机器学习概念:深度学习和机器学习的流程

无论是流行病的控制,还是碳排放和环境保护,在不断被解决的社会难题背后,总能看到机器学习的身影。这个经常被提起又总是被混淆的机器学习概念是什么?它离普通人的生活到底是近是远,它又是如何帮助人们解决难题,推动人类社会向前进步的?今天,小编就来跟大家说一说。

对于初次接触这个领域的人来说,人工智能、机器学习、深度学习、神经网络等等高大上的概念很容易混淆,分不清它们之间的关联。

简单来说,机器学习是人工智能的一个特别分支,是当前绝大部分人工智能系统的创建方法,而深度学习是实现机器学习的技术之一,神经网络则是机器学习的算法之一。

机器学习的概念是由人工智能先驱亚瑟塞缪尔在1959年最先提出的,塞缪尔将其定义为无需显示编程即可使计算机拥有学习能力的研究领域。

换句话说,机器学习颠覆了传统编程模式,研究和构建的不是某一个特定的算法,而是某一类能够让计算机自己在数据中学习,进而对真实事件做出决策的特殊算法。

举个例子,我们想做出一个可以自动分辨出猫和狗的AI系统,不再需要编写出特定算法来解释猫和狗的区别。通过机器学习,我们只需要提供几百万张猫和狗的图片对其进行训练,机器算法会自己从中找到重复的模式,从而自己确定该如何区分猫和狗。

对机器学习概念有了模糊的轮廓后,到底该如何实验机器学习,以及机器学习的价值在哪里,就成了需要理解的下一个问题。

一般来说,机器学习的流程可以分为四大步骤。

1、准备

包括明确要研究的问题,将其抽象为数学问题,数据的获取、探索及约束力等。

2、建构

即根据数据的实际情况和具体要解决问题,去建构自己的模型算法,或是从已有的模型中选择最优。

3、训练及调整

机器学习过程的核心就是模型的训练,大量的学习都是在此阶段完成的,在训练时要阶段性对模型进行评估测试,比如采取交叉验证、观察损失曲线等手段,再根据结果进行各种参数调整调优模型。

4、预测及实际应用

在最终步骤机器学习已经完成一个能对现实事件做出决策的AI系统就准备就绪了,而这个AI系统将从处理海量信息的繁杂和进行决策的负担中解放宝贵的人力资源,并提高角色的效率,产生更大的经济效益。

这样去解释机器学习,或许会让人们产生一种错觉,认为机器学习是个极高深的领域,属于少数人的游戏,但实际上随着技术进步和行业发展,机器学习早就已经从最初的利基技术变成一种通用技术,深入了生活的方方面面,重塑人们的生活方式。

我们可以回忆一下,在亚马逊买东西时,平台向我们推荐可能喜欢的商品的场景,这种推荐系统的背后其实就是机器学习,通过分析消费者的购物历史数据以及消费者所表现出来的消费喜好,机器学习能够预测出人们可能喜欢的产品。

当新商品上架时,平台或许已经先一步知道,它们将受到谁的喜欢,从而避免用户错过一个心动好物。

还有如今随处可见的语音助手,同样是机器学习的产物。以亚马逊alexa语音助手为例,这款2014年与亚马逊智能音箱echo一同发布的智能语音助手,通过机器学习技术构建了一个自然语言处理系统,使用户能够用语音便捷的与设备交互,这项功能或许我们已经习以为常,但实际上要让语音助手能够理解并执行我们说出了种种复杂命令,依靠的是一系列复杂的算法技术和难以计数的训练,绝非易事!

而亚马逊为alexa建构了转移学习模型和复制机制,使alexa的语义分析性能大幅提升,大大减少了重复、唤醒、理解错误等问题的发生率。

2020年,亚马逊再次升级了alexa,启用了深度学习触发模型和强化学习,使其能够更好的了解用户的真实意图,从而给出更加智能的回答和建议。

此外,智能网络搜索、人脸检测、无人超市、智能辅助驾驶等各种各样依托于机器学习方法的新事物正迅速普及,为人们的生活带来了诸多便利。

除了生活中的点点滴滴,帮助传统行业释放潜力也是机器学习发力的关键点,比如说传统供热行业,多为集中供热模式,常常会导致暖和的地区供热过足,能源浪费的情况时有发生。在大力推动节能减排,实现碳中和碳达峰的时代目标下,传统供热行业急需转型,寻找既能确保供热温度达标、用户舒适满意,又能最大限度降低热消耗的解决方案。

