NộI Dung
- Tự động hóa trong Con Công nghệ thông tin
- Tự động hóa là tương lai của học máy?
- Không lỗi, không căng thẳng - Hướng dẫn từng bước của bạn để tạo ra phần mềm thay đổi cuộc sống mà không phá hủy cuộc sống của bạn
- Nghiên cứu điển hình
- Học máy có thể thay thế công việc
- Phần kết luận
Nguồn: Krulua / Dreamstime.com
Lấy đi:
Học máy là khả năng cho một hệ thống thay đổi chương trình của chính nó. Nhưng khi một hệ thống có thể làm điều này, con người vẫn cần thiết?
Học máy là một trong những tiến bộ lớn nhất trong lịch sử điện toán, và giờ đây nó được cho là có khả năng đảm nhận vai trò quan trọng trong lĩnh vực phân tích và dữ liệu lớn. Phân tích dữ liệu lớn là một thách thức lớn từ quan điểm của các doanh nghiệp. Ví dụ: các hoạt động như tạo ra khối lượng lớn các định dạng dữ liệu khác nhau, chuẩn bị dữ liệu để phân tích và lọc dữ liệu dư thừa có thể tiêu tốn rất nhiều tài nguyên. Thuê các nhà khoa học và chuyên gia dữ liệu là một đề xuất đắt đỏ và không phải trong mỗi công ty có nghĩa là. Các chuyên gia tin rằng học máy có khả năng tự động hóa nhiều nhiệm vụ liên quan đến phân tích - cả thường xuyên và phức tạp. Tự động hóa học máy có thể giải phóng rất nhiều tài nguyên có thể được sử dụng trong các công việc phức tạp và sáng tạo hơn. Có vẻ như máy học đã và đang đi theo hướng đó. (Để tìm hiểu thêm về việc sử dụng học máy, hãy xem Lời hứa và cạm bẫy của học máy.)
Tự động hóa trong Con Công nghệ thông tin
Trong lĩnh vực CNTT, tự động hóa là sự liên kết của các hệ thống và phần mềm khác nhau để chúng có thể thực hiện các công việc cụ thể mà không cần bất kỳ sự can thiệp nào của con người. Trong ngành CNTT, các hệ thống tự động có thể thực hiện cả các công việc đơn giản và phức tạp. Một ví dụ về một công việc đơn giản có thể là tích hợp một biểu mẫu với PDF và đưa tài liệu đến đúng người nhận, trong khi việc cung cấp một bản sao lưu ngoại vi có thể là một ví dụ về một công việc phức tạp.
Để thực hiện công việc của mình, một hệ thống tự động cần được lập trình hoặc đưa ra các hướng dẫn rõ ràng. Mỗi khi một hệ thống tự động được yêu cầu sửa đổi phạm vi công việc của nó, chương trình hoặc bộ hướng dẫn cần phải được cập nhật bởi một con người. Trong khi các hệ thống tự động có hiệu quả trong công việc của họ, lỗi có thể xảy ra do nhiều lý do. Khi xảy ra lỗi, nguyên nhân gốc cần được xác định và sửa chữa. Rõ ràng, để làm công việc của họ, các hệ thống tự động hoàn toàn phụ thuộc vào con người. Tính chất công việc càng phức tạp thì khả năng xảy ra lỗi và các vấn đề càng cao.
Thông thường, các công việc thường xuyên và lặp lại được gán cho các hệ thống tự động. Một ví dụ phổ biến về tự động hóa trong ngành CNTT là tự động hóa việc kiểm tra giao diện người dùng dựa trên web. Các trường hợp thử nghiệm được đưa vào các kịch bản tự động hóa và giao diện người dùng được kiểm tra tương ứng. (Để biết thêm về cách sử dụng thực tế của học máy, hãy xem Machine Learning & Hadoop trong Phát hiện gian lận thế hệ tiếp theo.)
Lập luận ủng hộ tự động hóa là nó thực hiện các nhiệm vụ thường xuyên và lặp lại và giải phóng nhân viên thực hiện các nhiệm vụ phức tạp và sáng tạo hơn. Tuy nhiên, cũng có ý kiến cho rằng tự động hóa đã thay thế rất nhiều công việc hoặc vai trò trước đây do con người thực hiện. Giờ đây, với việc học máy tìm đường vào các ngành công nghiệp khác nhau, tự động hóa có thể bổ sung một chiều hoàn toàn mới.
Tự động hóa là tương lai của học máy?
Bản chất của học máy là khả năng các hệ thống liên tục học hỏi từ dữ liệu và phát triển mà không cần sự can thiệp của con người. Học máy có khả năng hành xử giống như bộ não của con người. Ví dụ: công cụ đề xuất trong trang web thương mại điện tử có thể đánh giá sở thích và thị hiếu độc đáo của người dùng và đưa ra đề xuất về các sản phẩm và dịch vụ phù hợp nhất với lựa chọn của người dùng. Với khả năng này, học máy được coi là lý tưởng để tự động hóa các tác vụ phức tạp liên quan đến dữ liệu lớn và phân tích. Nó đã vượt qua giới hạn chính của các hệ thống tự động hóa truyền thống không thể hoạt động mà không có sự can thiệp thường xuyên của con người. Có nhiều nghiên cứu trường hợp cho thấy rằng máy học có khả năng hoàn thành các nhiệm vụ phân tích dữ liệu phức tạp, như sẽ được thảo luận sau trong bài viết này.
