El aprendizaje automático: la creación de tecnologías útiles para el futuro
la máquina de aprendizaje puede ser el futuro de la tecnología. Para sobrevivir, una tecnología debe ser útil. De hecho, se debe probar más de útil- debe cumplir con las necesidades percibidas de una manera que no lo hacen las tecnologías existentes, así como construir una base de adherentes que proporcionan una razón monetaria a seguir invirtiendo en la tecnología.
Por ejemplo, la manzana Lisa fue una pieza interesante y útil de la tecnología que ha demostrado la utilidad de la interfaz gráfica de usuario para los usuarios de negocios que nunca había visto antes. Se soluciona la necesidad de hacer que las computadoras de usar.
Sin embargo, fracasó porque no construyó una base de adherentes. El ordenador simplemente no cumplió con las expectativas que lo rodea. El siguiente sistema que Apple construyó, Macintosh, estuvo a la altura del bombo un poco mejor - sin embargo, construido en la misma tecnología que la utilizada Lisa. La diferencia es que el Macintosh desarrolló una gama considerable de adeptos incondicionales y eso es lo que las necesidades de aprendizaje de máquina.
Teniendo en cuenta el papel de la máquina de aprendizaje en los robots
Uno de los objetivos de aprendizaje de las máquinas de hoy es crear, robots útiles en el hogar. Ahora, usted podría estar pensando en algo en la línea de Rosie el robot encontrado en los Supersónicos. Sin embargo, los robots del mundo real necesitan para resolver problemas prácticos e importantes para atraer la atención. Para llegar a ser viable y atraer fondos, una tecnología también debe reunir un grupo de seguidores, y para hacer eso, debe proporcionar tanto la interacción y la propiedad.
Un ejemplo de un robot con éxito en el hogar es la Roomba de iRobot. En realidad se puede comprar un Roomba hoy- que sirve a un propósito-útil y que ha atraído la atención suficiente para que sea una tecnología viable. El Roomba también muestra lo que es factible a nivel comercial, en el hogar, y autónoma en la actualidad.
Sí, el Roomba es un aspirador de fantasía - uno con inteligencia integradas basadas en algoritmos simples pero muy eficaces. El Roomba puede navegar con éxito en un hogar, que es mucho más difícil de lo que parece a lograr. También puede pasar más tiempo en las zonas más sucias de la casa. Sin embargo, sigue siendo necesario para vaciar el Roomba cuando se completa la tecnología actual del robot lo hace sólo en la medida.
Video: El aprendizaje de las máquinas | Hecho en Alemania
Puede encontrar otros robots del mundo real que la gente está utilizando para realizar tareas especializadas, pero no los encontrará en su casa. Con cada uno de estos casos, el robot tiene un propósito especializado y actúa en un número limitado de formas. Otros sitios presentan otros robots, pero no se encontrarán de uso general utiliza en ninguno de ellos. Antes de robots pueden entrar en una casa y el trabajo como un ayudante generalizada, aprendizaje automático necesita resolver una gran cantidad de problemas, y los algoritmos necesitan para convertirse tanto el pensamiento más generalizada y más profundo.
El uso de la máquina de aprendizaje en la atención sanitaria
Un tema que está recibiendo mucha atención es la cuestión de cuidado de los ancianos. La gente está viviendo más tiempo, y un hogar de ancianos no parece ser una buena manera de pasar uno de ocaso. Los robots harán posible que las personas que se quedan en casa pero también permanecer a salvo. En algunos países también se enfrentan a una grave escasez de trabajadores de la salud, y Japón es uno. Como resultado, el país está gastando recursos considerables para resolver los problemas que la robótica actual.
Lo más cerca que la tecnología llega actualmente a la visión presentada por un robot en el hogar es la enfermera robot de telepresencia. En este caso, el robot es una extensión de un doctor humano, así que no es ni siquiera cerca de lo que los japoneses esperan crear en un futuro próximo. Al igual que el Roomba, el robot puede navegar con éxito un hogar. También permite al médico ver y escuchar al paciente. El robot resuelve parcialmente el problema de demasiados pacientes en demasiado grande de un área geográfica y no hay suficientes médicos, pero todavía muy lejos de una solución autónoma.
