隨著機(jī)器學(xué)習(xí)應(yīng)用的增多,很多人需要了解采用機(jī)器學(xué)習(xí)訓(xùn)練數(shù)據(jù)的好處。
如果用戶使用基于機(jī)器學(xué)習(xí)的系統(tǒng),那么需要了解有關(guān)訓(xùn)練數(shù)據(jù)的知識(shí)。在將數(shù)據(jù)加載到人工智能模型以進(jìn)行模型訓(xùn)練之前,必須正確格式化數(shù)據(jù)并確保其準(zhǔn)確性。
假設(shè)用戶正在使用公共云中流行的機(jī)器學(xué)習(xí)系統(tǒng)創(chuàng)建欺詐檢測(cè)引擎。首先需要?jiǎng)?chuàng)建用于訓(xùn)練模型的數(shù)據(jù)集:而在這個(gè)案例中將處理數(shù)百萬(wàn)個(gè)帶有欺詐交易標(biāo)記的交易記錄。這樣,通過(guò)模型就可以了解哪些可能是欺詐的,哪些不是。當(dāng)然,訓(xùn)練數(shù)據(jù)有不同類型,有些帶有標(biāo)記,有些沒(méi)有。
經(jīng)過(guò)訓(xùn)練之后,這種模型實(shí)際上可以通過(guò)了解可能的欺詐行為而不是通過(guò)經(jīng)驗(yàn)學(xué)習(xí)來(lái)繼續(xù)訓(xùn)練。如果用戶有時(shí)間的話,這個(gè)模型可以通過(guò)監(jiān)控那些被工作人員或其他系統(tǒng)標(biāo)記為欺詐的交易來(lái)訓(xùn)練自己。
這種人工智能訓(xùn)練方法令人印象深刻的是,用戶需要一個(gè)完善的訓(xùn)練數(shù)據(jù)集。在某些情況下,可以從公開(kāi)或?qū)S械挠?xùn)練數(shù)據(jù)代理那里獲取。在大多數(shù)情況下,用戶可以格式化自己的數(shù)據(jù)來(lái)訓(xùn)練機(jī)器學(xué)習(xí)模型。但是,是否有可以隨時(shí)隨地進(jìn)行訓(xùn)練的機(jī)器學(xué)習(xí)模型?
這個(gè)想法并不新鮮。自從人工智能出現(xiàn)以來(lái),人們一直想讓人工智能引擎教會(huì)另一個(gè)人工智能引擎,也就是共享訓(xùn)練數(shù)據(jù)?;蛘吒玫霓k法是,通過(guò)自動(dòng)的直接交互來(lái)共享知識(shí)和經(jīng)驗(yàn)?;蛘咄ㄟ^(guò)人工智能引擎指導(dǎo)者提供外部經(jīng)驗(yàn),從而使人工智能模型更有價(jià)值和更有效。
這說(shuō)起來(lái)容易做起來(lái)難。機(jī)器學(xué)習(xí)引擎即使采用相同的軟件,也通常不會(huì)互相對(duì)話。對(duì)于獨(dú)立的學(xué)習(xí)者需要從頭開(kāi)始設(shè)計(jì),并與非人工智能系統(tǒng)或人類進(jìn)行交互。但是,大多數(shù)供應(yīng)商都在進(jìn)行人工智能引擎之間的訓(xùn)練。
最近人們將看到一些可能改變游戲規(guī)則的主要趨勢(shì):
首先,是使用按需或基于SaaS的人工智能引擎,該引擎可以與公共云或內(nèi)部部署的其他人工智能引擎進(jìn)行交互。可以將它們視為SaaS,這個(gè)云平臺(tái)專門針對(duì)其他人工智能引擎講授特定技能集,從發(fā)現(xiàn)欺詐性交易、醫(yī)療診斷到機(jī)器維護(hù)等等。 其次,人工智能引擎能夠與其教學(xué)模型相結(jié)合,創(chuàng)造出各種人工智能的超級(jí)大腦,不僅能在其領(lǐng)域之外提供經(jīng)驗(yàn),還能與自己的訓(xùn)練數(shù)據(jù)相結(jié)合,提供本地和全球的體驗(yàn)。
之所以提出這一點(diǎn),是因?yàn)榇蠖鄶?shù)企業(yè)要想從人工智能中獲得更多價(jià)值,就需要了解這些趨勢(shì),其中包括機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。而且,許多企業(yè)正陷入沒(méi)有足夠的訓(xùn)練數(shù)據(jù)來(lái)使機(jī)器學(xué)習(xí)正常運(yùn)行的困境。這可能是解決這兩個(gè)問(wèn)題的很好的辦法。
-
SaaS
+關(guān)注
關(guān)注
1文章
363瀏覽量
36950 -
人工智能
+關(guān)注
關(guān)注
1791文章
47352瀏覽量
238774 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8422瀏覽量
132724
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論