P:
Dlaczego ogromna liczba plików obrazów jest ważna dla wielu projektów uczenia maszynowego?
ZA:W przypadku firm, które chcą zaangażować się w swoje pierwsze inwestycje w uczenie maszynowe (ML), cały proces może wydawać się nieco tajemniczy i ezoteryczny. Dla wielu osób naprawdę trudno jest wyobrazić sobie, jak faktycznie działa uczenie maszynowe i co dokładnie zrobi dla firmy.
W niektórych przypadkach ktoś, kto bada uczenie maszynowe, może doświadczyć prawdziwego objawienia, gdy rozważy, dlaczego duża liczba plików obrazów zebranych w zgrabnych pojemnikach cyfrowych jest tak ważna dla projektów ML. Jest tak, ponieważ koncepcja „pliku obrazu” pomaga zwizualizować ML. Myślenie o tym pozwala nam lepiej zrozumieć, w jaki sposób tego rodzaju technologie zostaną wkrótce zastosowane w naszym świecie.
| Bezpłatne pobieranie: Uczenie maszynowe i dlaczego to ma znaczenie |
Krótka odpowiedź jest taka, że tak duża liczba plików obrazów jest ważna w uczeniu maszynowym, ponieważ reprezentują one zestawy szkoleniowe - zestawy początkowych danych, nad którymi komputer musi pracować podczas nauki. Ale jest w tym coś więcej. Dlaczego obrazy są tak cenne?
Jednym z powodów, dla których obrazy są tak cenne, jest fakt, że naukowcy poczynili duży postęp w przetwarzaniu obrazów. Ale poza tym poczynili również postępy w pomaganiu maszynom w identyfikowaniu wyników na podstawie tego, co jest na zdjęciu.
Na przykład każdy, kto słyszał o głęboko upartych sieciach z silnikami generatywnymi i dyskryminacyjnymi, rozumie trochę, w jaki sposób komputery mogą odczytywać i rozumieć dane wizualne i obrazy. Nie odczytują pikseli jak kiedyś - faktycznie „widzą” obraz i identyfikują elementy. Pomyśl na przykład o rozpoznawaniu twarzy na Facebooku - komputer uczy się, jak wyglądasz i identyfikuje cię na zdjęciach - a także wokół ciebie. Jest to często możliwe dzięki agregacji wielu obrazów i szkoleniom iteracyjnym, które stanowią podstawę projektu uczenia maszynowego.
Gdy interesariusze zidentyfikują plan i koncepcję, wyszli i zebrali wszystkie istotne obrazy i umieścili je w algorytmach uczenia maszynowego, mogą wykorzystać ogromną moc sztucznej inteligencji do prowadzenia procesów biznesowych.
Firma może wysłać do Internetu robota sieciowego w poszukiwaniu zdjęć, które mogą zawierać konkretnego klienta, aby zbudować plik pokazujący tożsamość tego klienta oraz jego preferencje i tendencje. Firma może nawet wykorzystać te informacje do automatyzacji direct mail lub innego marketingu bezpośredniego. Kiedy zaczniesz myśleć o tym w ten sposób, łatwo zauważyć, jak ten proces rozpoznawania i identyfikacji obrazów można powiązać z wszelkiego rodzaju funkcjami, które pozwolą komputerom robić tak wiele rzeczy, do których ludzie byli przyzwyczajeni nasza zarejestrowana historia. Biorąc przykład z badań klientów, z powyższymi typami konfiguracji, ludzie wcale nie muszą się angażować: komputer może „wyjść z Internetu” i zgłosić się z powrotem do właścicieli lub posiadaczy danych.
Dla każdego, kto jest zaangażowany w brodzenie w głębokie wody uczenia maszynowego, zrozumienie koncepcji masowego eksploracji danych obrazowych stanowi dobry pierwszy krok na mapie drogowej do wykorzystania mocy uczenia maszynowego i wymyślenia, jak z niej skorzystać, aby przynieść korzyści przedsiębiorstwu.
