Τι είναι το machine learning και πως λειτουργεί

To machine learning (μηχανική μάθηση) είναι η διαδικασία εκπαίδευσης ενός υπολογιστικού συστήματος ώστε να μαθαίνει από δεδομένα και να βελτιώνεται με την πάροδο του χρόνου. 

Αποτελεί βασικό μέρος της τεχνητής νοημοσύνης, καθώς επιτρέπει στα συστήματα να αναγνωρίζουν μοτίβα και να λαμβάνουν αποφάσεις από μόνα τους.

Περιεχόμενα:

1. Τι είναι το machine learning και που το συναντάς καθημερινά

2. Πως ακριβώς λειτουργεί το machine learning

Τι είναι το machine learning και που το συναντάς καθημερινά

Στην ουσία, το machine learning επιτρέπει στους υπολογιστές να μαθαίνουν από δεδομένα και να αναγνωρίζουν μοτίβα, αντί να ακολουθούν σταθερές οδηγίες. 

Δείχνει στο σύστημα παραδείγματα και αυτό καταλήγει μόνο του στους κανόνες. 

Σε αντίθεση με παραδοσιακά λογισμικά, βελτιώνεται μόνο του με την πάροδο του χρόνου.

Ήδη έρχεσαι σε επαφή με το machine learning καθημερινά, ειδικά στο κινητό σου και στο διαδίκτυο:

• Social Media Feeds: Εμφανίζονται αναρτήσεις και βίντεο παρόμοια με αυτά που σου αρέσουν ή έχεις παρακολουθήσει στο παρελθόν.

• Προτάσεις φίλων: Προβλέπει ποιον μπορεί να γνωρίζεις ή θα σε ενδιέφερε να συνδεθείς μαζί του.

• Διαφημίσεις: Αν έχεις αναζητήσει για ένα προϊόν (π.χ. powerbank), πιθανώς να αρχίσεις να βλέπεις περισσότερες διαφημίσεις τεχνολογικών προϊόντων από ηλεκτρονικά καταστήματα.

• Φιλτράρισμα ανεπιθύμητων μηνυμάτων: Τα ύποπτα μηνύματα (π.χ. phishing) ηλεκτρονικού ταχυδρομείου μεταφέρονται απευθείας στον φάκελο «ανεπιθύμητα», επειδή το σύστημα αναγνωρίζει κοινά μοτίβα ανεπιθύμητων μηνυμάτων.

• Προτάσεις προϊόντων σε e-shops: Οι πλατφόρμες ηλεκτρονικού εμπορίου προτείνουν προϊόντα με βάση αυτά που αγόρασαν παρόμοιοι χρήστες.

To machine learning είναι πλέον ένα ισχυρό εργαλείο για πάρα πολλά συστήματα, επειδή όσο περισσότερα δεδομένα βλέπει το σύστημα, τόσο πιο έξυπνο γίνεται.

Παρόλα αυτά δεν είναι ακόμα τέλειο καθώς μπορεί να μάθει μόνο από τα δεδομένα που του δίνονται. 

Εάν τα δεδομένα είναι ελλιπή ή όχι τόσο συγκεκριμένα, οι προβλέψεις μπορεί να είναι λανθασμένες. 

Η ανθρώπινη εποπτεία εξακολουθεί να είναι σημαντική, ακόμη και όταν τα συστήματα γίνονται πολύ ακριβή.

Πως ακριβώς λειτουργεί το machine learning

Ένα από τα βασικά χαρακτηριστικά του machine learning είναι ότι το σύστημα μαθαίνει από παραδείγματα και στη συνέχεια χρησιμοποιεί όσα έμαθε για να κάνει προβλέψεις.

Πιο συγκεκριμένα:

• Συλλογή δεδομένων: Συγκεντρώνονται πραγματικά παραδείγματα (μηνύματα ηλεκτρονικού ταχυδρομείου, εικόνες, συναλλαγές, κλικ κ.α.).

• Εκπαίδευση του μοντέλου: Το σύστημα μελετά τα δεδομένα και ανακαλύπτει μοτίβα.

Για παράδειγμα, τα μηνύματα ηλεκτρονικού ταχυδρομείου που είναι ανεπιθύμητα συχνά περιέχουν συγκεκριμένες λέξεις ή διατάξεις.

• Πρόβλεψη: Εφαρμόζει όσα έχει μάθει σε νέες καταστάσεις.

Για παράδειγμα, ένα νέο μήνυμα ηλεκτρονικού ταχυδρομείου χαρακτηρίζεται ως ανεπιθύμητο ή μη ανεπιθύμητο.

• Βελτίωση με την πάροδο του χρόνου: Η ανατροφοδότηση το βοηθά να γίνει πιο ακριβές.

Για παράδειγμα, αν το επισημάνεις ως «Όχι spam», προσαρμόζεται την επόμενη φορά.

Υπάρχουν τρεις απλοί τύποι μάθησης:

• Supervised: Μαθαίνει από επισημασμένα παραδείγματα.

• Unsupervised: Ομαδοποιεί αυτόματα παρόμοια δεδομένα.

• Reinforcement: Μαθαίνει με δοκιμές και λάθη.

Εν ολίγοις, το machine learning μετατρέπει τα δεδομένα σε αποφάσεις και συνεχίζει να βελτιώνεται καθώς βλέπει περισσότερα παραδείγματα.

Το machine learning βοηθά τους υπολογιστές να μαθαίνουν από δεδομένα αντί από σταθερούς κανόνες, γι' αυτό και χρησιμοποιείται σε τόσες πολλές εφαρμογές καθημερινά.

Λειτουργεί καλύτερα όταν υπάρχει αρκετή ανατροφοδότηση από τον πραγματικό κόσμο και γίνεται πιο ακριβή με την πάροδο του χρόνου.