Q:
Mengapa nombor fail imej yang penting penting untuk banyak projek pembelajaran mesin?
A:Bagi syarikat yang ingin terlibat dalam pelaburan mesin pembelajaran pertama (ML) mereka, keseluruhan proses itu boleh kelihatan sedikit kritikal dan esoterik. Bagi ramai orang, sangat sukar untuk memvisualisasikan bagaimana pembelajaran mesin sebenarnya berfungsi, dan tepat apa yang akan dilakukannya untuk perniagaan.
Dalam sesetengah kes, seseorang yang meneliti pembelajaran mesin boleh mempunyai epiphany yang cukup apabila mereka menimbangkan mengapa banyak fail imej yang dikumpulkan ke dalam bekas digital yang kemas, sangat penting untuk projek ML. Itu kerana konsep "fail imej" membantu untuk memvisualisasikan ML. Berfikir tentang hal ini membolehkan kita memahami lebih lanjut mengenai bagaimana teknologi ini akan diterapkan ke dunia kita tidak lama lagi.
| Muat turun Percuma: Pembelajaran Mesin dan Mengapakah Ia Penting |
Jawapan ringkasnya adalah bahawa bilangan fail imej yang besar ini penting untuk pembelajaran mesin kerana ia mewakili set latihan - set data awal yang komputer harus berfungsi ketika ia belajar. Tetapi ada sedikit lebih daripada itu. Kenapa imej begitu berharga?
Salah satu sebab bahawa imej sangat berharga adalah bahawa saintis telah membuat banyak kemajuan dalam pemprosesan imej. Tetapi di luar itu, mereka juga telah membuat kemajuan dalam membantu mesin untuk mengenal pasti hasil berdasarkan apa yang ada dalam gambar.
Sebagai contoh, sesiapa sahaja yang telah mendengar tentang rangkaian degil yang mendalam dengan kedua-dua enjin generatif dan diskriminatif memahami sedikit tentang bagaimana komputer dapat membaca dan memahami data visual dan imej. Mereka tidak membaca piksel seperti yang mereka biasa lakukan - mereka sebenarnya "melihat" imej dan mengenal pasti komponen. Sebagai contoh, fikirkan pengiktirafan muka Facebook - komputer mengetahui apa yang anda kelihatan, dan mengenal pasti anda dalam gambar - serta orang-orang di sekeliling anda. Ini sering dilakukan melalui pengagregatan banyak imej dan latihan iteratif yang membentuk asas untuk projek pembelajaran mesin.
Apabila pihak berkepentingan telah mengenalpasti rancangan dan konsep, dan keluar dan mengumpul semua imej yang relevan, dan memasukkannya ke dalam algoritma pembelajaran mesin, mereka dapat memanfaatkan kecerdasan buatan yang besar untuk menjalankan proses perniagaan.
Sebuah syarikat mungkin menghantar crawler web keluar ke internet mencari gambar yang mungkin mengandungi pelanggan tertentu, untuk membina sebuah file yang menunjukkan identiti pelanggan dan kecenderungan dan kecenderungannya. Syarikat itu mungkin menggunakan maklumat ini untuk mengautomasikan surat langsung atau pemasaran langsung lain. Apabila anda mula memikirkannya seperti ini, mudah untuk melihat bagaimana proses pengenalan dan pengenalan imej itu dapat terikat kepada segala macam fungsi yang akan membiarkan komputer melakukan banyak perkara yang telah digunakan oleh manusia untuk semua sejarah rekod kita. Mengambil contoh penyelidikan pelanggan, dengan jenis setup di atas, manusia tidak perlu terlibat sama sekali: komputer boleh "keluar di web" dan melaporkan kembali kepada pemiliknya atau pemegang data.
Bagi sesiapa sahaja yang terlibat dalam perairan di dalam pembelajaran mesin, memahami konsep perlombongan data imej massa memberikan langkah pertama yang baik dalam peta jalan untuk memanfaatkan kuasa pembelajaran mesin dan memikirkan cara menggunakannya untuk memanfaatkan perusahaan.
