Automatiséierung: d'Zukunft vun der Informatik a Maschinnléieren?

Maschinn Léieren war ee vun de gréisste Fortschrëtter an der Geschicht vu Computing a gëtt elo gesi wéi eng wichteg Roll am Feld vu Big Data an Analyse kënnen ze spillen. Big Data Analytics ass eng grouss Erausfuerderung aus enger Enterprise Perspektiv. Zum Beispill, Aktivitéite wéi d'Verstoe vun der grousser Unzuel u verschiddenen Dateformater, d'Analyse vun Datenvirbereedung a Filteren vu redundante Donnéeën kënne Ressourceintensiv sinn. Rekrutéiere vun Datenwëssenschaftler Spezialisten ass eng deier Propositioun an net e Mëttel fir en Enn fir all Firma. D'Experten gleewen datt Maschinnléiere vill vun den Aufgaben, déi mat Analyse verbonne sinn, automatiséiere kënnen - béid Routine a komplex. Automatiséiert Maschinnléiere kann bedeitend Ressourcen befreien, déi fir méi komplex an innovativ Aarbecht benotzt kënne ginn. Maschinnléiere schéngt déi ganzen Zäit an dës Richtung ze goen.

Automatiséierung am Kontext vun Informatiounstechnologie

An IT ass Automatiséierung d'Verbindung vu verschiddene Systemer a Software, déi et hinnen erlaben spezifesch Aufgaben auszeféieren ouni mënschlech Interventioun. An IT kënnen automatiséiert Systemer béid einfach a komplex Aarbechten ausféieren. E Beispill vun enger einfacher Aarbecht kann d'Integratioun vu Forme mat PDFs sinn an d'Dokumenter un de richtegen Empfänger schécken, wärend Off-Site Backupe kënne e Beispill vun enger komplexer Aarbecht sinn.

Fir Är Aarbecht richteg ze maachen, musst Dir de automatiséierten System programméieren oder kloer Instruktioune ginn. All Kéier wann en automatiséierten System gebraucht gëtt fir den Ëmfang vu senger Aarbecht z'änneren, muss de Programm oder d'Instruktiounsset vun engem aktualiséiert ginn. Och wann den automatiséierten System effektiv a senger Aarbecht ass, kënne Feeler aus verschiddene Grënn optrieden. Wann Feeler optrieden, muss d'Ursaach identifizéiert a korrigéiert ginn. Kloer, fir seng Aarbecht ze maachen, ass en automatiséierten System komplett ofhängeg vun de Mënschen. Wat méi komplex d'Natur vun der Aarbecht ass, wat méi héich ass d'Wahrscheinlechkeet vu Feeler a Probleemer.

E gemeinsamt Beispill vun der Automatiséierung an der IT Industrie ass d'Automatiséierung vum Testen vu webbaséierten User-Interfaces. Testfäll ginn an den Automatiséierungsskript gefiddert an d'Benotzerinterface gëtt deementspriechend getest. (Fir méi iwwer d'praktesch Uwendung vu Maschinnléieren, kuckt Machine Learning an Hadoop bei Next Generation Fraud Detection.)

D'Argument fir d'Automatiséierung ass datt et Routine a widderhuelbar Aufgaben ausféiert an d'Mataarbechter befreit fir méi komplex a kreativ Aufgaben ze maachen. Wéi och ëmmer gëtt argumentéiert datt d'Automatiséierung eng grouss Unzuel u Aufgaben oder Rollen ausgeschloss huet, déi virdru vu Mënschen ausgefouert goufen. Elo, mam Maschinnléieren an verschidden Industrien erakommen, kann d'Automatiséierung eng nei Dimensioun derbäisetzen.

D'Zukunft vum automatiséierten Maschinnléieren?

D'Essenz vum Maschinnléieren ass d'Fäegkeet vun engem System fir kontinuéierlech vun Daten ze léieren an ouni mënschlech Interventioun z'entwéckelen. Maschinn Léieren ass fäeg wéi e mënschlecht Gehir ze handelen. Zum Beispill kënnen Empfehlungsmotoren op E-Commerce Siten dem Benotzer seng eenzegaarteg Virléiften a Goûten bewäerten a Empfehlungen ubidden iwwer déi passendste Produkter a Servicer fir ze wielen. Wéinst dëser Fäegkeet gëtt Maschinnléiere als ideal ugesinn fir komplex Aufgaben ze automatiséieren verbonne mat Big Data an Analyse. Et huet déi grouss Aschränkunge vun traditionelle automatiséierte Systemer iwwerwonnen, déi keng mënschlech Interventioun op enger regulärer Basis erlaben. Et gi verschidde Fallstudien déi d'Fäegkeet vum Maschinnléiere weisen fir komplex Dateanalyseaufgaben auszeféieren, déi méi spéit an dësem Pabeier diskutéiert ginn.

