機械学習は世界をどのように変えていますか？

公開: 2019-12-02

世界を変える機械学習

有名なビールとおむつの理論について聞いたことがありますか？

世界最大の小売業者であるウォルマートは、「おそらく」この理論を作成して、製品間の相関関係を理解し、パターンを特定しました。

金曜日の午後5時から午後7時の間におむつを購入した、30〜40歳の男性は、トラックにビールを持っている傾向があります。この理論は、食料品店がおむつの横にビールカラットを保持するように動機付け、それによって両方のアイテムの売上を幾何学的に増加させました。

さて、この理論はどのように機能しますか？長い一週間の厳しい仕事の後、労働者階級の男性は疲れがちです。彼らの毎日の責任に加えて、彼らの週末はしばしば彼らの赤ちゃんのためにおむつを購入し、隣接する通路から彼ら自身のためにビールをつかむことを含みます。

これは相関関係の完璧な例です。この理論は、スーパーマーケットの大規模なチェーンがどのように製品を関連付けるかを説明しています。相関関係は、機械学習モデルを構築する上で重要な部分になる可能性があります。

機械学習は、タスクを簡単にするものです。大きな課題だけでなく、白黒画像を手動で色付けしたり、ソーシャルメディアで誰かを手動で見つけたりすることも話します。ここで、タスク自体を理解し、新しい、現在、および過去の要件に合わせて進化するマシンを想像してみてください。

機械学習とは何ですか？

機械学習はAI（人工知能）のサブパートです。それは、それ自体で学習できるアルゴリズムを作成する科学です。特定のプログラミングを適用するのではなく、データからパターンを認識することによって機能します。一度設計すれば、手動操作は必要ありません。機械学習は、それ自体で学習するのに十分インテリジェントです。元のデータからパターンを見つけ、統計分析を使用して将来のパターンを予測します。

理解を深めるために、いくつかの例を示します。

1） Siri、Alexa、Googleアシスタントは、機械学習の有名な例です。彼らは仮想音声アシスタントであり、音声で尋ねられたときに情報を見つけるのを助けます、そしてあなたがする必要があるのはそれらをアクティブにすることだけです。統合された仮想音声アシスタントのその他の例は次のとおりです。

アマゾンエコー
サムスンビクスビー
Google Allo

2）画像認識

画像認識は、機械学習の最も一般的な例の1つです。これは、オブジェクト、場所、人などを識別する機能です。人はアプリ、ソーシャルメディア、Webサイトなどを介して大量のデータを共有し、Facebookは98％の精度で顔認識を実行し、大量のデータを危険にさらすことができます。。画像認識が世界中のプライバシーとセキュリティにどのように影響するかについては、多くの論争があります。

機械学習：なぜそれが重要なのですか？

従来、データサイエンティストは、コンピューターをトレーニングする代わりに、洞察を得るために完成したモデルを構築していました。データが豊富で不均一であるため、これは現在不可能なアプローチのようです。機械学習は、膨大な量のデータを巧みに破壊し、意味のあるソリューションを提供するためのスマートアルゴリズムを提案するため、ここで役立ちます。

Googleは、1日あたり20ペタバイト（1ペタバイト= 10 ^ 15バイト）のデータを処理します。検索エンジンの巨人は、クロールするすべての情報の記録を保持するデータセンターを持っています。 2年前にGoogleで何を検索したか覚えていないかもしれませんが、Googleは覚えています。それは、地球上のほぼすべてのデータをカバーする何十億冊もの本が利用できる広大な図書館のようなものです。

毎日のスケジュールを追跡し、タクシーの予約、家に着く前にエアコンをオンにする、朝にコーヒーメーカーをオンにするなどの日常のタスクを支援するソフトウェアが市場に出回っています。

やりたいかどうかに関係なく、単純なタスクを実行するたびに行動パターンを残します。これらのパターンはアルゴリズムによってデコードされ、私たちのニーズを理解し、基本的な標準プロセスの効率的な代替案を見つけます。

人工知能、機械学習、ディープラーニングは同じですか？

いいえそうではありません。それらは、互いにネストされたセットと考えることができます。これを理解する最も簡単な方法は、同心円でそれらを視覚化することです。ディープラーニングは、人工知能のサブセットでもある機械学習のサブセットです。

それらがどのように異なるかを見てみましょう。

人工知能-ジョン・マッカーシーによると、 人工知能とは、機械、ロボット制御のコンピューターマシン、または人間としてインテリジェントに考える製品を作成するプロセスです。人工知能は「人工」と「知能」の2つの単語の組み合わせであり、人工は不自然または人間によって作成されたものを意味し、知能は思考と理解の能力を意味します。

人工知能に関するいくつかの重要なポイント：

主な動機は、成功の可能性を高めることです。
それはすべての賢い仕事をするプログラムです。
AIは複雑な問題を解決できます。
状況に応じて対応する「人間らしい」システムを開発しています。

