Mašīnmācība ir datorzinātņu joma, kas nozīmē “mašīnmācīšanās”.
Tā ir daļa no mākslīgā intelekta jēdziena, kurā tiek pētīti veidi, kā mašīnas var veikt uzdevumus, kurus veiktu cilvēki.
Tā ir datoros izmantota programmēšana, kas veidota pēc iepriekš definētiem noteikumiem, kas ļauj datoriem pieņemt lēmumus, pamatojoties uz iepriekšējiem un lietotāja izmantotajiem datiem.
Saskaņā ar izveidotajām programmām dators spēj pieņemt lēmumus, kas var atrisināt problēmas vai, piemēram, palielināt publikācijas internetā.
Kā darbojas mašīnmācīšanās?
Darbības pamats ir algoritmi, kas ir noteiktas secības, kas sastāv no informācijas un instrukcijām, kurām sekos dators.
Šīs sekvences ļauj datoriem pieņemt lēmumu atbilstoši situācijai un tajā ievadītajai informācijai.
Tas ir algoritms, kas nes informāciju par to, kā jāveic noteiktas procedūras un darbības vai kā jāveic darbība.
Algoritmu izmantošanai ir vairāki lietojumprogrammu un programmēšanas valodu veidi. Tie mainās atkarībā no nepieciešamības, kas tiks apmierināta, vai izveidotā algoritma mērķim.
Mašīnmācīšanās veidi
Ir divi galvenie mašīnmācīšanās veidi: uzraudzīta mācīšanās un bez uzraudzības.
uzraudzīta mācīšanās
Uzraudzītās mācībās mašīnā ir ievadīts iepriekšējais datu kopums, un lietotājiem sniegtajiem ieteikumiem jābūt līdzīgiem reģistrētajiem datiem.
Būtībā informācija tiek izmantota, lai prognozētu lietotāja paredzamo rezultātu vai klasificētu izmantotos elementus.
Piemērs: interneta pārlūkprogrammā tiek ievietota fotogrāfija, kas meklē informāciju par attēla vai citu līdzīgu attēlu izcelsmi.
bez uzraudzības mācīšanās
Mācībās bez uzraudzības nav noteikta gaidāma rezultāta, tas ir, nav iespējams paredzēt informācijas šķērsošanas rezultātus.
Šāda veida mācībās dati tiek sagrupēti, un rezultāti mainās atbilstoši mainīgajiem.
Piemērs: bibliotēkas meklētājprogrammā ir iespējams iegūt daudzveidīgus rezultātus. Rezultātu maiņa ir atkarīga no veiktās meklēšanas veida un izmantotajiem mainīgajiem lielumiem, piemēram, grāmatas nosaukuma, autora vārda vai publikācijas datuma.
Skatīt arī Mākslīgais intelekts.
Kam domāta mašīnmācīšanās?
Mašīnmācīšanos var izmantot daudzām funkcijām. Viens no mūsdienās visbiežāk izmantotajiem ir sociālajos medijos, interneta meklēšanā un digitālajā mārketingā.
Piemēram, mašīnmācīšanās algoritmus izmanto, lai sniegtu ieteikumus interneta lietotājam. Tos izmanto e-komercijas vietnēs, sociālajos tīklos, spēlēs, video uzglabāšanas platformās un mūzikas atskaņošanas lietojumprogrammās.
Šajā gadījumā algoritms izmanto jūsu secības datus un interneta pārlūkošanas vēstures datus, lai lietotājam sniegtu jaunus ieteikumus. Lietotāju preferences pārlūkošanas un datu koplietošanas laikā tiek izmantotas, lai ieteiktu līdzīgas programmas vai pakalpojumus.
Tās ir biežākas izmantošanas iespējas, taču mašīnmācīšanās zināšanas var izmantot arī daudzās citās situācijās, piemēram:
- meklējumi internetā,
- datu vākšana un analīze,
- izsekot surogātpasta ziņojumus,
- informācijas organizēšana un klasifikācija,
- krāpšanas meklēšana internetā.
Atšķirība starp mašīnmācīšanās un dziļa mācīšanās
Gan mašīnmācīšanās, gan dziļa mācīšanās ir mākslīgā intelekta izmantošanas veidi. Bet starp tiem ir atšķirība, jo dziļai mācībai (kas nozīmē dziļu mācīšanos) raksturīgās pazīmes ir vairāk līdzīgas cilvēka mācīšanās spējām.
Dziļā mācīšanās izmanto arī rezultātu prognozēšanu no izveidotajiem datiem. Atšķirība ir tā, ka tas notiek precīzāk, vairāk līdzīgi tam, kas notiek cilvēka smadzenēs, jo dators var elastīgāk pielāgot informāciju.
Tas notiek tāpēc, ka dziļi mācoties tiek izveidots mākslīgs neironu tīkls, kas darbojas līdzīgi kā cilvēka smadzeņu neironu tīkls.
Tieši šis tīkls padara mašīnas darbību daudz līdzīgu ar smadzeņu darbību un spēj uzzināt un interpretēt informāciju.
Skatīt arī programmatūru un Bitcoin.
