Contenuto
- Automazione nel Con of Information Technology
- L'automazione è il futuro dell'apprendimento automatico?
- Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
- Argomento di studio
- L'apprendimento automatico potrebbe sostituire i lavori
- Conclusione
Fonte: Krulua / Dreamstime.com
Porta via:
L'apprendimento automatico è la capacità di un sistema di modificare la propria programmazione. Ma quando un sistema può farlo, gli umani sono ancora necessari?
L'apprendimento automatico è stato uno dei maggiori progressi nella storia dell'informatica e ora si ritiene che sia in grado di assumere ruoli significativi nel campo dei big data e dell'analisi. L'analisi dei big data è una grande sfida dal punto di vista delle imprese. Ad esempio, attività come dare un senso a enormi volumi di formati di dati diversi, preparazione dei dati per analisi e filtraggio di dati ridondanti possono consumare molte risorse. Assumere scienziati e specialisti dei dati è una proposta costosa e non nei mezzi di ogni azienda. Gli esperti ritengono che l'apprendimento automatico sia in grado di automatizzare molte attività legate all'analisi, sia di routine che complesse. L'automazione dell'apprendimento automatico può liberare molte risorse che possono essere utilizzate in lavori più complessi e innovativi. Sembra che l'apprendimento automatico stia andando in quella direzione. (Per ulteriori informazioni sull'uso dell'apprendimento automatico, vedere Le promesse e le insidie dell'apprendimento automatico.)
Automazione nel Con of Information Technology
Nell'ambito dell'IT, l'automazione è il collegamento di sistemi e software diversi in modo che siano in grado di svolgere lavori specifici senza alcun intervento umano. Nel settore IT, i sistemi automatizzati possono eseguire lavori sia semplici che complessi. Un esempio di un semplice lavoro potrebbe essere l'integrazione di un modulo con un PDF e l'immissione del documento nel destinatario corretto, mentre il provisioning di un backup fuori sede potrebbe essere un esempio di un lavoro complesso.
Per fare il suo lavoro, un sistema automatizzato deve essere programmato o dato istruzioni esplicite. Ogni volta che è richiesto un sistema automatizzato per modificare l'ambito dei suoi lavori, il programma o il set di istruzioni devono essere aggiornati da un essere umano. Mentre i sistemi automatizzati sono efficienti nel loro lavoro, possono verificarsi errori per vari motivi. Quando si verificano errori, la causa principale deve essere identificata e corretta. Ovviamente, per fare il loro lavoro, i sistemi automatizzati dipendono totalmente dagli esseri umani. Più complessa è la natura del lavoro, maggiore è la probabilità di errori e problemi.
Di solito, i lavori di routine e ripetibili vengono assegnati ai sistemi automatizzati. Un esempio comune di automazione nel settore IT è l'automazione del test delle interfacce utente basate sul web. I casi di test vengono inseriti negli script di automazione e le interfacce utente vengono testate di conseguenza. (Per ulteriori informazioni sugli usi pratici dell'apprendimento automatico, vedere Apprendimento automatico e Hadoop nel rilevamento delle frodi di prossima generazione.)
L'argomento a favore dell'automazione è stato quello di svolgere compiti di routine e ripetibili e di liberare i dipendenti per svolgere compiti più complessi e creativi. Tuttavia, si sostiene anche che l'automazione ha sostituito molti lavori o ruoli precedentemente ricoperti da esseri umani. Ora, con l'apprendimento automatico che si fa strada in vari settori, l'automazione potrebbe aggiungere una nuova dimensione del tutto.
L'automazione è il futuro dell'apprendimento automatico?
L'essenza stessa dell'apprendimento automatico è la capacità dei sistemi di apprendere continuamente dai dati e di evolversi senza l'intervento degli esseri umani. L'apprendimento automatico è in grado di comportarsi come il cervello umano. Ad esempio, un motore di raccomandazione in un sito Web di e-commerce può valutare le preferenze e i gusti unici di un utente e offrire consigli su prodotti e servizi che meglio si adattano alle scelte dell'utente. Data questa capacità, l'apprendimento automatico è considerato ideale per automatizzare attività complesse relative a big data e analisi. Ha già superato la principale limitazione dei tradizionali sistemi di automazione che non possono funzionare senza un regolare intervento umano. Esistono diversi casi studio per dimostrare che l'apprendimento automatico è in grado di completare sofisticate attività di analisi dei dati, come verrà discusso più avanti in questo articolo.
