Î:
De ce sunt importante un număr mare de fișiere imagine pentru multe proiecte de învățare automată?
A:Pentru companiile care caută să se implice în primele lor investiții de învățare automată (ML), întregul proces poate părea puțin criptic și ezoteric. Pentru mulți oameni, este cu adevărat greu de vizualizat cum funcționează de fapt învățarea mașină și exact ce va face pentru o afacere.
În unele cazuri, cineva care cercetează învățarea mașinilor poate avea o epifanie destul de mare atunci când ia în considerare de ce un număr mare de fișiere imagine, colectate în containere digitale îngrijite, sunt atât de importante pentru proiectele ML. Asta pentru că conceptul „fișier imagine” ajută la vizualizarea ML. Gândirea la acest lucru ne permite să înțelegem mai multe despre modul în care aceste tipuri de tehnologii vor fi aplicate în lumea noastră foarte curând.
| Descărcare gratuită: învățarea mașinii și de ce contează |
Răspunsul scurt este că aceste număr mare de fișiere imagine sunt importante pentru învățarea automată, deoarece reprezintă seturi de instruire - seturi de date inițiale la care computerul trebuie să lucreze pe măsură ce învață. Dar există ceva mai mult decât asta. De ce sunt imaginile atât de valoroase?
Unul dintre motivele pentru care imaginile sunt atât de valoroase este că oamenii de știință au făcut multe progrese în procesarea imaginilor. Dar, dincolo de asta, au înregistrat progrese și ajută mașinile să identifice rezultatele pe baza a ceea ce este prezentat într-o imagine.
De exemplu, oricine a auzit despre rețelele adânci încăpățânate cu motoare generative și discriminatorii înțelege puțin despre modul în care computerele pot citi și înțelege date vizuale și imagini. Nu citesc pixelii așa cum obișnuiau să facă - de fapt „văd” imaginea și identifică componentele. De exemplu, gândiți-vă la recunoașterea feței Facebook - computerul învață cum arătați și vă identifică în imagini - precum și cei din jurul vostru. Acest lucru este adesea posibil prin agregarea multor imagini și a instruirii iterative care constituie baza unui proiect de învățare automată.
Când părțile interesate au identificat un plan și un concept și au ieșit și au colectat toate imaginile care sunt relevante și le-au plasat în algoritmii de învățare a mașinilor, ei pot folosi puterea imensă a inteligenței artificiale de a rula procesele de afaceri.
O companie ar putea trimite un internet crawler pe internet în căutarea de imagini care pot conține un anumit client, pentru a construi un fișier care să arate identitatea clientului și preferințele și tendințele acestuia. Compania ar putea folosi chiar și aceste informații pentru a automatiza e-mailul direct sau alt marketing direct. Când începi să te gândești la asta, este ușor să vezi cum tocmai acel proces de recunoaștere și identificare a imaginii poate fi legat de tot felul de funcționalități care vor permite calculatoarelor să facă atât de multe dintre lucrurile pe care oamenii au obișnuit să le facă pentru toate istoricul nostru înregistrat Luând exemplul cercetării clienților, cu tipurile de configurații de mai sus, oamenii nu trebuie să fie implicați deloc: computerul poate „ieși pe web” și să-și raporteze proprietarii sau deținătorii de date.
Pentru oricine este implicat în vărsarea în apele adânci ale învățării automate, înțelegerea conceptului de extragere în masă a datelor de imagine oferă un prim pas bun într-o foaie de parcurs pentru a valorifica puterea de învățare a mașinilor și a înțelege modul de utilizare a acesteia pentru a beneficia de o întreprindere.
