Q:
Hvordan endrer "masteralgoritmen" maskinlæringsverdenen?
EN:En idé som kalles "masteralgoritmen" har innvirkning på hvordan vi ser på maskinlæring og kunstig intelligens.
Ideen tilskrives populært Pedro Domingos, en professor ved University of Washington, som baserer mesteralgoritmen på fem forskjellige typer maskinlæring og prinsipper for kunstig intelligens: symbolikk, konneksjonisme, evolusjonisme, bayesisk teori og analogisering.
| Gratis nedlasting: Machine Learning og Why It Matters |
Tanken er at ved å forene disse fagområdene, og lage en algoritme som fungerer på tvers av kanaler, kan du grunnleggende fremme hva maskinlæring er i stand til. Dette henger sammen med ideen om dype læringsnettverk som involverer maskinlæringsprosesser.
Et av aspektene ved masteralgoritmen er at den fungerer på tvers av kanaler. Noen eksperter forklarer dette som ideen om at algoritmer kan krysse proprietære plattformer som forteller dem mer om forbrukere. For eksempel er et av de populære aspektene ved en masteralgoritme at den vil fungere med sosiale medieplattformer som Facebook, og andre miljøer som Google-verktøy, for å oppnå en mer omfattende form for digital overvåking og et dypere forhold til brukeren eller faget.
Masteralgoritmen har vunnet mye oppmerksomhet fra teknologiledere som Bill Gates og verdensledere som Xi Jinping - det har blitt en interessant og populær måte å beskrive konsepter som hebbisk læring, veiledet og uten tilsyn av maskinlæring, Bayesian logistikk og mer.
Noen alternative betydninger av "masteralgoritme" refererer til andre forsøk på å lage omfattende algoritmer som vil gjøre mer for å etterligne menneskelig og kognitiv atferd - for eksempel ideen om backpropagation som avansert av Geoff Hinton og andre. Imidlertid er hovedalgoritmeideen som er teoretisert av Pedro Domingos, det mest populære eksemplet på hvordan masteralgoritmen blir brukt i teknologibransjen. Enten det er å kombinere disipliner, modaliteter, plattformer eller typer kognitivt arbeid, fremmer masteralgoritmen ideen om at du kan blande og blande forskjellige typer verktøy til en sterkere og mer kapabel anvendelse av maskinlæring og kunstig intelligens.