機械学習-上記で定義したように、機械学習は、それ自体で学習できるアルゴリズムを作成する科学です。 これは、人工知能のサブパートです。

機械学習に関するいくつかの重要なポイント：
主な目的は、精度を上げることです。
それはデータを研究し、それから学びます。
また、処理された情報についても学習します。
それが最適であるかどうかにかかわらず、それは1つの解決策に当てはまります。
ディープラーニング–ディープラーニングは機械学習のサブパートです。 提供されたデータからパターンを推測し、そこからソリューションを抽出するのに役立ちます。パターンを発見するのに数十年かかる可能性のある非構造化データまたはラベルなしデータから学習することができます。
ディープラーニングに関するいくつかの重要なポイント：
主な目的は、特定のデータのパターンを発見することです。
パターンを観察し、そこから予測します。
人工ニューラルシステムのマルチレベルの次元を使用して、機械学習の手順を完了します。
機械学習の影響

機械学習は、機械が人間の知識と出会う次のレベルのテクノロジーであり、私たちの生活を変える上で非常に重要です。機械学習の影響を受ける日常生活のさまざまな領域を見てみましょう。
家
15年前は、コミュニケーションがこれからどれほど便利になるか考えたことはありませんでした。 しかし今では、世界中の誰とでも数秒でコミュニケーションをとることができ、どこかで私たち全員がそれに依存しています。 私たちは、コミュニケーション、ナビゲーション、情報の取得などをコンピューターに大きく依存しています。ここで機械学習が機能し、日常の活動に役立ちます。
健康管理
公的医療の計画のような医療管理のプロセスは、歴史に基づく分類から始まります。 これは、将来の結果を提供するための調査、調査、および監視に役立ちます。 これらの仮定は、それを最も必要とする分野のニーズを見つけるのに役立ちます。
輸送
自動運転車や、AIが輸送を別のレベルに引き上げたテスラの新しい半自律型トラックなどの最近の進歩についてはすでに知っています。 オブザーバーはデータを分析して、公共の安全などの意思決定を適切に予測し、交通管理や犯罪の詳細をリアルタイムで支援します。また、交通事故の減少につながる歩行者や自転車の道を見つけるのにも役立ちます。
教育
以前は、教師と生徒の間で学習する方法は1つしかありませんでした。 しかし、機械学習の追加により、多くの教育機関は、教師と生徒の相互作用を最大化し、適切なスケジュールを作成することで効率を高めることで、機械学習を利用し始めています。 また、アダプティブラーニングを提供し、個別学習を使用して各生徒に個別の注意を向けることで、生徒に挑戦するのに役立ちました。
SEOパートナーとしての機械学習
機械学習とSEOがどのように連携できるかわからないですか？

探検しましょう。
すべての検索エンジンは、より良い結果を提供できるように、より良い方法で物事を見る方法を学んでいます。
機械学習がSEOの世界をどのように変えているかを示す適切な例は、電子メールのフィルタリングが現在どのように行われているかを確認することです。これは非常に重要です。 Googleがスパムを除外する成功率は微妙に99.9％です。この機械学習のプロセスは、特にTensorFlowのスパムを取り除くためにGoogleによって採用されました。このプロセス全体は、何年も前から行われています。
これに加えて、Googleは明らかなスパムをブロックできるルールベースのフィルターを備えた人工知能も使用しています。これらのパターンは、これらのスパムがリンクされているサイト、スパムが取得する不要なリンクの種類などによって検出されます。

機械学習はコンテンツのSEOにも影響を与えます。方法を見てみましょう：
Googleは10年以来、この問題に取り組んできました。フレーズを照合し、結果を出力します。この問題を解決するために、2016年9月にGoogleニューラル機械翻訳システム（GNMT）という名前の機械学習システムを導入しました。これにより、フレーズをエンコードしてからデコードし、必要な結果を表示することで、フレーズを効率的に理解できます。
機械学習：なぜそれが将来にとって重要なのですか？
間もなく、人工知能と機械学習によって取り残される石はなくなります。数年のうちに、人々の働き方に大きな変化が起こるでしょう。依存関係は、人間よりもコンピューターに依存します。労働エネルギーのほとんどはコンピューターによって自動化されます。

機械学習と人工知能のこの進化は、世界中の仕事の喪失につながる可能性があると思われるかもしれません。しかし、それは真実ではありません。
BBCによると、機械学習が引き継いでいるため、人間が作成したアルゴリズムによって、日常的で反復的なタスクを迅速かつ効率的に実行できます。それは労働市場に影響を与えるかもしれませんが、彼らはより複雑で日常的でないスキルを必要とする仕事を獲得するかもしれません。
マッキンゼーの調査によると、2030年までに、AIとMLが世界の労働力の30％に取って代わるでしょう。
これらの恐れにもかかわらず、すべての技術革命は、粉砕されたよりも多くの雇用を生み出すことになりました。