется для обнаружения нежелательной и нежелательной электронной почты и предотвращения попадания этих сообщений в папку «Входящие» пользователя. Как и другие типы фильтрующих программ, спам-фильтр ищет определенные критерии, на которых основываются суждения.

Проверка на плагиат

Многие старшеклассники и студенты колледжей знакомы с такими сервисами, как Turnitin, популярным инструментом, используемым преподавателями для анализа написанного студентами на наличие плагиата.

Turnitin, используйте алгоритмы, которые сравнивают письмо с текстом в базе данных для поиска идентичных или почти идентичных совпадений в написании между базой данных и отправленной статьей. Как правило, средства проверки на плагиат возвращают отчет с процентным значением того, сколько текста было идентифицировано как совпадающее. Пользователям программного обеспечения для обнаружения плагиата рекомендуется ознакомиться с отчетом и сделать собственную оценку статьи, в которой обнаружен плагиат.

Хотя Turnitin не раскрывает, как именно он выявляет плагиат, исследования демонстрируют, как можно использовать машинное обучение для разработки детектора плагиата.

Предотвращение мошенничества

Алгоритмы обнаружения мошенничества с помощью машинного обучения намного эффективнее людей. Они могут обрабатывать огромное количество информации быстрее, чем команда лучших аналитиков. Более того, алгоритмы машинного обучения могут обнаруживать закономерности, которые кажутся несвязанными или остаются незамеченными человеком. Исследуя и изучая множество случаев мошеннического поведения, алгоритмы машинного обучения определяют самые незаметные схемы мошенничества и запоминают их навсегда.

ML используется для предотвращения мошенничества при онлайн-транзакциях по кредитным картам. Мошенничество является основной причиной того, что обработка онлайн-платежей обходится продавцам дороже, чем личные транзакции.

FICO, компания, которая создает известные кредитные рейтинги, используемые для определения кредитоспособности, использует нейронные сети для прогнозирования мошеннических транзакций.

Система рекомендаций

Как YouTube узнает, какие видео вы будете смотреть? Откуда Google всегда знает, какие новости вы будете читать? Они используют технику машинного обучения, называемую рекомендательными системами.

Практически рекомендательные системы охватывают класс методов и алгоритмов, которые могут предлагать пользователям «соответствующие» элементы. В идеале предлагаемые элементы максимально релевантны пользователю, чтобы пользователь мог взаимодействовать с этими элементами: видео на YouTube, новостные статьи, онлайн-продукты и т. д.

Элементы ранжируются в соответствии с их релевантностью, и пользователю показываются наиболее релевантные. Релевантность — это то, что должна определять рекомендательная система, и в основном она основана на исторических данных. Если вы недавно смотрели видео о слонах на YouTube, то YouTube начнет показывать вам много видео о слонах с похожими названиями и темами!

Системы рекомендаций обычно делятся на две основные категории: совместная фильтрация и системы на основе контента.