תוֹכֶן
- אוטומציה במבחני טכנולוגיית המידע
- האם אוטומציה היא העתיד של למידת מכונות?
- אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך
- מקרה בוחן
- למידת מכונה עשויה להחליף משרות
- סיכום
מקור: Krulua / Dreamstime.com
להסיר:
למידת מכונה היא היכולת של מערכת לשנות את התכנות שלה. אך כאשר מערכת יכולה לעשות זאת, האם בני האדם עדיין נחוצים?
למידת מכונות הייתה אחד ההתקדמות הגדולות ביותר בתולדות המחשוב, וכעת היא מאמינה כי היא מסוגלת למלא תפקידים משמעותיים בתחום ה- Big Data and Analytics. ניתוח נתונים גדולים הוא אתגר עצום מנקודת מבטם של עסקים. לדוגמה, פעילויות כמו הבנת נפח עצום של פורמטים שונים של נתונים, הכנת נתונים לניתוח וסינון נתונים מיותרים יכולים לצרוך משאבים רבים. שכירת מדעני נתונים ומומחים היא הצעה יקרה ולא באמצעים של כל חברה. מומחים מאמינים שלמידת מכונה מסוגלת לאוטומציה של משימות רבות הקשורות לניתוח - שגרתיות ומורכבות כאחד. אוטומציה של למידת מכונה יכולה לפנות משאבים רבים שניתן להשתמש בהם בעבודות מורכבות וחדשניות יותר. נראה שלמידת מכונה פונה לכיוון זה. (למידע נוסף על השימוש בלמידת מכונה, עיין בהבטחות ובמורות של למידת מכונה.)
אוטומציה במבחני טכנולוגיית המידע
מבחינת ה- IT, אוטומציה היא קישור בין מערכות ותוכנות שונות, כך שהן מסוגלות לבצע עבודות ספציפיות ללא כל התערבות אנושית. בענף ה- IT מערכות אוטומטיות יכולות לבצע עבודות פשוטות ומורכבות כאחד. דוגמה למשרה פשוטה יכולה להיות שילוב טופס עם קובץ PDF והכנסת המסמך לנמען הנכון, ואילו מתן גיבוי מחוץ לאתר יכול להיות דוגמא לעבודה מורכבת.
כדי לבצע את עבודתה, יש לתכנת מערכת אוטומטית או לתת הוראות מפורשות. בכל פעם שמערכת אוטומטית נדרשת לשנות את היקף עבודותיה, צריך לעדכן את התוכנית או מערכת ההוראות על ידי בן אנוש. בעוד שמערכות אוטומטיות יעילות בעבודתם, טעויות יכולות להתרחש מסיבות שונות. כאשר מתרחשות שגיאות, יש לזהות ולתקן את גורם השורש. ברור שכדי לבצע את עבודתם, מערכות אוטומטיות תלויות לחלוטין בבני אדם. ככל שאופי התפקיד מורכב יותר, כך גדל ההסתברות לטעויות ובעיות.
לרוב, משימות שגרתיות וניתנות להחזרה מוקצות למערכות אוטומטיות. דוגמה נפוצה לאוטומציה בענף ה- IT היא אוטומציה של בדיקות של ממשקי משתמש מבוססי-אינטרנט. מקרי בדיקה מוזנים בסקריפטים לאוטומציה וממשקי המשתמש נבדקים בהתאם. (למידע נוסף על שימושים מעשיים בלמידה של מכונות, עיין במידת מכונות והדאופ בגילוי הונאה מהדור הבא.)
הטענה לטובת האוטומציה הייתה שהיא מבצעת משימות שגרתיות וניתנות להחזרה ומשחררת עובדים לבצע משימות מורכבות ויצירתיות יותר. עם זאת, נטען גם כי האוטומציה עקרה הרבה משרות או תפקידים שבוצעו בעבר על ידי בני אדם. כעת, כאשר למידת מכונות מוצאת את דרכה לתעשיות שונות, אוטומציה עשויה להוסיף מימד חדש לחלוטין.
האם אוטומציה היא העתיד של למידת מכונות?
עצם לימוד המכונה היא היכולת של מערכות ללמוד באופן רציף מהנתונים ולהתפתח ללא התערבות של בני אדם. למידת מכונה מסוגלת להתנהג כמו המוח האנושי. לדוגמה, מנוע המלצות באתר מסחר אלקטרוני יכול להעריך את העדפותיו וטעמיו הייחודיים של המשתמש ולהציע המלצות על מוצרים ושירותים המתאימים ביותר לבחירות המשתמש. בהינתן יכולת זו, למידת מכונות נחשבת לאידיאלית לאוטומציה של משימות מורכבות הקשורות לנתונים גדולים ואנליטיים. היא כבר התגברה על המגבלה העיקרית של מערכות האוטומציה המסורתיות שאינן יכולות לפעול ללא התערבות אנושית סדירה. ישנם מספר מחקרי מקרה המראים כי למידת מכונות מסוגלת לבצע משימות ניתוח נתונים מתוחכמות, כפי שנדון בהמשך מאמר זה.
