Зміст
Q:
Чому величезна кількість файлів зображень важлива для багатьох проектів машинного навчання?
A:
Для компаній, які прагнуть долучитися до своїх перших інвестицій в машинне навчання (ML), весь процес може здатися трохи кричущим та езотеричним. Для багатьох людей справді важко уявити, як насправді працює машинне навчання, і що саме він буде робити для бізнесу.
У деяких випадках хтось, хто досліджує машинне навчання, може мати досить богознавство, коли думає, чому велика кількість файлів зображень, зібраних у акуратні цифрові контейнери, настільки важливі для проектів ML. Це тому, що концепція "файлу зображення" допомагає візуалізувати ML. Думаючи про це, ми можемо зрозуміти більше про те, як такі технології будуть застосовані до нашого світу дуже скоро.
Коротка відповідь полягає в тому, що ці великі кількості файлів зображень важливі для машинного навчання, оскільки вони являють собою навчальні набори - набори вихідних даних, над якими комп'ютер повинен працювати під час навчання. Але в цьому є трохи більше. Чому образи такі цінні?
Однією з причин того, що зображення є настільки цінними, є те, що вчені досягли значного прогресу в обробці зображень. Але крім цього, вони також досягли прогресу в наданні допомоги машинам у визначенні результатів на основі того, що на малюнку.
Наприклад, кожен, хто чув про глибокі вперті мережі як із генеративними, так і з дискримінаційними двигунами, трохи розуміє, як комп'ютери можуть читати та розуміти візуальні дані та зображення. Вони не читають пікселів, як раніше - вони насправді "бачать" зображення та ідентифікують компоненти. Наприклад, подумайте про розпізнавання обличчя - комп'ютер дізнається, як ви виглядаєте, і ідентифікує вас на зображеннях - як і тих, хто навколо вас. Це часто стає можливим завдяки збиранню багатьох образів та ітеративних тренувань, що є основою для проекту машинного навчання.
Коли зацікавлені сторони визначили план та концепцію, вийшли та зібрали всі потрібні зображення та вклали їх у алгоритми машинного навчання, вони можуть використовувати величезну силу штучного інтелекту для запуску бізнес-процесів.
Компанія може веб-сканер вийти в Інтернет, шукаючи зображення, які можуть містити конкретного клієнта, щоб створити файл, який показує особу клієнта та його уподобання та тенденції. Компанія може навіть використовувати цю інформацію для автоматизації прямої пошти чи іншого прямого маркетингу. Коли ви починаєте думати про це так, легко зрозуміти, як тільки цей процес розпізнавання зображень і ідентифікації може бути пов'язаний з усілякими функціональними можливостями, які дозволять комп'ютерам робити стільки речей, які люди звикли робити для всіх наша записана історія. Беручи приклад дослідження клієнтів, з перерахованими вище типами налаштувань люди взагалі не повинні брати участь: комп'ютер може "виходити в Інтернет" і звітувати перед власниками або власниками даних.
Для всіх, хто бере участь у проникненні у глибокі води машинного навчання, розуміння концепції масового обміну даними зображень є хорошим першим кроком у дорожній карті до використання можливостей машинного навчання та з'ясування способів їх використання для вигоди підприємства.