«Машинный интеллект — это последнее изобретение, которое когда-либо понадобится человечеству». — Ник Бостром
Если вы используете Google Фото, я уверен, что вы видели изображение выше. Если нет, возможно, вы видели что-то подобное на своем смартфоне. Но задумывались ли вы когда-нибудь, как это происходит?
Вот где на помощь приходит машинное обучение, а точнее обучение с учителем.
Как следует из названия, контролируемое обучение относится к алгоритмам машинного обучения, которые обучаются под руководством супервизора. Обучение алгоритма работает, проводя его через помеченные данные. Например, изображения кошек помечены как «кошки». Но как именно это работает?
- Начнем с ввода миллионов изображений кошек и животных, которые не являются кошками.
- Затем агент начнет обрабатывать данные и попытается найти похожие закономерности.
- Теперь агент начнет классифицировать «котов» и «не котов».
Классификация не будет на 100% точной, и в этом случае наблюдение полезно. Мы бы предоставили обратную связь о том, насколько правильно машина сортирует изображения. Благодаря этой обратной связи машина начнет формировать лучшие отношения и модели между изображениями и обратной связью. Со временем машина сможет почти идеально практиковать свою классификацию.
Еще не до конца…
Как и все, даже контролируемое обучение не является безупречным. Есть две общие проблемы, которые могут ограничить нас от использования этого типа алгоритма.
→ Переоснащение имеет место, когда алгоритм совершенствуется настолько, что не может классифицировать новые данные. Например, он ищет конкретные детали, в которых что-то вроде тигрового кота может быть ошибочно принято за «не коты».
→ Немаркированные данные окружают мир. Сюрреалистично думать о маркировке каждого фрагмента данных, чтобы обучать алгоритмы машинного обучения до уровня совершенства.
Так может ли вы решить эти проблемы?