כפי שכבר צוין, ניתוח נתונים גדולים הוא הצעה מאתגרת עבור חברות וניתן להאציל אותה באופן חלקי למערכות למידת מכונות. מנקודת המבט של עסק זה יכול להביא יתרונות רבים כמו שחרור משאבי מדעי נתונים למשימות יצירתיות וקריטיות יותר, נפח סיום עבודה גבוה יותר, פחות זמן שיידרש למלא משימות ויעילות עלות.
אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך
אתה לא יכול לשפר את כישורי התכנות שלך כאשר לאף אחד לא אכפת מאיכות התוכנה.
מקרה בוחן
בשנת 2015 חוקרי MIT החלו לעבוד על כלי מדעי נתונים המסוגל ליצור מודלים של נתונים חזויים מתוך כמויות עצומות של נתונים גולמיים בטכניקה המכונה אלגוריתם Deep Feature Synthesis. האלגוריתם, טוענים המדענים, יכול לשלב את התכונות הטובות ביותר של למידת מכונות. לדברי המדענים, הם כבר ניסו את האלגוריתם בשלוש מערכי נתונים שונים והם מתכוונים להרחיב את היקף הבדיקה ליותר מערכות נתונים. בתיאור כיצד הם עושים זאת, הצהירו החוקרים ג'יימס מקס קנטר וקאליאן וראמאצ'אנני במאמר שיוצג בכנס בינלאומי למדעי נתונים ואנליטיקה, "באמצעות תהליך כוונון אוטומטי אנו ממטבים את המסלול כולו ללא מעורבות אנושית, ומאפשרים לו להכליל למערכות נתונים שונות. "
הבה נבדוק עד כמה הייתה המשימה מורכבת: לאלגוריתם יש יכולת המכונה יכולת כוונון אוטומטי, בעזרתה היא שואבת או מחלצת תובנות או ערכים מנתונים גולמיים כמו גיל או מין, ואחריה, היא יכול ליצור מודלי נתונים חזויים. האלגוריתם משתמש בפונקציות מתמטיות מורכבות ותורת הסתברות המכונה קופולה גאוסית. אז קל להבין את מידת המורכבות שהאלגוריתם מצליח להתמודד איתה. הטכניקה זכתה גם בפרסים בתחרויות.
למידת מכונה עשויה להחליף משרות
נדון ברחבי העולם שלמידה במכונה עשויה להחליף עבודות רבות מכיוון שהיא מבצעת משימות ביעילות של מוח אנושי. למעשה, קיים חשש כי למידת מכונה תחליף מדעני נתונים - ונראה שיש בסיס לחששות כאלה.
למשתמשים הנפוצים אשר אין להם את כישורי ניתוח הנתונים אך עדיין זקוקים לניתוח בחיי היום-יום שלהם בדרגות שונות, לא ניתן יהיה לבצע מחשבים המסוגלים לנתח נפחי נתונים עצומים ולהציע ניתוחים. אולם טכנולוגיות עיבוד שפות טבעיות (NLP) יכולות להתגבר על מגבלה זו על ידי הוראת מחשבים לקבל ולעבד את השפה הטבעית המדוברת של בני האדם. באופן זה, המשתמש הנפוץ אינו זקוק ליכולות או מיומנויות ניתוח מתוחכמות.
יבמ מאמינה כי ניתן למזער או לבטל את הצורך במדעני נתונים באמצעות פלטפורמת ניתוח השפה הטבעית Watson שלה. לדברי סגן נשיא ווטסון אנליטיקס ומודיעין עסקי, מרק אשלר, "עם מערכת קוגניטיבית כמו ווטסון אתה פשוט מביא את השאלה שלך - או אם אין לך שאלה אתה רק מעלה את הנתונים שלך ווטסון יכול להסתכל על זה ולהסיק מה שתרצה לדעת. "
סיכום
אוטומציה היא השלב ההגיוני הבא ללימוד מכונות וכבר חווינו את ההשפעות בחיי היום יום שלנו - באתרי מסחר אלקטרוני, הצעות לחברים, המלצות ברשת לינקדאין ודירוג חיפוש ב- Airbnb. בהתחשב בדוגמאות שניתנו, אין ספק שניתן להטיל על איכות התפוקה המיוצרת על ידי מערכות למידה אוטומטיות של מכונות. על כל התכונות והיתרונות שלה, המחשבה על למידת מכונה שתגרום לאבטלה עצומה עשויה להיראות מעט כתגובת יתר. מכונות מחליפות בני אדם בתחומים רבים בחיינו מזה מספר עשורים ובכל זאת, בני אדם התפתחו והתאימו להישאר רלוונטיים בתעשייה. תלוי בפרספקטיבה, למידת מכונות, על כל ההפרעות שלה, היא רק עוד גל כזה שאנשים יסתגלו אליו.