Obsah
Q:
Prečo je veľké množstvo obrazových súborov dôležité pre mnoho projektov strojového učenia?
A:
Pre spoločnosti, ktoré sa chcú zapojiť do svojich prvých investícií do strojového učenia (ML), sa celý proces môže javiť ako trochu záhadný a ezoterický. Pre mnoho ľudí je skutočne ťažké predstaviť si, ako strojové učenie skutočne funguje a čo presne to pre firmu urobí.
V niektorých prípadoch môže mať niekto, kto skúma strojové učenie, celkom epifanciu, keď zváži, prečo je pre projekty ML také dôležité veľké množstvo obrazových súborov zhromaždených v elegantných digitálnych kontajneroch. To preto, že koncept „obrazového súboru“ pomáha vizualizovať ML. Premýšľanie o tom nám umožňuje pochopiť viac o tom, ako sa tieto druhy technológií budú čoskoro uplatňovať v našom svete.
Krátka odpoveď je, že tieto veľké množstvá obrazových súborov sú dôležité pre strojové učenie, pretože predstavujú školiace sady - množiny počiatočných údajov, na ktorých musí počítač pracovať, keď sa učia. Ale je toho o niečo viac. Prečo sú obrázky také cenné?
Jedným z dôvodov, prečo sú obrázky také cenné, je to, že vedci dosiahli značný pokrok v spracovaní obrázkov. Ale okrem toho dosiahli pokrok aj v tom, že pomohli strojom identifikovať výsledky na základe toho, čo je na obrázku.
Napríklad každý, kto počul o hlbokých tvrdohlavých sieťach s generatívnymi aj diskriminačnými motormi, rozumie niečo o tom, ako počítače dokážu čítať a porozumieť vizuálnym údajom a obrázkom. Čítajú pixely tak ako predtým - vlastne „vidia“ obrázok a identifikujú komponenty. Napríklad myslite na rozpoznanie tváre - počítač sa naučí, ako vyzeráte, a identifikuje vás na obrázkoch - ako aj na obrázkoch okolo vás. Toto je často možné vďaka agregácii mnohých snímok a iteračným školeniam, ktoré tvoria základ projektu strojového vzdelávania.
Keď zainteresované strany určili plán a koncepciu a vyšli a zhromaždili všetky relevantné obrázky a vložili ich do algoritmov strojového učenia, môžu využiť obrovskú silu umelej inteligencie na riadenie obchodných procesov.
Spoločnosť by mohla prehľadávač webu navštíviť internet a hľadať obrázky, ktoré môžu obsahovať konkrétneho zákazníka, na zostavenie súboru preukazujúceho totožnosť zákazníka a jeho preferencie a tendencie. Spoločnosť môže tieto informácie použiť aj na automatizáciu direct mailu alebo iného priameho marketingu. Keď o tom začnete premýšľať, je ľahké zistiť, ako sa tento proces rozpoznávania a identifikácie obrazu môže spájať s najrôznejšími funkciami, ktoré počítačom umožnia urobiť toľko vecí, na ktoré boli ľudia zvyknutí pre všetky naša zaznamenaná história. Ako príklad zákazníckeho prieskumu s vyššie uvedenými typmi nastavení sa ľudia vôbec nemusia zapájať: počítač môže „ísť na web“ a podať správu svojim vlastníkom alebo držiteľom údajov.
Pre kohokoľvek, kto sa podieľa na brodení sa v hlbokých vodách strojového učenia, je pochopenie pojmu získavanie údajov z hromadných obrazových údajov dobrým prvým krokom v cestovnej mape, ktorý využíva silu strojového učenia sa a zisťuje, ako ho využiť v prospech podniku.