Maşın öyrənməsi insanların gündəlik qarşılaşdığı "süni intellekt"in əksəriyyətinin arxasında duran texnikadır — spam filtrləri, tövsiyə mühərrikləri, fırıldaqçılığın aşkarlanması və daha çox şey. Bunun təxminən necə işlədiyini başa düşmək "süni intellekt sehri" adlandırılan çox şeyi mistikasızlaşdırır.
Dəqiq qaydalar yazaraq kompüterə spam e-poçtu tanımağı öyrətməyə çalışmağı təsəvvür edin: "əgər 'pulsuz' sözünü və üç nida işarəsini ehtiva edirsə, spamdır." Bu tez bir zamanda uğursuzluğa düçar olur — spam inkişaf edir, qanuni e-poçtlar bəzən eyni sözləri ehtiva edir və heç bir sabit qayda dəsti ayaq saxlaya bilmir.
Maşın öyrənməsi fərqli bir yanaşma tətbiq edir: sistemə artıq düzgün etiketlənmiş minlərlə spam və qanuni e-poçt nümunələri göstərin və qoy o, öz başına əsas nümunələri kəşf etsin — hər hansı bir insanın əl ilə yazmaq haqqında düşünəcəyindən qat-qat daha incə nümunələr.
Ənənəvi proqramlaşdırma: qaydalar içəri, cavablar çölə. Siz məntiqi yazırsınız, kompüter ona tam əməl edir. Maşın öyrənməsi: məlumatlar + cavablar içəri, qaydalar çölə. Sistem əslində tərsinə işləyir — kifayət qədər giriş və düzgün çıxış nümunələri verilməklə, o, öz daxili "qaydalarını" əldə edir ki, bunlar tez-tez bir insanın yazması və ya hətta tam başa düşməsi üçün çox mürəkkəbdir.
Bir maşın öyrənməsi modeli yalnız öyrəndiyi məlumatlar qədər yaxşıdır. Qərəzli, natamam və ya təmsil olunmayan təlim məlumatları qərəzli və ya yanlış proqnozlar verən bir model istehsal edir — yalnız texniki qeyd deyil, başa düşməli həqiqətən vacib məhdudiyyət.
Maşın öyrənməsi süni intellektin bir alt qoludur, bütün sahə deyil. Süni intellekt daha geniş məqsəddir (maşınların ağıllı tapşırıqları yerinə yetirməsi); maşın öyrənməsi isə ona nail olmaq üçün istifadə olunan konkret, geniş yayılmış bir yanaşmadır.
Tez-tez bəli — daha çox məlumat ümumiyyətlə daha yaxşı nümunə tanımaya gətirib çıxarır. Bəzi texnikalar daha kiçik məlumat dəstləri ilə kifayət qədər yaxşı işləyir, lakin ən böyük və ən bacarıqlı modellər nəhəng həcmdə məlumatlar üzərində təlim keçir.
Bəli, mütəmadi olaraq. Bir modelin proqnozları yalnız təlim məlumatlarındakı nümunələr qədər yaxşıdır — qərəzli, natamam və ya təmsil olunmayan məlumatlar birbaşa qərəzli və ya səhv proqnozlara gətirib çıxarır.
NOXEL Forge-un Etibar Xalı və NOXEL SEO-nun qiymətləndirmə mühərriki hər ikisi ardıcıl, məlumata əsaslanan qərarlar vermək üçün öyrənilmiş nümunələrə etibar edir.
NOXEL360 idarə panelini kəşf edin →