Content
- Automatització en tecnologia de la informació
- L’automatització és el futur de l’aprenentatge automàtic?
- Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
- Estudi de casos
- L’aprenentatge automàtic podria substituir les feines
- Conclusió
Font: Krulua / Dreamstime.com
Emportar:
L’aprenentatge automàtic és la capacitat d’un sistema per alterar la seva pròpia programació. Però quan un sistema pot fer això, els humans encara són necessaris?
L’aprenentatge automàtic ha estat un dels majors avenços de la història de la informàtica i ara es creu que és capaç d’assumir funcions significatives en el camp de les grans dades i les analítiques. L’anàlisi de grans dades és un enorme repte des de la perspectiva de les empreses. Per exemple, activitats com donar sentit a grans volums de formats de dades variats, preparació de dades per a analítiques i filtratge de dades redundants poden consumir molts recursos. La contractació de científics i especialistes en dades és una proposta cara i no és un mitjà pràctic. Els experts creuen que l’aprenentatge automàtic és capaç d’automatitzar moltes tasques relacionades amb les analítiques, tant rutinàries com complexes. L’automatització de l’aprenentatge automàtic pot alliberar molts recursos que es poden utilitzar en feines més complexes i innovadores. Sembla que l’aprenentatge automàtic s’ha dirigit en aquesta direcció. (Per obtenir més informació sobre l’ús de l’aprenentatge automàtic, vegeu Les promeses i els inconvenients de l’aprenentatge automàtic.)
Automatització en tecnologia de la informació
En matèria d’informàtica, l’automatització és la vinculació de sistemes i programes dispars perquè puguin fer treballs específics sense cap intervenció humana. A la indústria informàtica, els sistemes automatitzats poden realitzar tasques senzilles i complexes. Un exemple d’un treball senzill podria ser integrar un formulari amb un PDF i engendrar el document al destinatari correcte, mentre que proporcionar una còpia de seguretat fora de lloc pot ser un exemple de treball complex.
Per fer la seva tasca, cal programar un sistema automatitzat o rebre instruccions explícites. Cada vegada que un sistema automatitzat requereix modificar l’abast dels seus treballs, el programa o el conjunt d’instruccions necessiten ser actualitzats per un ésser humà. Si bé els sistemes automatitzats són eficients en la seva feina, es poden produir errors per diverses raons. Quan es produeixen errors, cal identificar i corregir la causa arrel. Evidentment, per fer la seva feina, els sistemes automatitzats depenen totalment dels éssers humans. Com més complexa sigui la naturalesa del treball, més alta és la probabilitat d’errors i problemes.
Normalment, els treballs rutinaris i repetibles s’assignen a sistemes automatitzats. Un exemple comú d’automatització en el sector informàtic és l’automatització de les proves d’interfícies d’usuari basades en la web. Els casos de prova s’incorporen a scripts d’automatització i les interfícies d’usuari es proven en conseqüència. (Per obtenir més informació sobre els usos pràctics de l'aprenentatge automàtic, vegeu Aprenentatge automàtic i Hadoop a Detecció de fraus de propera generació.)
L’argument a favor de l’automatització ha estat que realitza tasques rutinàries i repetibles i allibera els empleats per fer tasques més complexes i creatives. Tot i això, també s’afirma que l’automatització ha desplaçat moltes feines o rols que abans feien els humans. Ara, amb l'aprenentatge de màquines que s'endinsa en diverses indústries, l'automatització podria afegir una nova dimensió.
L’automatització és el futur de l’aprenentatge automàtic?
L’essència mateixa de l’aprenentatge automàtic és la capacitat dels sistemes per aprendre contínuament de les dades i evolucionar sense la intervenció dels éssers humans. L’aprenentatge automàtic és capaç de comportar-se com el cervell humà. Per exemple, un motor de recomanacions en un lloc web de comerç electrònic pot avaluar les preferències i gustos únics d’un usuari i oferir recomanacions sobre productes i serveis que s’adaptin millor a les opcions de l’usuari. Tenint en compte aquesta habilitat, l’aprenentatge de màquines es considera ideal per automatitzar tasques complexes relacionades amb l’analítica i el big data. Ja ha superat la limitació principal dels sistemes automatitzats tradicionals que no poden funcionar sense una intervenció humana regular. Hi ha múltiples estudis de casos que demostren que l’aprenentatge automàtic és capaç de realitzar tasques sofisticades d’anàlisi de dades, com es parlarà més endavant en aquest article.
