ការរៀនសូត្រជ្រៅជ្រះ: រៀនពីម៉ាស៊ីនល្អបំផុត

អ្វីដែលអ្នកត្រូវដឹងអំពីការវិវត្តន៍នៃប្រាជ្ញាសិប្បនិម្មិត

ការរៀនសូត្រជ្រៅគឺជាទម្រង់នៃ ការរៀនសូត្រដែល មានអនុភាព (ML) ដែលបង្កើតរចនាសម្ព័ន្ធស្មុគស្មាញដែលហៅថា បណ្តាញសរសៃប្រសាទ ដោយប្រើប្រាស់ទិន្នន័យច្រើន។

និយមន័យនៃការរៀនជ្រៅ

ការរៀនសូត្រជ្រៅគឺជាវិធីមួយនៃការអនុវត្ត ML ដោយប្រើបណ្តាញសរសៃប្រសាទស្រទាប់ជាច្រើនដើម្បីដំណើរការប្រភេទទិន្នន័យស្មុគ្រស្មាញ។ ជួនកាលគេហៅថាការរៀនសូត្រតាមឋានានុក្រមការរៀនសូត្រជ្រៅ ៗ ប្រើបណ្តាញសរសៃប្រសាទខុសៗគ្នាដើម្បីរៀនលក្ខណៈពិសេស (ដែលគេហៅថាការតំណាង) និងស្វែងរកវានៅក្នុងសំណុំទិន្នន័យដើមដែលគ្មានស្លាកកំណត់ (ទិន្នន័យគ្មានរចនាសម្ព័ន្ធ) ។ មួយនៃបាតុកម្ម breakthrough ដំបូងនៃការសិក្សាយ៉ាងជ្រៅគឺជាកម្មវិធីមួយដែលបានយកចេញដោយជោគជ័យរូបភាពនៃសត្វឆ្មាចេញពីសំណុំនៃវីដេអូ YouTube ។

គំរូសិក្សាជ្រៅក្នុងជីវិតប្រចាំថ្ងៃ

ការរៀនសូត្រយ៉ាងជ្រាលជ្រៅមិនត្រឹមតែត្រូវបានប្រើក្នុងការសម្គាល់រូបភាពប៉ុណ្ណោះទេប៉ុន្តែថែមទាំងការបកប្រែភាសាការបែងចែកការក្លែងបន្លំនិងដើម្បីវិភាគទិន្នន័យដែលប្រមូលបានដោយក្រុមហ៊ុនអំពីអតិថិជនរបស់ពួកគេ។ ឧទាហរណ៍ក្រុមហ៊ុន Netflix ប្រើការរៀនសូត្រយ៉ាងស៊ីជម្រៅដើម្បីវិភាគទម្លាប់ការមើលរបស់អ្នកហើយព្យាករណ៍ពីការបង្ហាញនិងភាពយន្តដែលអ្នកចូលចិត្តមើល។ នោះហើយជារបៀបដែលក្រុមហ៊ុន Netflix Inc ដឹងថានឹងដាក់ខ្សែភាពយន្តសកម្មភាពនិងភាពយន្តឯកសារនៅក្នុងជួរសំណើរបស់អ្នក។ ក្រុមហ៊ុន Amazon ប្រើការរៀនសូត្រយ៉ាងស៊ីជម្រៅដើម្បីវិភាគការទិញថ្មីៗនិងរបស់អ្នកថ្មីៗដែលអ្នកបានស្វែងរកដើម្បីបង្កើតការផ្ដល់យោបល់សម្រាប់អាល់ប៊ុមចម្រៀងនៅប្រទេសថ្មីដែលអ្នកទំនងជាចាប់អារម្មណ៍ហើយថាអ្នកកំពុងស្ថិតនៅលើទីផ្សារសម្រាប់ការប្រគួតពណ៌ត្នោតនិងពណ៌លឿង។ ស្បែកជើង។ ខណៈពេលដែលការរៀនសូត្រជ្រៅផ្តល់នូវការយល់ដឹងទូលំទូលាយពីទិន្នន័យមិនមានរចនាសម្ព័ន្ធនិងទិន្នន័យឆៅសាជីវកម្មអាចទស្សន៍ទាយតម្រូវការរបស់អតិថិជនរបស់ពួកគេកាន់តែប្រសើរឡើងខណៈពេលដែលអតិថិជនរបស់អ្នកជាបុគ្គលទទួលបានសេវាកម្មអតិថិជនផ្ទាល់ខ្លួនកាន់តែច្រើន។

បណ្តាញសរសៃប្រសាទសិប្បនិម្មិតនិងការសិក្សាជ្រៅ

ដើម្បីធ្វើឱ្យការសិក្សាជ្រៅងាយស្រួលយល់យើងសូម ពិនិត្យឡើងវិញនូវការប្រៀបធៀបនៃបណ្តាញសរសៃប្រសាទសិប្បនិម្មិត (ANN) ។ សម្រាប់ការរៀនសូត្រជ្រៅសូមស្រមៃអគារការិយាល័យកម្ពស់ 15 ជាន់របស់យើងកាន់កាប់ប្លុកទីក្រុងមួយដែលមានអាគារការិយាល័យ 5 ផ្សេងទៀត។ មានអគារចំនួន 3 នៅសងខាងផ្លូវ។ អាគាររបស់យើងគឺអាគារ A និងចែកផ្លូវដូចគ្នានឹងផ្លូវ B និង C. ឆ្លងកាត់ផ្លូវពីអាគារ A គឺជាអាគារ 1 និងឆ្លងកាត់អាគារ B គឺជាអាគារ 2 និងបន្តទៅទៀត។ អាគារនីមួយ ៗ មានចំនួនជាន់ផ្សេងៗគ្នាដែលត្រូវបានធ្វើពីសម្ភារៈផ្សេងៗគ្នានិងមានរចនាប័ទ្មស្ថាបត្យកម្មផ្សេងៗពីគ្នា។ ទោះជាយ៉ាងណាក៏ដោយអាគារនីមួយៗត្រូវបានរៀបចំនៅជាន់ក្រោមផ្សេងទៀតនៃអាគារ (ថ្នាំង) - ដូច្នេះអគារនីមួយ ៗ គឺមានតែមួយគត់។