La creación de sistemas inteligentes para diferentes necesidades
Muchas de las soluciones que puede esperar a ver que el aprendizaje automático empleo será asistentes a los seres humanos. Realizan diversas tareas extremadamente bien, pero estas tareas son mundanos y repetitivo en la naturaleza. Por ejemplo, puede que tenga que encontrar un restaurante para satisfacer las necesidades de un invitado de fuera de la ciudad. Puede perder el tiempo buscando un restaurante apropiado a sí mismo, o puede acceder a una IA de hacerlo en mucho menos tiempo, con mayor precisión y eficiencia.
Video: Prediciendo el futuro con Azure Machine Learning + aplicación en Xamarin
Otra solución de este tipo es Nara, una IA experimental que aprende sus gustos particulares y no le gusta a medida que pasan más tiempo con ella. A diferencia de Siri, que puede responder preguntas básicas, Nara va un paso más allá y hace recomendaciones.
El uso de la máquina de aprendizaje en entornos industriales
El aprendizaje automático ya está desempeñando un papel importante en entornos industriales, donde la atención se centra en la eficiencia. Hacer las cosas más rápido, con mayor precisión, y con menos recursos ayuda a la línea de fondo y hace que una organización más flexible con un mayor margen de ganancia. Menos errores también ayudan a los seres humanos que trabajan en una organización mediante la reducción del nivel de frustración. Usted puede ver actualmente máquina de aprendizaje en el trabajo en
Video: La evolución del BIg data: Machine Learning, Analítica predictiva y la transformación del futuro
- Diagnostico medico
- La minería de datos
- bioinformática
- El reconocimiento de voz y escritura a mano
- categorización de productos
- Unidad de medición inercial (IMU) (como la tecnología de captura de movimiento)
- Recuperación de información
Esta lista solo se rasca la superficie. El aprendizaje automático se utiliza mucho en la industria hoy en día, y el número de usos seguirá aumentando como algoritmos avanzados hacen que los niveles más altos de aprendizaje posible. Actualmente, el aprendizaje de máquina realiza tareas en un número de áreas que incluyen lo siguiente:
- analyzation: La determinación de lo que un usuario quiere y por qué, y qué tipo de patrones (comportamientos, asociaciones, respuestas, etc.) las exposiciones de usuario cuando su obtención.
- Enriquecimiento: Adición de anuncios, widgets y otras características para un entorno para que el usuario y la organización pueden obtener beneficios adicionales, tales como aumento de la productividad o la mejora de las ventas.
- Adaptación: La modificación de una presentación de manera que refleje los gustos del usuario y la elección de enriquecimiento. Cada usuario termina con una experiencia personalizada que reduce la frustración y mejora la productividad.
- Mejoramiento: Modificar el entorno para que la presentación consume menos recursos sin disminuir la experiencia del usuario.
- Controlar: Dirigir al usuario a un determinado curso de acción basado en los insumos y la mayor probabilidad de éxito.
Una visión teórica de lo que hace la máquina de aprendizaje en la industria es agradable, pero es importante ver cómo algunos de esto funciona en el mundo real. Se puede ver el aprendizaje de máquina utilizada de manera relativamente triviales pero importantes. Por ejemplo, aprendizaje automático tiene un papel en la automatización de acceso de los empleados, la protección de los animales, la predicción de la sala de emergencia tiempos de espera, la identificación de la insuficiencia cardíaca, la predicción de accidentes cerebrovasculares y ataques al corazón, y la predicción de los reingresos hospitalarios.
La comprensión del papel de los procesadores actualizados y otro hardware
Hay cinco escuelas de pensamiento (tribus) relacionados con el aprendizaje de la máquina. Cada una de estas escuelas de pensamiento que dice que el hardware actual no es del todo hasta la tarea de hacer el trabajo de aprendizaje automático correctamente. Por ejemplo, es posible hablar de una tribu cuyos miembros hablan de la necesidad de una mayor cantidad de memoria del sistema y el uso de las GPU para proporcionar cálculos más rápidos.
Otra tribu podría abrazar la creación de nuevos tipos de procesadores. Los procesadores de aprendizaje, aquellos que imitan el cerebro humano, son toda la rabia para los conexionistas. El punto es que todo el mundo está de acuerdo en que algún tipo de hardware nuevo hará que la máquina de aprendizaje más fácil, pero la forma precisa este hardware se llevará aún está por verse.