Data science

ตัวอย่างแมชชีนเลิร์นนิงที่ไม่ธรรมดาที่ท้าทายสิ่งที่คุณรู้

การเรียนรู้ของเครื่อง (ML) คือวิธีที่ระบบเรียนรู้และปรับกระบวนการจากรูปแบบที่พบในข้อมูลจำนวนมาก เมื่อเรานึกถึงแมชชีนเลิร์นนิง เราจะนึกถึงตัวอย่างที่โดดเด่นบางตัวอย่าง ตัวอย่างเช่น คำแนะนำผลิตภัณฑ์ใน Amazon นั้นคล้ายกับการค้นหาโดย Google ที่คุณทำอย่างน่าขนลุก ขอบเขตของการเรียนรู้ด้วยเครื่องขยายไปไกลกว่าสิ่งที่เรารู้และเห็นในชีวิตประจำวันของเรา เนื่องจากแมชชีนเลิร์นนิงเป็นสาขาที่ค่อนข้างใหม่ ข้อจำกัดของแอปพลิเคชันจึงถูกผลักดันออกไปอย่างต่อเนื่อง เมื่อสองสามปีก่อน ผู้ช่วยส่วนตัวเสมือนเป็นสิ่งที่อยู่ในความฝัน และตอนนี้ก็มีให้เห็นในทุกครัวเรือน แม้ว่าบางตัวอย่างจะมองเห็นได้ชัดเจน แต่นี่เป็นวิธีที่ ML กำลังเปลี่ยนแปลงชีวิตของเราซึ่งคุณอาจคาดไม่ถึง เมื่อเร็ว ๆ นี้การตรวจจับและคาดการณ์แผ่นดินไหวการเรียนรู้ของเครื่องได้ถูกนำมาใช้เพื่อตรวจจับคลื่นไหวสะเทือนและวิเคราะห์รูปแบบจากข้อมูลที่รวบรวมและจากเครื่องวัดคลื่นไหวสะเทือนที่ติดฉลากด้วยมือนับล้านรายการ อัลกอริธึมตรวจพบแผ่นดินไหวมากกว่านักวิทยาศาสตร์ถึงสองเท่า แนวคิดก็คือหลังจากเก็บรวบรวมข้อมูลและรูปแบบที่เพียงพอแล้ว นักวิทยาศาสตร์จะสามารถระบุการเกิดแผ่นดินไหวได้ในเวลาที่เกือบจะเรียลไทม์ ธรรมชาติของแมชชีนเลิร์นนิงบอกเป็นนัยว่าอีกไม่นานอาจเป็นไปได้ที่จะคาดการณ์แผ่นดินไหวก่อนที่จะเกิดขึ้น สิ่งนี้มีผลกระทบอย่างมากต่อการวางแผนและการเตรียมความพร้อมของกองกำลังจัดการภัยพิบัติ การดูแลสุขภาพ นักผจญเพลิง ฯลฯ อุตสาหกรรมความงาม มักพูดถึงวิธีการใช้แมชชีนเลิร์นนิงเพื่อช่วยให้ผู้บริโภคทดสอบว่าผลิตภัณฑ์จะดูเป็นอย่างไรบนผิวของพวกเขาจากความสะดวกสบาย บ้าน ผู้ผลิตก็ใช้เทคโนโลยีนี้ในการทดสอบผลิตภัณฑ์ในขณะที่ยังอยู่ระหว่างการพัฒนา อุตสาหกรรมความงามกำลังใช้แมชชีนเลิร์นนิงเพื่อสร้างผลิตภัณฑ์อย่างคุ้มค่าและทันเวลามากขึ้น อย่างไรก็ตาม เทคโนโลยีเดียวกันนี้กำลังถูกปรับให้เข้ากับความงาม แอพที่ทำการจัดอันดับนี้ขอให้อาสาสมัครส่งรูปถ่ายใบหน้าของพวกเขาโดยไม่ต้องแต่งหน้าและเปรียบเทียบภาพกับของคนอื่น ปัจจัยที่นำมาพิจารณา ได้แก่ ความสมมาตร ริ้วรอย ความหมองคล้ำ และฝ้าบนใบหน้า