Artificial intelligence

Các ví dụ về máy học không phổ biến thách thức những gì bạn biết

Học máy (ML) là cách một hệ thống học và điều chỉnh các quy trình của nó từ các mẫu được tìm thấy trong một lượng lớn dữ liệu. Khi chúng ta nghĩ về học máy, một số ví dụ nổi bật sẽ xuất hiện trong tâm trí chúng ta. Ví dụ: cách đề xuất sản phẩm trên Amazon kỳ lạ giống với các tìm kiếm trên Google mà bạn đã thực hiện. Phạm vi của học máy mở rộng ra xa hơn những gì chúng ta biết và thấy trong cuộc sống hàng ngày của chúng ta. Vì học máy là một lĩnh vực tương đối mới, nên các giới hạn của ứng dụng của nó liên tục bị đẩy ra bên ngoài. Các trợ lý ảo cá nhân là thứ trong mơ cách đây vài năm, và bây giờ chúng đã được nhìn thấy trong mọi hộ gia đình khác. Trong khi một số ví dụ dễ thấy, đây là một số cách ML đang thay đổi cuộc sống của chúng ta mà bạn có thể chưa nghĩ đến. Phát hiện và dự đoán động đất Học máy gần đây đã được sử dụng để phát hiện sóng địa chấn và phân tích các mẫu từ dữ liệu thu thập được và từ một triệu hình ảnh địa chấn được đánh dấu bằng tay. Thuật toán phát hiện nhiều trận động đất hơn gấp đôi so với các nhà khoa học. Ý tưởng là sau khi thu thập đủ lượng dữ liệu và các mẫu được ghi lại, các nhà khoa học sẽ có thể đánh dấu các trận động đất trong thời gian gần thực tế. Bản chất của học máy ngụ ý rằng có thể sớm dự đoán được các trận động đất trước khi chúng xảy ra. Điều này có tác động to lớn đến việc lập kế hoạch và chuẩn bị cho các lực lượng quản lý thảm họa, y tế, lính cứu hỏa, v.v. Ngành công nghiệp làm đẹp Người ta thường nói về cách máy học được sử dụng để giúp người tiêu dùng kiểm tra sản phẩm trông như thế nào trên da của họ từ sự thoải mái của họ những ngôi nhà. Tương tự, các nhà sản xuất sử dụng công nghệ này để kiểm tra sản phẩm trong khi chúng vẫn đang trong quá trình phát triển. Ngành công nghiệp làm đẹp hiện đang sử dụng máy học để tạo ra các sản phẩm với chi phí hợp lý và hiệu quả hơn. Tuy nhiên, công nghệ tương tự hiện đang được điều chỉnh để phù hợp với thứ hạng 'khách quan' của người đẹp. Các ứng dụng thực hiện xếp hạng này yêu cầu đối tượng gửi ảnh khuôn mặt không trang điểm của họ và so sánh ảnh với ảnh của người khác. Một số yếu tố được xem xét là sự cân xứng, nếp nhăn, quầng thâm và nhược điểm trên khuôn mặt. Đây là một quan niệm không mấy dễ chịu, không chỉ đơn thuần vì nhan sắc và ngoại hình là những đối tượng nhạy cảm đối với nhiều người, mà còn ảnh hưởng đến sức khỏe tâm thần của rối loạn cơ thể và các vấn đề liên quan khác. Câu hỏi phát sinh; Tại sao chúng ta cần xếp hạng con người theo hình dáng bên ngoài? Họ nói rằng “vẻ đẹp là trong mắt của người nhìn”, nhưng nếu chúng ta thực sự tin vào điều đó, thì một thuật toán để so sánh và phân tích con người và ngoại hình của họ chỉ đơn giản là không thoải mái. Nó vi phạm quan điểm cho rằng vẻ đẹp là chủ quan và có thể có tác động khủng khiếp đến nhận thức của mọi người về bản thân họ. Dự đoán chấn thương thể thao Có một lượng lớn dữ liệu có sẵn trong ngành thể thao được sử dụng để phân tích hiệu suất của cầu thủ, tỷ lệ thành công và các số liệu thống kê tương tự. Một trong những ứng dụng thú vị hơn của máy học trong lĩnh vực này là cách các đội thể thao và huấn luyện viên có thể sử dụng nó để dự đoán chấn thương. Thuật toán lấy dữ liệu về chuyển động của cơ và quan sát các mô hình thông thường, cho phép các đội và huấn luyện viên nhận được cảnh báo khi có bất thường trong các mô hình mặc định. Thông tin này có lợi trong việc chăm sóc phòng ngừa cho người chơi. Điều này cho phép đội thể thao tiết kiệm hàng triệu đô la tiền chăm sóc y tế, doanh thu bị mất và chi phí phục hồi. Nhưng trong khi mọi vận động viên chuyên nghiệp đều nhận thức được nguy cơ chấn thương, có lẽ một thuật toán (giả định độ chính xác cao) cho bạn biết rằng bạn sẽ bị thương trong giai đoạn này có thể ảnh hưởng tiêu cực đến sức khỏe tinh thần và phong độ của người chơi. Nhận dạng cá voi dưới đại dương Ô nhiễm tiếng ồn dưới nước là một mối đe dọa đáng kể đối với các sinh vật biển như cá voi. Gần đây, các nhà khoa học đã biết rằng học máy có khả năng phân tích dữ liệu âm thanh và phát hiện chính xác cá voi. Marinexplore và Đại học Cornell đã có một cuộc thi mời những người tham gia gửi thuật toán học máy tốt nhất của họ để phát hiện tiếng kêu của cá voi từ các bản ghi âm. Nếu xác định được một con cá voi, người vận chuyển hàng hóa, đại lý và các bên quan tâm khác có thể sử dụng thông tin này để vạch ra các tuyến đường vận chuyển và ngăn ngừa va chạm. Định tuyến lại các tàu cách xa cá voi sẽ làm giảm dấu chân tiếng ồn của cá voi. Cá voi beluga Cook Inlet đang có nguy cơ tuyệt chủng và công nghệ máy học này có thể là thứ cần thiết để bảo vệ chúng. Sinh vật biển rất nhạy cảm với âm thanh dưới nước, và những tiếng ồn gây rối được tạo ra có thể gây ra những thay đổi hành vi và gây hại sinh lý cho động vật. Việc sử dụng các thuật toán để tìm hiểu chính xác và hiệu quả các hình thái của cá voi giúp các nhà khoa học lập kế hoạch phục hồi quần thể cá voi này. Xác định sức khỏe tâm thần từ mạng xã hội Một cuộc thi từ 9 năm trước đã dẫn đến giả thuyết rằng có thể xác định xu hướng thái nhân cách ở một người từ mô hình ngôn ngữ và hành vi xã hội của họ, cả hai đều có thể phân tích được từ Twitter. Một nghiên cứu tương tự gần đây đã được thực hiện trên người dùng Reddit. Bằng cách thu thập thông tin từ các bài đăng của người dùng trên các diễn đàn chọn lọc, thuật toán đã học được cách xác định những người gặp khó khăn về sức khỏe tâm thần của họ. Trong vài năm qua, việc sử dụng phương tiện truyền thông xã hội đã tăng lên rất nhiều kể từ khi đại dịch khiến các tương tác trực tiếp là không thể. Cùng với việc sử dụng phương tiện truyền thông xã hội ngày càng tăng, đã có ngày càng nhiều người bị suy giảm sức khỏe tâm thần do đại dịch đang diễn ra. Phát triển một phương tiện để xác định những người đang vật lộn với sức khỏe tâm thần của họ là rất hữu ích. Các nhà nghiên cứu sử dụng ML để đo lường các chỉ số về các vấn đề sức khỏe tâm thần có thể chuyển thông tin này cho các công ty, tổ chức và cá nhân. Đã có những ứng dụng, như Replika, trò chuyện theo kiểu giống con người để giúp người dùng đánh bại sự cô đơn và cải thiện sức khỏe tâm thần. Hãy tưởng tượng một nền tảng xác định những người có nguy cơ cao nhất từ ​​các tin nhắn trên mạng xã hội của họ và sau đó hướng dẫn họ sử dụng các ứng dụng như Replika để nhận được trợ giúp sớm. Tương lai của học máy Những ví dụ này cho chúng ta thấy rằng học máy không chỉ năng động mà còn linh hoạt. Việc sử dụng nó mở rộng trong các ngành công nghiệp và thậm chí cả thời gian. Bản thân việc học máy liên tục phát triển về tầm quan trọng do lượng dữ liệu khổng lồ có sẵn và thực tế là ML hấp thụ, phân tích và hiểu rõ những lượng lớn thông tin này một cách hiệu quả. Bên cạnh đó, các vấn đề mà ngành công nghệ có thể giải quyết với ML đang ngày càng được quan tâm. Điều quan trọng là chúng ta phải sử dụng bộ não của mình, khám phá những cách sử dụng mới, phù hợp và có đạo đức cho công cụ đáng kinh ngạc mà chúng ta có, máy học.

  • Trang chủ
  • Trí tuệ nhân tạo
  • Chuyên viên phân tích kinh doanh
  • Thông tin kinh doanh
  • Khoa học dữ liệu
  • Back to top button