よると、機械学習は未来です。人々がますます車やガジェットに依存するようになるにつれて、世界的な技術革命が起こり、そのおかげで新しい職業が現れ、古い職業は消えます。この点で、私たちのチームはこの問題に関する小さな研究を準備しました。
歴史
1959年、人工知能研究者のアーサー・サミュエルは、機械学習という用語を作り出しました。彼は最初の自己学習型コンピューターチェッカープログラムを発明しました。サミュエルは、機械学習を、コンピューターが元々プログラムされていなかった動作を示すことができるプロセスとして定義しました。
以下では、機械学習の歴史における他の重要な日付について考察します。
1946年：ENIACコンピューターが登場しました-極秘の米軍プロジェクトです。
1950：Alan Turingは、コンピューターのインテリジェンスを測定するための「TuringTest」を作成しました。
1958年：フランク・ローゼンブラットは、最初の人工神経ネットワークであるパーセプトロンを発明し、最初の脳コンピューターであるマーク1を構築しました。
1959年：Marvin Minskyは、ランダムに結合されたニューラルネットワークを備えた最初のSNARCマシンを構築しました。
1967年：メトリックデータ分類アルゴリズムが作成されました。このアルゴリズムにより、コンピューターは単純な認識パターンを適用できました。
1985：Terry Seinovskiは、人工神経ネットワークであるNetTalkを作成しました。
1997年：ディープブルーのコンピューターが世界チャンピオンのギャリー・カスパロフをチェスで打ち負かした。
2006年：人工神経ネットワークの分野の科学者であるGeoffrey Hintonは、「ディープラーニング」という用語を作り出しました。
2011：AndrewAngとJeffDeanがGoogleBrainを設立しました。
2012：Google X Labは、猫を示す動画を識別するアルゴリズムを開発しました:)
2012：Googleは、機械学習用のGoogle PredictionAPIクラウドサービスを開始しました。非構造化データの分析に役立ちます。
2014年：Facebookは顔認識のためにDeepFaceを発明しました。アルゴリズムの精度は97％です。
2015年：Amazonは独自の機械学習プラットフォームであるAmazon MachineLearningを立ち上げました。
2015：Microsoftは、分散型マシン学習用の分散学習マシンツールキットプラットフォームを作成します。
2020年：人工知能技術は、ほぼすべてのソフトウェア製品で使用されています。
画像：スプラッシュ解除
機械学習は現在どこに適用されていますか？
教育。人工知能の導入のおかげで、開発者は教師の行動をシミュレートする学習システムを作成しました。彼らは学生の知識のレベルを特定し、彼らの答えを分析し、成績を与え、そして個人的な学習計画を定義することさえできます。
たとえば、AutoTutorは、コンピュータリテラシー、物理学、批判的思考を学生に教えます。Knewtonは、各学生の学習特性を考慮に入れて、彼のために独自のカリキュラムを開発します。米空軍はSHERLOCKシステムを使用して、航空機の技術的な問題を見つけるためにパイロットを訓練します。
サーチエンジン。検索エンジンは、機械学習を使用して機能を向上させます。たとえば、Googleは音声認識と画像検索に機械学習を実装しています。 2019年、GoogleはTeachable Machine 2.0を発表しました。これは、音声、イントネーション、姿勢を認識できる自己学習型ニューラルネットワークです。ユーザーは、Webサイトとマイクを使用して、コードを記述せずにニューラルネットワークをトレーニングし、サードパーティのアプリケーション、メディア、またはWebサイトにエクスポートします。
デジタルマーケティング。この分野の機械学習は、顧客の深いパーソナライズを提供します。したがって、企業はクライアントと個人レベルで対話し、クライアントに近づくことができます。高度なセグメンテーションアルゴリズムにより、マシンは「適切なタイミングで適切な顧客」に焦点を合わせ、製品を効果的に販売します。さらに、適切な顧客データがあれば、企業は自社の行動や反応を研究するために使用できる情報を入手できます。
たとえば、Novaは機械学習を使用して顧客にメールニュースレターを作成し、メールをパーソナライズします。マシンは、以前にコンバージョン率が高かったメールを認識しているため、売り上げを伸ばすためにメールの変更を提案します。
健康管理。 IBMには開発がありますワトソン。医学研究用の機械学習スーパーコンピューターです。Watson for Oncologyテクノロジーは、癌を正確に診断できる画像など、大量の医療データを処理します。Watson for Oncologyは現在、ニューヨーク、バンコク、インドの病院で使用されています。2016年7月、IBMは、正確な診断のためのプログラムの開発を加速するために、16の医療センターおよびテクノロジースタートアップとの協力を開始しました。
出力
テクノロジーの未来は機械学習です。今後10年間で、機械学習はトップ企業だけでなく、有望な新興企業にとっても競争上の優位性となるでしょう。今日手作業で行われていることは、明日は機械によって行われます。機械学習アルゴリズムは、ビジネスや経済で使用されるだけでなく、日常生活の一部にもなります（スマートホームの音声コマンドの認識）。
今日、機械学習は新しい形を取り、絶えず進化しています。機械学習は、コンピューターが学習できるという概念に基づいて構築されています。それら。彼らは本来プログラムされていないことをすることができます。
現時点では、人工知能の研究者は、コンピューターがデータから学習できるかどうかをテストしたいと考えています。マシンはそれ自体で継続的に学習および適応できるため、マシン学習のインタラクティブな側面は重要です。コンピューターは、以前の計算と測定基準から学習して、より良い未来のために信頼できる成功したソリューションと結果を提供します。