תוֹכֶן
ש:
מדוע מספרים עצומים של קבצי תמונות חשובים לפרויקטים רבים של למידת מכונה?
ת:
עבור חברות שמחפשות להסתבך בהשקעות הראשונות שלהן ללימוד מכונות (ML), כל התהליך יכול להיראות מעט קריפי ואזוטרי. עבור אנשים רבים, קשה מאוד להמחיש כיצד למידת מכונה עובדת בפועל, ומה בדיוק היא תעשה עבור עסק.
במקרים מסוימים, מישהו שחוקר למידת מכונות יכול להיות אפיפני למדי כשהוא שוקל מדוע מספרים גדולים של קבצי תמונות שנאספים במכולות דיגיטליות מסודרים הם כה חשובים לפרויקטים של ML. זה בגלל שהמושג "קובץ תמונה" עוזר לדמיין ML. המחשבה על זה מאפשרת לנו להבין יותר כיצד יישמרו סוגים אלה של טכנולוגיות על עולמנו בקרוב מאוד.
התשובה הקצרה היא שהמספרים הגדולים הללו של קבצי תמונות חשובים ללמידה של מכונה מכיוון שהם מייצגים מערכות הדרכה - סטים של נתונים ראשוניים עליהם המחשב צריך לעבוד תוך כדי לומד. אבל יש בזה קצת יותר מזה. מדוע תמונות כה יקרות?
אחת הסיבות לכך שהתמונות כה יקרות ערך היא שמדענים התקדמו רבות בעיבוד תמונות. אך מעבר לכך, הם התקדמו גם בסיוע מכונות לזהות תוצאות על סמך מה שבתמונה.
לדוגמא, כל מי ששמע על רשתות עיקשות עמוקות עם מנועים גנרטוריים ומפלים כאחד מבין מעט כיצד מחשבים יכולים לקרוא ולהבין נתונים ותמונות חזותיות. הם לא קוראים את הפיקסלים כמו פעם - הם למעשה "רואים" את התמונה ומזהים רכיבים. לדוגמה, חשוב על זיהוי פנים - המחשב לומד איך אתה נראה ומזהה אותך בתמונות - כמו גם את הסובבים אותך. לעתים קרובות הדבר מתאפשר באמצעות צבירה של תמונות רבות והדרכה איטרטיבית המהווים בסיס לפרויקט למידת מכונה.
כאשר בעלי העניין זיהו תוכנית ותפיסה, ויצאו ואספו את כל התמונות הרלוונטיות, והכניסו אותם לאלגוריתמים של למידת מכונה, הם יכולים למנף את הכוח העצום של בינה מלאכותית כדי להפעיל תהליכים עסקיים.
חברה עשויה לסורק רשת לצאת לאינטרנט ומחפש תמונות שעשויות להכיל לקוח מסוים, כדי לבנות קובץ המראה כי זהות הלקוחות והעדפותיו ונטיותיו. החברה עשויה אפילו להשתמש במידע זה כדי להפוך אוטומטית לדואר ישיר או לשיווק ישיר אחר. כשאתה מתחיל לחשוב על זה ככה, קל לראות כיצד ניתן לקשור בדיוק את אותו תהליך של זיהוי תמונה וזיהוי לכל מיני פונקציונליות שתאפשר למחשבים לעשות כל כך הרבה מהדברים שבני אדם היו רגילים לעשות עבור כל ההיסטוריה המוקלטת שלנו. אם ניקח את הדוגמא של מחקר לקוחות, עם סוגי ההתקנות שלעיל, בני אדם אינם צריכים להיות מעורבים כלל: המחשב יכול "לצאת לרשת" ולדווח בחזרה לבעליו או למחזיקי הנתונים.
עבור כל מי שעוסק בשכשוך במים העמוקים של למידת מכונות, הבנת הרעיון של כריית נתוני תמונות המוניות מספקת צעד ראשון טוב במפת דרכים לרתום את כוח הלמידה של המכונה ולבחון כיצד להשתמש בו לטובת מיזם.