Kontrolované vs. nekontrolované učení
Pojmy jako učení pod dohledem a učení bez dozoru se používají v kontextu strojového učení a umělé inteligence, které každým dnem nabývají na důležitosti. Laické strojové učení je pro algoritmy založené na datech a díky příkladům umožňuje strojové učení. Existují dva typy učení; jmenovitě učení pod dohledem a učení bez dozoru, které studenty matou, protože mezi nimi existuje mnoho podobností. Navzdory překrývání však existují rozdíly, které budou v tomto článku zdůrazněny.
V nadcházejících letech budeme pravděpodobně svědky nárůstu vývoje strojového učení, aby bylo řešení obchodních problémů snazší a rychlejší. Přijímání zaměstnanců k řešení jednoduchých obchodních problémů by se stalo zastaralými, pokud by se používaly koncepty supervizovaného a nekontrolovaného učení.
Co je supervidované učení?
Toto je typ učení, kde strojové učení probíhá pomocí vstupů od uživatelů. Velká část výzkumu v oblasti strojového učení a umělé inteligence se doposud zaměřovala na supervizované učení. Například složka nevyžádané pošty ve vašem e-mailu se zaplní a někdy se do ní nechtěně dostanou i někdy důležité e-maily. Systém pracuje na základě strojového učení, které upozorňuje na algoritmus týkající se analýzy spamu. Systém tyto informace využívá k filtrování zpráv a jejich odesílání do složky spamu, což snižuje falešné poplachy. Ve vyhledávači pracuje algoritmus na základě odkazu, na který se klikne jako první při otevření výsledků hledání. To vede k vylepšení ve výsledcích vyhledávání uživatele. V učení pod dohledem však existují určité nevýhody, protože stroj má nejasnou představu o tom, co je správné a co špatné. Tato lidská zpětná vazba často omezuje budoucí využití učení pod dohledem.
Co je učení bez dozoru?
Žijeme v době, kdy neustále hledáme lepší výkon strojů, ať už jde o data CCTV, data GPS, data transakcí online, data skenování stroje, data skenování zabezpečení atd. Organizace a vlády chtějí, aby stroje, které nepotřebují nebo nevyžadují data pod dohledem od lidí, aby přinesly lepší výsledky. To samozřejmě vyžaduje vynaložení mnohem většího úsilí ve směru automatizace, a přestože je nepravděpodobné, že by učení bez dohledu v blízké budoucnosti nahradilo učení pod dohledem, pravděpodobně se v blízké budoucnosti objeví hybridní přístupy, které budou rychlejší a více efektivní než výsledky, které v současné době dosahujeme prostřednictvím supervizního učení.
Jaký je rozdíl mezi učením pod dohledem a nekontrolovaným učením?
• Učení pod dohledem a učení bez dozoru jsou dva různé přístupy k práci na lepší automatizaci nebo umělé inteligenci.
• V supervizovaném učení existuje lidská zpětná vazba pro lepší automatizaci, zatímco v supervizovaném učení se od stroje očekává lepší výkon bez lidských vstupů.
• Hybridní přístupy jsou pravděpodobnější řešení v blízké budoucnosti, která využívají učení pod dohledem i bez dohledu.
