V:
Zakaj lahko nekateri projekti strojnega učenja zahtevajo ogromno število akterjev?
A:Ko razmišljate o strojnem učenju, običajno razmišljate o kvalificiranih znanstvenikih, ki delajo s tipkovnicami v računalniških sobah. Izjemno je poudarjen kvantitativni analizi in algoritmom. Pri mnogih od teh programov ni veliko neposrednega konteksta v resničnem svetu - vsaj tako bi si mnogi mislili.
Vendar nekateri današnji najbolj prelomni programi strojnega učenja uporabljajo prave armade človeških akterjev na ulici, v trgovinah in kjer koli, kjer lahko modelirajo osnovne človeške dejavnosti, kot so hoja, delo ali nakupovanje.
| Prosti prenos: Strojno učenje in zakaj je pomembno |
Žični članek Toma Simoniteja to zelo dobro ilustrira z ustreznim naslovom "Da bi bili AI pametnejši, ljudje izvajajo odbitne nizko plačane naloge."
Z uporabo primera kratkih videoposnetkov, ki so bili posneti v trgovini z izdelki za celotno hrano, Simonite izpostavlja vrste dela, ki bodo pomagale sestaviti nekatere naslednje faze strojnega učenja.
To vodi k vprašanju, zakaj se vsi ti ljudje snemajo v kratkih in preprostih videoposnetkih, ki dokumentirajo dejanja tako rudimentarno kot premikanje roke ali noge.
Odgovor osvetli, kje je strojno učenje in kam gre.
"Raziskovalci in podjetniki želijo, da se AI razume in deluje v fizičnem svetu, " piše Simonite in pojasni, zakaj se z drugimi vozijo s kamerami. „Zato delavci potrebujejo prizorišče prizorišč v supermarketih in domovih. Ustvarjajo učni material za poučevanje algoritmov o svetu in ljudeh v njem. "
Kot poudarjajo mnogi strokovnjaki, nekatere največje meje strojnega učenja vključujejo obdelavo slik in obdelavo naravnega jezika. To so izjemno kvantitativni postopki - z drugimi besedami, ni širokega spektra vnosov, kakršni obstajajo v "uspešnem" okolju resničnega sveta. Namesto tega programi strojnega učenja uporabljajo vizualne in zvočne podatke na zelo specifične načine za izdelavo modelov. Pri obdelavi slike izbira funkcije iz (končnega) vidnega polja. Za NLP je sestavljanje fonemov.
Če presežete te posebne vhodne kategorije, je nekaj, čemur bi lahko rekli "vrzel v sliki in govoru" - s preseganjem stvari, kot sta obdelava slike in prepoznavanje govora, se premikate na področja, kjer morajo biti računalniki analitični na različne načine. Vadbeni seti bodo bistveno drugačni.
Vstopite v vojsko videografov. V nekaterih teh novih projektih strojnega učenja so najmanjše ideje o človeških dejavnostih sklopi za usposabljanje. Namesto da bi bili usposobljeni za iskanje funkcij in robov in pikslov, ki so sestavljeni iz klasifikacijskih nalog, računalniki namesto tega uporabljajo videoposnetke za usposabljanje, da ocenijo, kako izgledajo različne vrste dejanj.
Ključno je, kaj lahko inženirji s temi podatki počnejo, ko so združeni in naloženi in ko je računalnik usposobljen za to. Kmalu boste videli rezultate na različnih področjih - na primer s tem bo nadzor izjemno učinkovit. Računalniki bodo v vidnem polju lahko "videli", kaj ljudje počnejo, in to uporabili na področjih, kot sta trženje in prodaja ali morda v nekaterih primerih delo vladnih agencij ali kazensko pravosodje.
Posledice prav tako dajejo nekaj luči razpravi med vprašanji o največji koristi in zasebnosti. Večina uporabe teh videoposnetkov bo ustvarila modele strojnega učenja, ki delujejo za nadzor - kaj pa ljudje, ki ne želijo biti nadzorovani? Ko se ti novi programi strojnega učenja uvedejo v javni prostor, kakšne so pravice posameznika in kje je narisana ta črta?
V vsakem primeru podjetja uporabljajo tovrstne človeške in video vire, da bi se resnično vkopali v nekaj krogov napredka strojnega učenja, ki bodo računalnikom dejansko omogočili, da prepoznajo, kaj se dogaja okoli njih, in ne zgolj razvrščajo slike ali delajo s fonemi govor. To je izredno zanimiv in kontroverzen razvoj umetne inteligence in tisti, ki si zasluži svoj delež pozornosti v tehnoloških medijih in širše.
