Q:
Защо огромен брой файлове с изображения са важни за много проекти за машинно обучение?
A:За компаниите, които искат да се включат в първите си инвестиции в машинно обучение (ML), целият процес може да изглежда малко загадъчен и езотеричен. За много хора наистина е трудно да си представят как всъщност работи машинното обучение и какво точно ще направи за бизнес.
В някои случаи някой, който изследва машинното обучение, може да има доста епифания, когато прецени защо големият брой файлове с изображения, събрани в чисти цифрови контейнери, са толкова важни за проектите на ML. Това е така, защото концепцията "файл с изображение" помага да се визуализира ML. Мисленето за това ни позволява да разберем повече за това как тези видове технологии ще бъдат приложени в нашия свят съвсем скоро.
| Безплатно изтегляне: Машинното обучение и защо има значение |
Краткият отговор е, че тези големи количества файлове с изображения са важни за машинното обучение, защото представляват учебни набори - набори от първоначални данни, върху които компютърът трябва да работи, докато се учи. Но има малко повече от това. Защо изображенията са толкова ценни?
Една от причините изображенията да са толкова ценни е, че учените постигнаха голям напредък в обработката на изображения. Но освен това, те също постигнаха напредък в подпомагането на машините да определят резултатите въз основа на това, което е на снимката.
Например, всеки, който е чувал за дълбоки упорити мрежи както с генеративни, така и с дискриминационни двигатели, разбира малко за това как компютрите могат да четат и разбират визуални данни и изображения. Те не четат пикселите както преди - те всъщност „виждат“ изображението и идентифицират компоненти. Например, помислете за разпознаването на лицето във Facebook - компютърът научава как изглеждате и ви идентифицира в снимки - както и тези около вас. Това често става възможно чрез събирането на много изображения и итеративно обучение, което е основа за проект за машинно обучение.
Когато заинтересованите страни са идентифицирали план и концепция и са излезли навън и са събрали всички изображения, които са уместни, и ги поставят в алгоритмите за машинно обучение, те могат да използват огромната сила на изкуствения интелект за стартиране на бизнес процеси.
Фирма може да изпрати уеб браузър в интернет, търсейки снимки, които могат да съдържат конкретен клиент, за да изгради файл, показващ идентичността на клиента и неговите предпочитания и тенденции. Компанията може дори да използва тази информация за автоматизиране на директна поща или друг директен маркетинг. Когато започнете да мислите за това по този начин, е лесно да видите как точно този процес на разпознаване и идентификация на изображения може да бъде обвързан с всякакви функционалности, които ще позволят на компютрите да правят толкова много неща, които хората са свикнали да правят за всички нашата записана история. Вземайки примера за проучване на клиентите, с горните видове настройки, хората изобщо не трябва да участват: компютърът може да "излезе в мрежата" и да докладва обратно на своите собственици или притежателите на данни.
За всеки, който участва в навлизането в дълбоките води на машинното обучение, разбирането на концепцията за масово извличане на данни за изображения осигурява добра първа стъпка в пътната карта за извличане на мощта за машинно обучение и намиране как да се използва за облагодетелстване на предприятие.
