機(jī)器學(xué)習(xí)是AI的一個(gè)子集，通常分為兩大類：有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。
監(jiān)督學(xué)習(xí)
教學(xué)AI系統(tǒng)的常用技術(shù)是通過(guò)使用大量帶標(biāo)簽的示例來(lái)訓(xùn)練它們。這些機(jī)器學(xué)習(xí)系統(tǒng)被饋入大量數(shù)據(jù)，這些數(shù)據(jù)已被注釋以突出顯示感興趣的功能。這些照片可能被標(biāo)記為照片以表明它們是否包含狗或帶有腳注的書(shū)面句子，以表明“低音”一詞與音樂(lè)還是魚(yú)類有關(guān)。經(jīng)過(guò)培訓(xùn)后，系統(tǒng)便可以將這些標(biāo)簽罐應(yīng)用于新數(shù)據(jù)，例如應(yīng)用于剛剛上傳的照片中的狗。
通過(guò)示例教學(xué)機(jī)器的過(guò)程稱為監(jiān)督學(xué)習(xí)，并且標(biāo)記這些示例的角色通常由 在線工作人員執(zhí)行，并通過(guò)諸如Amazon Mechanical Turk之類的平臺(tái)雇用。
訓(xùn)練這些系統(tǒng)通常需要大量的數(shù)據(jù)，有些系統(tǒng)需要搜尋數(shù)百萬(wàn)個(gè)示例來(lái)學(xué)習(xí)如何有效地執(zhí)行任務(wù)-盡管在大數(shù)據(jù)和廣泛的數(shù)據(jù)挖掘時(shí)代，這越來(lái)越有可能。訓(xùn)練數(shù)據(jù)集龐大且規(guī)模不斷擴(kuò)大 Google的Open Images Dataset擁有約900萬(wàn)張圖像，而其帶有標(biāo)簽的視頻存儲(chǔ)庫(kù)YouTube-8M鏈接了700萬(wàn)個(gè)帶有標(biāo)簽的視頻。ImageNet是這類早期數(shù)據(jù)庫(kù)之一，擁有超過(guò)1400萬(wàn)張分類圖像。該文件經(jīng)過(guò)兩年的編寫(xiě)，由近50,000人（其中大部分是通過(guò)Amazon Mechanical Turk招募的）匯集在一起的，他們檢查，分類并標(biāo)記了將近10億張候選圖片。
從長(zhǎng)遠(yuǎn)來(lái)看，與龐大的計(jì)算能力相比，訪問(wèn)具有大量標(biāo)記數(shù)據(jù)集的重要性可能不那么重要。近年來(lái)，Generative Adversarial Networks（GAN）展示了向機(jī)器學(xué)習(xí)系統(tǒng)饋送少量標(biāo)記數(shù)據(jù)的方式，然后可以生成大量新鮮數(shù)據(jù)來(lái)自學(xué)。
這種方法可能會(huì)導(dǎo)致半監(jiān)督學(xué)習(xí)的興起，在這種情況下，系統(tǒng)可以使用遠(yuǎn)遠(yuǎn)少于當(dāng)今使用監(jiān)督學(xué)習(xí)的訓(xùn)練系統(tǒng)所需要的標(biāo)記數(shù)據(jù)來(lái)學(xué)習(xí)如何執(zhí)行任務(wù)。
無(wú)監(jiān)督學(xué)習(xí)
相比之下，無(wú)監(jiān)督學(xué)習(xí)則使用另一種方法，即算法嘗試識(shí)別數(shù)據(jù)中的模式，尋找可用于對(duì)數(shù)據(jù)進(jìn)行分類的相似性。
一個(gè)例子可能是將重量相似的水果或發(fā)動(dòng)機(jī)尺寸相似的汽車聚集在一起。
該算法并非預(yù)先設(shè)置為挑選特定類型的數(shù)據(jù)，它只是尋找可以根據(jù)其相似性進(jìn)行分組的數(shù)據(jù)，例如Google News每天將相似主題的故事分組在一起。
強(qiáng)化學(xué)習(xí)
強(qiáng)化學(xué)習(xí)的粗略類比是當(dāng)寵物在表演把戲時(shí)獎(jiǎng)勵(lì)其零食。
在強(qiáng)化學(xué)習(xí)中，系統(tǒng)嘗試根據(jù)其輸入數(shù)據(jù)最大化獎(jiǎng)勵(lì)，基本上要經(jīng)過(guò)反復(fù)試驗(yàn)的過(guò)程，直到獲得最佳結(jié)果。
強(qiáng)化學(xué)習(xí)的一個(gè)例子是Google DeepMind的Deep Q網(wǎng)絡(luò)，該網(wǎng)絡(luò) 已被用于在各種經(jīng)典視頻游戲中實(shí)現(xiàn)最佳人類表現(xiàn)。系統(tǒng)從每個(gè)游戲中獲取像素，并確定各種信息，例如屏幕上對(duì)象之間的距離。
通過(guò)查看每個(gè)游戲中獲得的分?jǐn)?shù)，系統(tǒng)會(huì)建立一個(gè)模型，該模型的動(dòng)作將在不同情況下使分?jǐn)?shù)最大化，例如，在視頻游戲Breakout的情況下，應(yīng)將球拍移至其中以攔截球。
關(guān)于我們：
Infocode藍(lán)暢信息技術(shù)有限公司成功為多家世界財(cái)富500強(qiáng)企業(yè)以及其他著名品牌提供優(yōu)質(zhì)服務(wù)，是您靠譜的互聯(lián)網(wǎng)開(kāi)發(fā)供應(yīng)商。
服務(wù)客戶遍及北京、上海、杭州、深圳、廣州、天津、青島、南京、寧波、蘇州、無(wú)錫、廈門(mén)、重慶、西安等大中型城市及地區(qū) ? ?為您提供：H5開(kāi)發(fā)，小程序開(kāi)發(fā)，H5外包，微信開(kāi)發(fā)，H5商城開(kāi)發(fā)，小程序商城開(kāi)發(fā)，網(wǎng)站開(kāi)發(fā)外包，H5游戲開(kāi)發(fā)，小程序開(kāi)發(fā)外包，小程序設(shè)計(jì)、APP開(kāi)發(fā)外包，UI設(shè)計(jì)，SEO優(yōu)化，SEO外包，視頻后期制作等優(yōu)質(zhì)服務(wù)
本文來(lái)自網(wǎng)絡(luò) 由藍(lán)暢整理，經(jīng)授權(quán)后發(fā)布，本文觀點(diǎn)不代表Infocode藍(lán)暢信息技術(shù)立場(chǎng)，轉(zhuǎn)載請(qǐng)聯(lián)系原作者。