Com ja s’ha apuntat, l’anàlisi de big data és una proposta desafiant per a les empreses i es pot delegar parcialment en sistemes d’aprenentatge automàtic. Des de la perspectiva d’un negoci, això pot aportar molts avantatges, com alliberar recursos de ciències de dades per a tasques més creatives i crítiques, un volum més gran d’acabament de treballs, menys temps destinat a realitzar tasques i rendibilitat.
Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
No podeu millorar les vostres habilitats de programació quan ningú es preocupa per la qualitat del programari.
Estudi de casos
El 2015 els investigadors del MIT van començar a treballar en una eina de ciències de dades capaç de crear models de dades predictius a partir d’enormes volums de dades en brut mitjançant una tècnica anomenada algorisme de Deep Feature Synthesis. Els algoritmes, segons afirmen els científics, poden combinar les millors característiques de l'aprenentatge automàtic. Segons els científics, ja han provat l'algorisme en tres conjunts de dades diferents i aniran ampliant l'àmbit de les proves a més conjunts de dades. Descrivint com ho fan, els investigadors James Max Kanter i Kalyan Veeramachaneni van declarar en un document que es presentarà a una conferència internacional de ciències de dades i d’analítica: “Utilitzant un procés d’autoafinació, optimitzem tota la ruta sense la participació humana, permetent generalitzar-la. a diferents conjunts de dades. "
Examinem com de complexa ha estat la tasca: l’algoritme té una capacitat que es coneix com a capacitat d’autoafinació, amb l’ajuda de la qual deriva o extreu informació o valors de dades en brut com ara l’edat o el gènere, i després d’això. pot crear models de dades predictius. L’algoritme utilitza funcions matemàtiques complexes i una teoria de probabilitats coneguda com Gaula Copula. Per tant, és fàcil entendre l’extensió de complexitat que l’algoritme és capaç de manejar. La tècnica també ha guanyat premis en concursos.
L’aprenentatge automàtic podria substituir les feines
A tot el món s’està discutint que l’aprenentatge automàtic pot substituir moltes feines perquè fa tasques amb l’eficiència d’un cervell humà. De fet, hi ha una certa preocupació perquè l’aprenentatge automàtic substituirà els científics de dades, i sembla que hi hagi base per a aquestes aprehensions.
Per als usuaris comuns que no disposen d’habilitats d’anàlisi de dades però encara necessiten analítiques en el seu dia a dia en diversos graus, no és factible disposar d’ordinadors capaços d’analitzar volums de dades enormes i d’analitzar dades. Però les tecnologies de processament de llenguatges naturals (PNL) poden superar aquesta limitació ensenyant als ordinadors a acceptar i processar el llenguatge natural i parlat dels humans. D’aquesta manera, l’usuari comú no necessita capacitats ni habilitats d’analítica sofisticades.
IBM creu que es pot minimitzar o eliminar la necessitat de científics de dades amb la seva plataforma d’analítica de llenguatge natural del producte Watson. Segons el seu vicepresident de Watson Analytics i Business Intelligence, Marc Atschuller, "Amb un sistema cognitiu com Watson només portes la teva pregunta o si no tens cap pregunta només has de penjar les teves dades i Watson pots mirar-la i inferir-la. què potser voleu saber. "
Conclusió
L’automatització és el següent pas lògic per a l’aprenentatge automàtic i ja hem estat experimentant els efectes en el nostre dia a dia: a llocs web de comerç electrònic, suggeriments d’amics, recomanacions de xarxes de LinkedIn i rànquings de cerca d’Airbnb. Tenint en compte els exemples donats, no es pot dubtar de la qualitat de la producció produïda pels sistemes automatitzats d’aprenentatge automàtic. Per totes les seves qualitats i beneficis, el pensament en l'aprenentatge automàtic que provoca un desocupació enorme pot semblar una reacció excessiva. Les màquines han estat substituint els éssers humans en moltes àrees de la nostra vida durant diverses dècades i, tot i així, els éssers humans han evolucionat i adaptat per mantenir-se rellevants en la indústria. Depenent de la perspectiva, l’aprenentatge automàtic, per tota la seva pertorbació, és tan sols una altra onada a la qual s’adaptaran les persones.