ស្រមៃថាកញ្ចប់ឌីជីថលមួយបានមកដល់អាគារ A ដែលមានព័ត៌មានផ្សេងៗគ្នាជាច្រើនពីប្រភពជាច្រើនដូចជាទិន្នន័យអត្ថបទស្ទ្រីមវីដេអូស្ទ្រីមអូឌីយ៉ូការហៅទូរស័ព្ទរលកវិទ្យុនិងរូបថត។ មិនត្រូវបានដាក់ស្លាកឬតម្រៀបតាមមធ្យោបាយឡូជីខលណាមួយ (ទិន្នន័យមិនមានរចនាសម្ព័ន្ធ) ។ ព័ត៌មាននេះត្រូវបានបញ្ជូនតាមជាន់នីមួយៗចាប់ពីថ្ងៃទី 1 ដល់ថ្ងៃទី 15 ដើម្បីដំណើរការ។ បន្ទាប់ពីព័ត៌មានមិនច្បាស់លាស់ឈានដល់ជាន់ទី 15 វាត្រូវបានបញ្ជូនទៅជាន់ទី 1 នៃអាគារ 3 ជាមួយនឹងលទ្ធផលចុងក្រោយនៃការកសាងអា។ អាគារទី 3 រៀននិងបញ្ចូលលទ្ធផលផ្ញើដោយអាគារ A និង បន្ទាប់មកដំណើរការព័ត៌មាន jumble តាមជាន់គ្នានៅក្នុងលក្ខណៈដូចគ្នា។ នៅពេលដែលព័ត៌មានទៅដល់ជាន់កំពូលនៃអគារទី 3 វាត្រូវបានបញ្ជូនពីទីនោះជាមួយនឹងលទ្ធផលរបស់អាគារនោះដើម្បីកសាងអាគារ 1 ។ ការសាងសង់ 1 រៀនពីនិងបញ្ចូលលទ្ធផលពីអគារទី 3 មុនពេលដំណើរការវាជាន់ដោយជាន់។ អាគារទី 1 ហុចព័ត៌មាននិងលទ្ធផលតាមវិធីដូចគ្នាក្នុងការសាងសង់ C ដែលដំណើរការនិងបញ្ជូនទៅអគារទី 2 ដែលដំណើរការនិងបញ្ជូនទៅអគារខ។

សំណង់ ANN ​​នីមួយៗនៅក្នុងឧទាហរណ៍របស់យើងស្វែងរកលក្ខណៈពិសេសខុសៗគ្នានៅក្នុងទិន្នន័យដែលមិនបានរៀបចំ (ការរំខាននៃព័ត៌មាន) និងបញ្ជូនលទ្ធផលទៅអគារបន្ទាប់។ អាគារបន្ទាប់រួមបញ្ចូល (រៀន) លទ្ធផល (លទ្ធផល) ពីមុន។ នៅពេលទិន្នន័យត្រូវបានដំណើរការដោយ ANN នីមួយៗវាត្រូវបានរៀបចំនិងដាក់ស្លាក (បានចាត់ថ្នាក់) ដោយលក្ខណៈពិសេសមួយដូច្នេះនៅពេលទិន្នន័យឈានដល់លទ្ធផលចុងក្រោយនៃអគារ ANN ចុងក្រោយវាត្រូវបានចាត់ថ្នាក់និងដាក់ស្លាក (មានរចនាសម្ព័ន្ធច្រើនទៀត) ។

ភាពវៃឆ្លាតសិប្បនិម្មិតការរៀនម៉ាស៊ីននិងការរៀនសូត្រជ្រៅ

តើការរៀនសូត្រជ្រៅយ៉ាងដូចម្តេចដែលសមស្របទៅនឹងរូបភាពទាំងមូលនៃ ប្រាជ្ញាសិប្បនិម្មិត (AI) និង ML? ការរៀនសូត្រជ្រៅបង្កើនថាមពលនៃ ML និងបង្កើនជួរភារកិច្ច AI មានសមត្ថភាពក្នុងការសម្តែង។ ដោយសារការរៀនសូត្រជ្រៅពឹងផ្អែកលើការប្រើប្រាស់ប្រដាប់បន្តពូជនិងការទទួលស្គាល់លក្ខណៈពិសេសនៅក្នុងសំណុំទិន្នន័យជំនួសឱ្យ ក្បួនដោះស្រាយ ជាក់លាក់ដែលងាយស្រួលជាងនេះវាអាចរកនិងប្រើព័ត៌មានលម្អិតពីទិន្នន័យដែលមិនមានរចនាសម្ព័ន្ធ (ឆៅ) ដោយមិនត្រូវការអ្នកសរសេរកម្មវិធីដើម្បីដាក់ស្លាកវាដោយខ្លួនឯងជាមុន។ - កិច្ចការដែលអាចណែនាំកំហុស។ ការរៀនសូត្រយ៉ាងជ្រាលជ្រៅត្រូវបានជួយឱ្យកុំព្យូទ័រកាន់តែប្រសើរឡើងនិងកាន់តែប្រសើរឡើងក្នុងការប្រើប្រាស់ទិន្នន័យដើម្បីជួយទាំងសាជីវកម្មនិងបុគ្គល។