Overvåget vs Uovervåget læring
Udtrykkene som overvåget læring og ikke-overvåget læring bruges i sammenhæng med maskinlæring og kunstig intelligens, der får betydning for hver dag der går. Maskinindlæring for lægmanden er algoritmer, der er datadrevne og får en maskine til at lære ved hjælp af eksempler. Der er to typer læring; nemlig overvåget læring og ikke-overvåget læring, der forvirrer studerende, da der er mange ligheder mellem de to. På trods af overlapning er der dog forskelle, der vil blive fremhævet i denne artikel.
I de kommende år vil vi sandsynligvis være vidne til en stigning i udviklingen af maskinlæring for at gøre det lettere og hurtigere at håndtere forretningsproblemer. Ansættelse af medarbejdere til at tackle enkle forretningsproblemer ville blive forældet ved hjælp af begreberne overvåget og ikke-overvåget læring.
Hvad er overvåget læring?
Dette er en type læring, hvor maskinlæring finder sted ved hjælp af input fra brugere. Meget af forskningen inden for maskinindlæring og kunstig intelligens indtil dato har fokuseret på overvåget læring. For eksempel bliver spam-mappen i din e-mail fuld med nogle gange endda vigtige mails, der utilsigtet sendes til den. Systemet fungerer på basis af maskinlæring, der giver besked om en algoritme, der vedrører analyse af spam. Systemet bruger oplysningerne til at filtrere beskeder og sende dem til spammappen, hvilket reducerer falske positive. I en søgemaskine fungerer algoritmen på baggrund af det link, der klikkes først, når den åbner søgeresultaterne. Dette fører til forbedringer i søgeresultaterne for en bruger. Der er dog visse ulemper ved overvåget læring, da maskinen har en vag idé om, hvad der er rigtigt og hvad der er forkert. Denne menneskelige feedback sætter ofte begrænsninger for den fremtidige brug af overvåget læring.
Hvad er tilsyn uden opsyn?
Vi lever i tider, hvor vi hele tiden leder efter bedre ydeevne fra maskiner, hvad enten det er CCTV-data, GPS-data, onlinetransaktionsdata, maskinscanningsdata, sikkerhedsscanningsdata osv. Organisationer og regeringer ønsker maskiner, der ikke har brug for eller kræver overvågede data fra mennesker for at give bedre resultater. Dette kræver selvfølgelig at lægge meget mere kræfter i retning af automatisering, og selvom det er usandsynligt, at ikke-opsynet læring erstatter overvåget læring i den nærmeste fremtid, vil hybridtilgange sandsynligvis dukke op i den nærmeste fremtid, der vil være hurtigere og mere effektiv end de resultater, som vi i øjeblikket får gennem overvåget læring.
Hvad er forskellen mellem overvåget og ikke-overvåget læring?
• Overvåget læring og ikke-overvåget læring er to forskellige tilgange til at arbejde for bedre automatisering eller kunstig intelligens.
• I overvåget læring er der menneskelig feedback til bedre automatisering, mens det i ikke-overvåget læring forventes, at maskinen giver bedre resultater uden menneskelige input.
• Hybride tilgange er mere sandsynlige løsninger i den nærmeste fremtid, der bruger både overvåget og ikke-overvåget læring.