Come già sottolineato, l'analisi dei big data è una proposta stimolante per le aziende e può essere parzialmente delegata ai sistemi di apprendimento automatico. Dal punto di vista di un'azienda, questo può portare molti vantaggi come la liberazione di risorse di data science per incarichi più creativi e critici, un volume maggiore di completamento del lavoro, meno tempo impiegato per completare le attività ed economicità.
Nessun bug, nessuno stress: la tua guida passo passo alla creazione di software che ti cambia la vita senza distruggere la tua vita
Non puoi migliorare le tue capacità di programmazione quando a nessuno importa della qualità del software.
Argomento di studio
Nel 2015 i ricercatori del MIT hanno iniziato a lavorare su uno strumento di scienza dei dati in grado di creare modelli di dati predittivi a partire da enormi volumi di dati grezzi utilizzando una tecnica chiamata algoritmo Deep Feature Synthesis. L'algoritmo, affermano gli scienziati, può combinare le migliori caratteristiche dell'apprendimento automatico. Secondo gli scienziati, hanno già testato l'algoritmo su tre diversi set di dati e estenderanno l'ambito del test a più set di dati. Descrivendo come lo fanno, i ricercatori James Max Kanter e Kalyan Veeramachaneni hanno dichiarato in un documento che sarà presentato a una conferenza internazionale di scienza e analisi dei dati, “Utilizzando un processo di auto-tuning, ottimizziamo l'intero percorso senza coinvolgimento umano, consentendogli di generalizzare a diversi set di dati. "
Esaminiamo quanto è stato complesso il compito: l'algoritmo ha una capacità nota come capacità di auto-tuning, con l'aiuto della quale deriva o estrae approfondimenti o valori da dati grezzi come età o sesso e, successivamente, può creare modelli di dati predittivi. L'algoritmo utilizza complesse funzioni matematiche e una teoria della probabilità nota come copula gaussiana. Quindi, è facile capire l'entità della complessità che l'algoritmo è in grado di gestire. La tecnica ha anche vinto premi in concorsi.
L'apprendimento automatico potrebbe sostituire i lavori
Si sta discutendo in tutto il mondo che l'apprendimento automatico potrebbe sostituire molti lavori perché sta eseguendo compiti con l'efficienza di un cervello umano. In effetti, vi è una certa preoccupazione che l'apprendimento automatico sostituirà i data scientist e sembra che ci siano basi per tali apprensioni.
Per gli utenti comuni che non hanno le capacità di analisi dei dati ma hanno ancora bisogno di analisi nella loro vita quotidiana a vari livelli, non è possibile avere computer in grado di analizzare enormi volumi di dati e offrire analisi. Ma le tecnologie di elaborazione del linguaggio naturale (NLP) possono superare questa limitazione insegnando ai computer ad accettare ed elaborare la lingua parlata naturale degli umani. In questo modo, l'utente comune non ha bisogno di capacità o competenze di analisi sofisticate.
IBM ritiene che la necessità di data scientist possa essere minimizzata o eliminata con la piattaforma di analisi del linguaggio naturale Watson del suo prodotto. Secondo il suo vicepresidente per Watson Analytics e Business Intelligence, Marc Atschuller, “Con un sistema cognitivo come Watson porti semplicemente la tua domanda - o se non hai una domanda devi solo caricare i tuoi dati e Watson può guardarli e dedurli cosa potresti voler sapere. "
Conclusione
L'automazione è il prossimo passo logico per l'apprendimento automatico e abbiamo già sperimentato gli effetti nelle nostre vite quotidiane - nei siti Web di e-commerce, suggerimenti di amici, consigli di rete di LinkedIn e classifiche di ricerca di Airbnb. Considerando gli esempi forniti, non c'è dubbio che la qualità dell'output prodotto dai sistemi di machine learning automatizzati possa essere messa in dubbio. Nonostante tutte le sue qualità e benefici, il pensiero dell'apprendimento automatico che causa un'enorme disoccupazione può sembrare un po 'eccessivo. Le macchine hanno sostituito gli esseri umani in molte aree della nostra vita per diversi decenni e, tuttavia, gli esseri umani si sono evoluti e adattati per rimanere rilevanti nel settore. A seconda della prospettiva, l'apprendimento automatico, nonostante tutta la sua perturbazione, è solo un'altra di queste ondate a cui le persone si adatteranno.