山东省淄博市热力集团将机器学习技术应用到供热业务中,建造起了智慧供热平台,成为了这场转型中的急先锋。

早在2019年,淄博热力就与全球云计算的领导者亚马逊云科技合作,以后者的Amazon StageMaker为开发平台进行了精准供热模型的开发和训练。

在亚马逊云科技的无服务器架构下,淄博热力对该模型进行了生产环境的自动训练和推理,最终得到一个能够提前预测并制定小区级和房间级的供热策略的AI供热系统。

有数据显示,机器学习模型投入应用后,淄博热力的热单号从过去的0.45吉焦每平方米降到了目前不到0.3吉焦每平方米,每年节约了15万吨标煤,并实现二氧化碳减排达40万吨,二氧化硫和氮氧化物的减排更是超千万吨。

除了节能减排,AI供热,还使得无人车间成为可能,为企业节省了大量人力资源。据淄博热力表示,这部分人工转到了原先人手短缺的客服岗位,进而大幅提高了用户的满意度。

通过与亚马逊云科技的合作,山东淄博市热力集团可以说完成了一次十分成功的数字化转型,成为了云科技赋能传统行业的典型案例之一。

在这一成功中,亚马逊科技提供的全面托管服务Amazon StageMaker的功劳不容忽视。在传统企业进行数字化转型的过程中,个性化算法所要求的。

技术水平和企业自身信息技术的积淀不足,往往会成为难以迈过的两道门槛。现实中,继续学习技术,相关人才也确实存在很大的缺口。

根据中国工信部发布的报告,中国当前人工智能产业内有效人才缺口已经超过30万,并且不同技术领域间的人才情况也存在差别,机器学习领域的人才需求最为突出,在整体需求岗位中的占比已经达到了39.1%,供需比例严重失衡。

而即使找到了合适的人才,需要花费的金钱和时间也是难以估量的,所以,若传统企业想要自己从机器学习GPU硬件机器学习的框架,搭建,机器学习开发流程等领域开始一点点耕耘,人力资源成本和时间成本都将是难以承受之重。

这种时候使用工具就成了企业的最优解。科学美国人的一份研究报告显示,让地球上所有动物移动相同的距离,秃鹫所需要的能量最少,是运动效率最高的物种,而人类排名倒数。但如果让人类骑上自行车,人类将一跃成为第一,甚至达到秃鹫效率的2倍。

亚马逊云科技就为传统企业的机器学习之旅提供了这辆“自行车”。

2006年的时候云技术还只是一个模糊概念时,亚马逊云科技便正式成立,并推出Amazon s3,开启了全球第一个云计算服务,成为了云领域的探路者。在探索的过程中,亚马逊云科技不仅努力的自我成长,还始终希望推动数字技术红利的普惠化。

15年后,亚马逊云科技在全球云计算市场占有率达到了40.8%,远超同行,是全球最大的云服务厂商。

亚马逊云科技已经用了超过200项全功能服务,覆盖了机器学习、边缘计算、量子科技、聚焦服务器、云服务器等几乎所有云技术领域,帮助全世界各地的客户推动创新,重塑业务。其中于2017年正式发布的面向所有科学家和开发人员的积极学习服务。

Amazon StageMaker就是亚马逊云科技为了将机器学习的能力交到每一位开发者手中推出的重磅产品。以亚马逊20年来开发产品推荐、智能购物、机器人技术等机器学习应用程序实际经验为基础,Amazon StageMaker整合出了专为机器学习构建的广泛功能集。

不管是准备部分、建构部分还是训练调整部分,Amazon StageMaker能够完全消除机器学习过程中的繁重工作,帮助机器学习初学者甚至零经验者快速构建训练和部署高质量的机器学习模型,实现客户的完全托管,机器学习的门槛从此大幅降低。

亚马逊云科技以授人以渔,赋能创新的精神,加速人工智能和机器学习和普惠进程,世界上的各种棘手难题也迎来了更好的开创性的解决方案。

举例来说,淄博热力集团的案例并不是Amazon StageMaker第一次在环保节能领域做出贡献。线上购物给人们带来方便快捷的同时,快递包裹垃圾也成为了老生常谈的问题。电商龙头亚马逊每年都要销售数亿种不同的产品,并运送数十亿件产品,还要为客户保障购物体验,需要的包装量可想而知。

为了减少污染和浪费,亚马逊决定进行大规模创新,从源头也就是包装方式的决策上解决方案。于是,亚马逊云科技专业服务团队与亚马逊紧密合作,使用Amazon StageMaker创建出了基于TB级产品数据的机器学习算法,以确定可最大限度减少浪费的最佳包装。

该机器学习模型投入使用后,亚马逊电商平台的包装箱使用率已经从69%降到了42%,并消除了91.5万吨的包装。而机器学习模型不断学习不断进步的特性,也决定了这些数字仅仅是个开始。

机器学习其实离我们每个人都不远,机器学习技术也是有捷径可循的。购物、热力供应、清理垃圾、节能减排,所有跟人类生存息息相关的场景,机器学习都已经介入了。

本文由四零屋原创发布,禁止转载、改编,否则必究!

链接地址:https://www.0000w.com/zq/9980710.html

您还可以继续阅读其他文章: