10 Dinge, die Sie über maschinelles Lernen wissen müssen

Als jemand, der Maschinelles Lernen oft für Nicht-Experten erklärt, habe ich die folgenden zehn Punkte zusammengestellt, um es zu erklären:

• #### 1. Maschinelles Lernen bedeutet, aus Daten zu lernen, und KI ist ein schickes Wort.

Maschinelles Lernen ist nicht das, was man so verbreitet sieht: Sie können unzählige Probleme lösen, indem Sie den richtigen Lernalgorithmen die richtigen Trainingsdaten zur Verfügung stellen. Nennen Sie es KI, wenn es hilft, Ihre KI-Systeme zu verkaufen.

• #### 2. Maschinelles Lernen beschäftigt sich vor allem mit Daten und Algorithmen, aber vor allem mit Daten.

Die Fortschritte im Bereich der maschinellen Lernalgorithmen, insbesondere im Bereich des Deep Learning, sind sehr aufregend. Aber Daten sind der Schlüssel, der es möglich macht, dass maschinelles Lernen möglich ist.

• #### 3. Wenn Sie keine großen Datenmengen haben, sollten Sie sich an einfache Modelle halten.

Machine Learning trainiert Modelle nach Mustern in den Daten und erkundet den Raum möglicher Modelle, die durch Parameter definiert sind. Wenn der Parameterraum zu groß ist, werden die Trainingsdaten überfüttert und ein Modell ausgebildet, das sich nicht selbst verallgemeinern kann. Wenn dies detailliert erklärt werden soll, müssen mehr mathematische Berechnungen durchgeführt werden, und Sie sollten dies als Leitlinie nehmen und Ihr Modell so einfach wie möglich halten.

• #### 4. Die Qualität des maschinellen Lernens hängt stark von der Qualität der Daten ab, die für die Ausbildung verwendet werden.

Es gibt ein Sprichwort, das besagt, dass wenn man einen Haufen Müll in einen Computer einleitet, dann wird der Ausgang auch ein Haufen Müll sein. Obwohl dieses Sprichwort schon vor der Zeit des maschinellen Lernens existiert, ist es genau das, was die Schlüsselbeschränkung von maschinellem Lernen darstellt.

• #### 5. Maschinelles Lernen funktioniert nur, wenn die Trainingsdaten repräsentativ sind.

Wie in der Anlage warnt, kann die Vergangenheit nicht die Zukunft garantieren. Auch das maschinelle Lernen sollte eine ähnliche Warnung aussprechen: Es kann nur auf Daten basieren, die in der gleichen Verteilung wie die Trainingsdaten verteilt sind. Daher ist es notwendig, auf Abweichungen zwischen den Trainingsdaten und den Produktionsdaten zu achten und das Modell regelmäßig zu trainieren, um sicherzustellen, dass es nicht veraltet wird.

• #### 6. Der größte Teil der Arbeit des maschinellen Lernens ist die Datenumwandlung.

Mit all der hype, die es gibt, könnte man meinen, dass es sich bei der Maschinellehrung hauptsächlich um die Auswahl und Anpassung von Algorithmen handelt. Aber die Realität ist einfach: Der größte Teil Ihrer Zeit und Energie wird auf die Reinigung von Daten und die Merkmale-Engineering verwendet, d.h. die Umwandlung von ursprünglichen Merkmalen in Merkmale, die die Daten besser als Signale darstellen.

• #### 7. Deep Learning ist ein revolutionärer Fortschritt, aber kein Heilmittel.

Deep Learning wird in vielen Bereichen eingesetzt und entwickelt. Darüber hinaus führt Deep Learning dazu, dass einige traditionell durch Feature Engineering durchgeführte Arbeiten automatisiert werden, insbesondere für Bild- und Videodaten. Deep Learning ist jedoch kein Heilmittel. Es gibt keine Fertigprodukte, die Sie verwenden können, und Sie müssen immer noch viel Energie in die Reinigung und Umwandlung von Daten investieren.

• #### 8. Maschinelle Lernsysteme sind sehr anfällig für Fehler durch den Bediener.

Entschuldigung an die NRA, aber Machine-Learning-Algorithmen töten keine Menschen, sondern Menschen. Wenn ein Machine-Learning-System ausfällt, ist es selten, dass es ein Problem mit dem Machine-Learning-Algorithmus gibt. Es ist viel wahrscheinlicher, dass ein künstlicher Fehler in die Trainingsdaten eingeführt wurde, der zu einer Abweichung oder einem anderen Systemfehler führt.

• #### 9. Maschinelles Lernen könnte unbeabsichtigt eine sich selbst erfüllende Prophezeiung erzeugen.

In vielen Anwendungen des maschinellen Lernens beeinflussen Entscheidungen, die Sie heute treffen, die Trainingsdaten, die Sie morgen sammeln. Sobald die Maschinelle Lernensysteme die Abweichungen in das Modell integrieren, können sie weiterhin neue, durch die Abweichungen verstärkte Trainingsdaten erzeugen. Außerdem können einige Abweichungen das Leben der Menschen zerstören.

• #### 10. KI wird sich nicht selbst erwecken, sich gegen die Menschheit auflehnen und sie zerstören.

Es scheint, dass sich eine ganze Reihe von Menschen die Vorstellung von künstlicher Intelligenz aus Science-Fiction-Filmen bezogen haben. Wir sollten uns von Science-Fiction inspirieren lassen, aber wir sollten nicht so dumm sein, die Fiktion für Realität zu halten. Von bewussten bösen Menschen bis zu unbewußten, abweichenden Modellen des maschinellen Lernens gibt es zu viel Realität und zu viele Gefahren, um die man sich Sorgen machen muss.

Ich hoffe, dass diese Einführungen für Nicht-Experten nützlich sind.

Übertragung von Global AI Big Data Ground