Như đã chỉ ra, phân tích dữ liệu lớn là một đề xuất đầy thách thức cho các công ty và nó có thể được ủy quyền một phần cho các hệ thống máy học. Từ quan điểm của một doanh nghiệp, điều này có thể mang lại rất nhiều lợi ích như giải phóng tài nguyên khoa học dữ liệu cho các nhiệm vụ sáng tạo và quan trọng hơn, khối lượng hoàn thành công việc cao hơn, mất ít thời gian hơn để hoàn thành nhiệm vụ và hiệu quả chi phí.
Không lỗi, không căng thẳng - Hướng dẫn từng bước của bạn để tạo ra phần mềm thay đổi cuộc sống mà không phá hủy cuộc sống của bạn
Bạn không thể cải thiện kỹ năng lập trình của mình khi không ai quan tâm đến chất lượng phần mềm.
Nghiên cứu điển hình
Năm 2015, các nhà nghiên cứu MIT đã bắt đầu làm việc trên một công cụ khoa học dữ liệu có khả năng tạo ra các mô hình dữ liệu dự đoán từ khối lượng dữ liệu thô khổng lồ bằng cách sử dụng một kỹ thuật gọi là thuật toán Tổng hợp tính năng sâu. Thuật toán, các nhà khoa học tuyên bố, có thể kết hợp các tính năng tốt nhất của máy học. Theo các nhà khoa học, họ đã thử nghiệm thuật toán trên ba bộ dữ liệu khác nhau và sẽ mở rộng phạm vi thử nghiệm sang nhiều bộ dữ liệu hơn. Mô tả cách họ làm điều đó, các nhà nghiên cứu James Max Kanter và Kalyan Veeramachaneni đã nêu trong một bài báo được trình bày tại một hội nghị phân tích và khoa học dữ liệu quốc tế, sử dụng quy trình tự động điều chỉnh, chúng tôi tối ưu hóa toàn bộ con đường mà không cần sự tham gia của con người, cho phép nó tổng quát hóa. đến các bộ dữ liệu khác nhau.
Hãy để chúng tôi kiểm tra mức độ phức tạp của nhiệm vụ: thuật toán có một khả năng được gọi là khả năng tự động điều chỉnh, với sự trợ giúp của nó xuất phát hoặc trích xuất những hiểu biết hoặc giá trị từ dữ liệu thô như tuổi hoặc giới tính, và sau đó, nó có thể tạo các mô hình dữ liệu dự đoán. Thuật toán sử dụng các hàm toán học phức tạp và một lý thuyết xác suất được gọi là Gaussian Copula. Vì vậy, thật dễ hiểu mức độ phức tạp của thuật toán có thể xử lý. Kỹ thuật này cũng đã giành được giải thưởng trong các cuộc thi.
Học máy có thể thay thế công việc
Nó đang được thảo luận trên toàn thế giới rằng học máy có thể thay thế nhiều công việc vì nó đang thực hiện các nhiệm vụ với hiệu quả của bộ não con người. Trên thực tế, có một số lo ngại rằng học máy sẽ thay thế các nhà khoa học dữ liệu - và dường như có cơ sở cho những e ngại như vậy.
Đối với những người dùng thông thường không có kỹ năng phân tích dữ liệu nhưng vẫn cần phân tích trong cuộc sống hàng ngày của họ ở các mức độ khác nhau, không thể có máy tính có khả năng phân tích khối lượng dữ liệu khổng lồ và cung cấp phân tích. Nhưng công nghệ xử lý ngôn ngữ tự nhiên (NLP) có thể khắc phục hạn chế này bằng cách dạy máy tính chấp nhận và xử lý ngôn ngữ tự nhiên, nói của con người. Theo cách đó, người dùng thông thường không cần các khả năng hoặc kỹ năng phân tích tinh vi.
IBM tin rằng nhu cầu về các nhà khoa học dữ liệu có thể được giảm thiểu hoặc loại bỏ với nền tảng phân tích ngôn ngữ tự nhiên Watson của sản phẩm. Theo phó chủ tịch của Watson Analytics và Business Intelligence, Marc Atschuller, Triệu Với một hệ thống nhận thức như Watson, bạn chỉ cần đưa ra câu hỏi của mình - hoặc nếu bạn không có câu hỏi, bạn chỉ cần tải lên dữ liệu của mình và Watson có thể xem và suy luận những gì bạn có thể muốn biết.
Phần kết luận
Tự động hóa là bước hợp lý tiếp theo cho học máy và chúng tôi đã trải nghiệm những hiệu ứng trong cuộc sống hàng ngày của chúng tôi - trong các trang web thương mại điện tử, đề xuất bạn bè, đề xuất mạng LinkedIn và xếp hạng tìm kiếm Airbnb. Xem xét các ví dụ được đưa ra, không còn nghi ngờ gì nữa về chất lượng đầu ra được tạo ra bởi các hệ thống máy học tự động. Đối với tất cả các phẩm chất và lợi ích của nó, suy nghĩ về học máy gây ra thất nghiệp lớn có vẻ hơi phản ứng. Máy móc đã thay thế con người trong nhiều lĩnh vực của cuộc sống của chúng ta trong nhiều thập kỷ và tuy nhiên, con người đã phát triển và thích nghi để phù hợp với ngành công nghiệp. Tùy thuộc vào quan điểm, học máy, đối với tất cả sự gián đoạn của nó, chỉ là một làn sóng như vậy mà mọi người sẽ thích nghi.