นี่เป็นแนวคิดที่ไม่สบายใจ ไม่เพียงเพราะความงามและรูปลักษณ์เป็นเรื่องละเอียดอ่อนสำหรับคนจำนวนมาก แต่ยังรวมถึงผลกระทบทางสุขภาพจิตของความผิดปกติของร่างกายและปัญหาอื่นๆ ที่เกี่ยวข้องด้วย คำถามเกิดขึ้น ทำไมเราต้องจัดอันดับมนุษย์ตามลักษณะภายนอก? พวกเขากล่าวว่า “ความงามอยู่ในสายตาของคนดู” แต่ถ้าเราเชื่ออย่างนั้นจริง ๆ อัลกอริทึมสำหรับเปรียบเทียบและวิเคราะห์ผู้คนและรูปลักษณ์ของพวกเขานั้นไม่สบายใจ มันละเมิดแนวคิดที่ว่าความงามเป็นเรื่องส่วนตัวและอาจส่งผลร้ายต่อการรับรู้ของผู้คนเกี่ยวกับตนเอง การทำนายการบาดเจ็บของกีฬา มีข้อมูลจำนวนมากในอุตสาหกรรมกีฬาที่ใช้วิเคราะห์ประสิทธิภาพของผู้เล่น อัตราความสำเร็จ และสถิติที่คล้ายกัน การใช้แมชชีนเลิร์นนิงที่น่าตื่นเต้นอย่างหนึ่งในสาขานี้คือวิธีที่ทีมกีฬาและโค้ชอาจใช้เพื่อทำนายการบาดเจ็บ อัลกอริทึมใช้ข้อมูลเกี่ยวกับการเคลื่อนไหวของกล้ามเนื้อและสังเกตรูปแบบปกติ ซึ่งช่วยให้ทีมและโค้ชได้รับการแจ้งเตือนเมื่อมีความผิดปกติในรูปแบบเริ่มต้น ข้อมูลนี้เป็นประโยชน์ในการดูแลเชิงป้องกันสำหรับผู้เล่น ซึ่งช่วยให้ทีมกีฬาประหยัดเงินค่ารักษาพยาบาล สูญเสียรายได้ และค่ารักษาพยาบาลได้หลายล้านดอลลาร์ แต่ในขณะที่นักกีฬามืออาชีพทุกคนตระหนักถึงความเสี่ยงของการบาดเจ็บ บางทีการมีอัลกอริธึม (สมมติว่ามีความแม่นยำสูง) บอกคุณว่าคุณจะได้รับบาดเจ็บในช่วงเวลานี้อาจส่งผลเสียต่อสุขภาพจิตและประสิทธิภาพของผู้เล่น การระบุวาฬในมหาสมุทร มลพิษทางเสียงใต้น้ำเป็นภัยคุกคามที่สำคัญต่อชีวิตทางทะเล เช่น ปลาวาฬ เมื่อเร็วๆ นี้ นักวิทยาศาสตร์ได้เรียนรู้ว่าแมชชีนเลิร์นนิงสามารถวิเคราะห์ข้อมูลเสียงและตรวจจับวาฬได้อย่างแม่นยำ Marineexplore และ Cornell University จัดการแข่งขันเพื่อเชิญชวนให้ผู้เข้าร่วมส่งอัลกอริธึมการเรียนรู้ด้วยเครื่องที่ดีที่สุดเพื่อตรวจจับเสียงเรียกของวาฬจากการบันทึกเสียง หากมีการระบุวาฬ ผู้ขนส่งสินค้า ตัวแทน และผู้มีส่วนได้เสียอื่นอาจใช้ข้อมูลดังกล่าวเพื่อวางแผนเส้นทางเดินเรือและป้องกันการชนกัน การเปลี่ยนเส้นทางเรือให้ห่างจากวาฬจะลดรอยเท้าเสียงของวาฬ วาฬเบลูก้า Cook Inlet กำลังใกล้สูญพันธุ์ และแมชชีนเลิร์นนิงนี้อาจเป็นสิ่งที่จำเป็นในการปกป้องพวกมัน สัตว์ทะเลมีความอ่อนไหวต่อเสียงใต้น้ำ และเสียงก่อกวนที่สร้างขึ้นสามารถทำให้เกิดการเปลี่ยนแปลงทางพฤติกรรมและเป็นอันตรายต่อสรีรวิทยาของสัตว์ การใช้อัลกอริธึมเพื่อเรียนรู้รูปแบบของวาฬอย่างแม่นยำและมีประสิทธิภาพช่วยให้นักวิทยาศาสตร์วางแผนการฟื้นตัวของประชากรวาฬนี้ การพิจารณาสุขภาพจิตจากโซเชียลมีเดีย การแข่งขันเมื่อ 9 ปีที่แล้วทำให้เกิดสมมติฐานว่าเป็นไปได้ที่จะระบุแนวโน้มโรคจิตในบุคคลจากรูปแบบภาษาศาสตร์และพฤติกรรมทางสังคมซึ่งทั้งสองอย่างนี้สามารถวิเคราะห์ได้จาก Twitter เมื่อเร็ว ๆ นี้มีการศึกษาที่คล้ายกันกับผู้ใช้ Reddit ด้วยการรวบรวมข้อมูลจากโพสต์ของผู้ใช้ในฟอรัมที่เลือก อัลกอริธึมเรียนรู้ที่จะระบุบุคคลที่ประสบปัญหาสุขภาพจิต ในช่วงไม่กี่ปีที่ผ่านมา การใช้โซเชียลมีเดียเติบโตขึ้นอย่างมากเนื่องจากการระบาดใหญ่ทำให้การโต้ตอบแบบตัวต่อตัวเป็นไปไม่ได้ นอกจากการใช้โซเชียลมีเดียที่เพิ่มขึ้นแล้ว ยังมีผู้คนจำนวนมากขึ้นที่มีสุขภาพจิตไม่ดีอันเนื่องมาจากการแพร่ระบาดอย่างต่อเนื่อง การพัฒนาวิธีการระบุบุคคลที่มีปัญหาสุขภาพจิตนั้นมีประโยชน์มาก นักวิจัยที่ใช้ ML เพื่อวัดตัวชี้วัดปัญหาสุขภาพจิตสามารถส่งต่อข้อมูลนี้ไปยังบริษัท ผู้จัดงาน และบุคคลทั่วไป มีแอพอยู่แล้ว เช่น Replika ที่แชทแบบมนุษย์เพื่อช่วยให้ผู้ใช้เอาชนะความเหงาและปรับปรุงสุขภาพจิต ลองนึกภาพแพลตฟอร์มที่ระบุบุคคลที่มีความเสี่ยงมากที่สุดจากข้อความโซเชียลมีเดีย จากนั้นจึงแนะนำพวกเขาไปยังแอปอย่าง Replika เพื่อรับความช่วยเหลือก่อนใคร อนาคตของแมชชีนเลิร์นนิง ตัวอย่างเหล่านี้แสดงให้เราเห็นว่าแมชชีนเลิร์นนิงไม่เพียงแต่เป็นไดนามิกเท่านั้น แต่ยังมีความยืดหยุ่นอีกด้วย การใช้งานขยายไปทั่วทั้งอุตสาหกรรมและแม้กระทั่งเวลา แมชชีนเลิร์นนิงมีความสำคัญเพิ่มขึ้นอย่างต่อเนื่องเนื่องจากมีข้อมูลจำนวนมหาศาล และความจริงที่ว่า ML ดูดซับ วิเคราะห์ และเข้าใจข้อมูลจำนวนมากได้อย่างมีประสิทธิภาพ เคียงข้างกัน ประเด็นที่อุตสาหกรรมเทคโนโลยีอาจจัดการกับ ML มีความกังวลเพิ่มมากขึ้น จำเป็นอย่างยิ่งที่เราต้องนำสมองของเราไปใช้ ค้นหาการใช้งานใหม่ๆ ที่เกี่ยวข้อง และถูกต้องตามหลักจริยธรรมสำหรับเครื่องมืออันน่าทึ่งที่เรามี นั่นคือแมชชีนเลิร์นนิง

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button