Obsah
Q:
Proč je pro mnoho projektů strojového učení důležité velké množství obrazových souborů?
A:
Pro společnosti, které se chtějí zapojit do svých prvních investic do strojového učení (ML), může celý proces vypadat trochu krypticky a esotericky. Pro mnoho lidí je opravdu těžké si představit, jak strojové učení skutečně funguje, a přesně to, co pro podnikání udělá.
V některých případech může někdo, kdo zkoumá strojové učení, mít docela epifanii, když zvažuje, proč je pro projekty ML tak důležité velké množství obrazových souborů, shromážděných do čistých digitálních kontejnerů. To proto, že koncept „obrazového souboru“ pomáhá vizualizovat ML. Přemýšlení o tom nám umožňuje pochopit více o tom, jak se tyto druhy technologií budou brzy aplikovat na náš svět.
Krátká odpověď je, že tyto velké počty obrazových souborů jsou důležité pro strojové učení, protože představují tréninkové sady - sady počátečních dat, na kterých musí počítač pracovat, jak se učí. Ale je tu o něco víc než to. Proč jsou obrázky tak cenné?
Jedním z důvodů, proč jsou obrazy tak cenné, je to, že vědci dosáhli velkého pokroku ve zpracování obrázků. Kromě toho však také pokročili v pomoci strojům identifikovat výsledky na základě toho, co je na obrázku.
Například kdokoli, kdo slyšel o hluboce tvrdohlavých sítích s generativními i diskriminačními motory, trochu rozumí tomu, jak počítače dokáží číst a porozumět vizuálním datům a obrázkům. Nečtou pixely, jako tomu bylo dříve - vlastně „vidí“ obraz a identifikují komponenty. Představte si například rozpoznávání tváře - počítač se učí, jak vypadáte, a identifikuje vás na obrázcích - stejně jako na obrázky kolem vás. To je často možné díky agregaci mnoha obrazů a iteračnímu školení, které tvoří základ projektu strojového učení.
Když zúčastněné strany určily plán a koncepci a vyšly ven a shromáždily všechny relevantní obrázky a vložily je do algoritmů strojového učení, mohou využít obrovskou sílu umělé inteligence pro řízení obchodních procesů.
Společnost by mohla procházet webový prohlížeč na internetu a hledat obrázky, které mohou obsahovat konkrétního zákazníka, aby vytvořil soubor ukazující totožnost zákazníka a jeho preference a tendence. Společnost může tyto informace dokonce použít k automatizaci přímé pošty nebo jiného přímého marketingu. Když o tom začnete přemýšlet, snadno zjistíte, jak může být tento proces rozpoznávání a identifikace obrazu svázán s nejrůznějšími funkcemi, které umožní počítačům dělat tolik věcí, na které byli lidé zvyklí pro všechny naše zaznamenaná historie. Jako příklad zákaznického průzkumu s výše uvedenými typy nastavení se lidé vůbec nemusí zapojovat: počítač může „jít na web“ a podat zprávu zpět svým vlastníkům nebo držitelům dat.
Pro každého, kdo se podílí na brodění do hlubokých vod strojového učení, je pochopení pojmu těžby dat hromadných obrazů dobrým prvním krokem na mapě, jak využít strojovou učební sílu a zjistit, jak ji využít ve prospěch podniku.