Wéi scho bemierkt, Big Data Analytics ass eng usprochsvoll Propositioun fir Geschäfter, déi deelweis op Maschinnléiere Systemer delegéiert kënne ginn. Aus enger Geschäftsperspektiv kann dëst vill Virdeeler bréngen wéi d'Datenwëssenschaftlech Ressourcen fir méi kreativ a missiounskritesch Aufgaben ze befreien, méi héich Aarbechtslaaschten, manner Zäit fir Aufgaben a Käschteeffektivitéit ze kompletéieren.

Fallstudie

Am Joer 2015 hunn d'MIT Fuerscher ugefaang un engem Dateschutzinstrument ze schaffen dat viraussiichtlech Datemodelle vu grousse Quantitéite Matière Daten erstellt mat enger Technik déi déif Feature Synthese Algorithmen genannt gëtt. D'Wëssenschaftler behaapten datt den Algorithmus déi bescht Features vu Maschinnléiere kombinéiere kann. Laut de Wëssenschaftler hunn se et op dräi verschiddenen Datensätz getest an erweidert d'Tester fir méi ze enthalen. An engem Pabeier, deen op der Internationaler Konferenz iwwer Data Science an Analytics presentéiert gëtt, hunn d'Fuerscher James Max Kanter a Kalyan Veeramachaneni gesot, "Mat engem automatiséierten Tuningprozess optimiséiere mir de ganze Wee ouni mënschlech Bedeelegung, et erlaabt et zu verschiddenen Datensets ze generaliséieren".

Loosst eis d'Komplexitéit vun der Aufgab kucken: den Algorithmus huet wat als Auto-Upassungsfäegkeet bekannt ass, mat der Hëllef vun deenen Abléck oder Wäerter kënne kritt oder extrahéiert ginn aus rauem Donnéeën (wéi Alter oder Geschlecht), duerno prediktiv Donnéeën Modeller kënnen erstallt ginn. Den Algorithmus benotzt komplex mathematesch Funktiounen an eng Wahrscheinlechkeetstheorie mam Numm Gaussian Copula. Et ass dofir einfach den Niveau vun der Komplexitéit ze verstoen déi den Algorithmus kann handhaben. Dës Technik huet och Präisser a Concoursen gewonnen.

Maschinn Léieren kéint Hausaufgaben ersetzen

Et gëtt weltwäit diskutéiert datt Maschinnléiere vill Aarbechtsplaze kéint ersetzen well et Aufgaben mat der Effizienz vum mënschleche Gehir ausféiert. Tatsächlech gëtt et e puer Suergen datt Maschinnléieren Datenwëssenschaftler ersetzen, an et schéngt eng Basis fir sou eng Suerg ze sinn.

Fir den duerchschnëttleche Benotzer deen keng Dateanalysekompetenzen huet awer variéierend Grad vun analytesche Bedierfnesser an hirem Alldag huet, ass et net machbar Computeren ze benotzen déi enorm Donnéeën analyséiere kënnen an Analysedaten ubidden. Wéi och ëmmer, Natural Language Processing (NLP) Techniken kënnen dës Begrenzung iwwerwannen andeems Computeren léieren d'natierlech mënschlech Sprooch z'akzeptéieren an ze verarbeiten. Op dës Manéier brauch den duerchschnëttleche Benotzer keng raffinéiert analytesch Funktiounen oder Fäegkeeten.

IBM mengt datt d'Bedierfnes fir Datenwëssenschaftler kënne miniméiert oder eliminéiert ginn duerch säi Produkt, d'Watson Natural Language Analytics Plattform. Laut dem Marc Atschuller, Vizepräsident fir Analytik a Geschäftsintelligenz bei Watson, "Mat engem kognitiven System wéi Watson, stellt Dir just Är Fro - oder wann Dir keng Fro hutt, uploadt Dir just Är Donnéeën a Watson kann et kucken a schléisst aus wat Dir wëllt wëssen. "

Fazit

Automatiséierung ass den nächste logesche Schrëtt am Maschinnléieren a mir erliewen schonn d'Effekter an eisem Alldag-E-Commerce Siten, Facebook Frënd Virschléi, LinkedIn Netzwierk Suggestiounen an Airbnb Sich Ranking. Bedenkt d'Beispiller, gëtt et keen Zweiwel datt dëst un d'Qualitéit vum Output zougeschriwwe ka ginn, deen duerch automatiséiert Maschinn Léieren Systemer produzéiert gëtt. Fir all seng Qualitéiten a Virdeeler schéngt d'Iddi vu Maschinnléieren, déi enorm Chômage verursaacht, e bësse vun enger Iwwerreaktioun. Maschinnen hunn d'Mënschen a ville Deeler vun eisem Liewe fir Joerzéngte ersat, awer d'Mënschen hunn evoluéiert an adaptéiert fir relevant an der Industrie ze bleiwen. Laut der Vue ass Maschinnléiere fir all seng Stéierung just eng aner Welle, op déi d'Leit sech upassen.


Post Zäit: Aug-03-2021