Машинное обучение: Если можно проверить, то можно научить

Вы когда-нибудь задумывались о том, как вы зашли на YouTube, чтобы посмотреть всего 5 минут видео, а в итоге просидели там 3 часа? Или видели на какой-то странице рекламу точно такой же вещи, которую вы собирались купить в течение последних 15 дней, и в конце концов купили ее! Разве не здорово, что ваш компьютер знает, чего вы желали? Но это не компьютер, а боты, алгоритмические боты, которые все время следили за вами. Даже сейчас! Да, это абсолютная правда. Возникает вопрос, как создаются эти боты и как здесь вступают в игру концепции тестирования программного обеспечения.

Не так давно люди создавали алгоритмические блоги, которые вели себя как настоящий искусственный интеллект. Простой и длинный код, который в основном говорил: «Сделай это, если это… или сделай то, если это…», некоторое время работал отлично, и во многих повседневных делах он все еще работает. Однако по мере того, как все больше и больше людей выходили в Интернет, создавая все большие и большие массивы данных, этот подход просто не работал везде. Потому что некоторые проблемы достаточно велики, чтобы их могли решить люди.

Рассмотрим пример, когда вам показывают две картинки, на одной из которых изображена собака, а на другой — цифра 5, и вы спрашиваете, что из них что? Будучи человеком, вы просто знаете, что да, это собака, а это номер 5, но как это узнает машина или бот?

Мы должны создать сложный алгоритм, который прикажет им просмотреть изображение пиксель за пикселем и найти на картинке паттерны, которые соответствуют пиксельным паттернам, обычно встречающимся на известных изображениях собак, и выдать примерное предположение. Человеческий мозг имеет сложную схему нейронов, которые обучаются каждую секунду. Точно так же нам придется создавать сложных ботов с развивающимся интеллектом распознавания образов, который они развивают с течением времени по мере обучения.

Знаете ли вы, что CSS Shapes Level 1 позволяет создавать фигуры с помощью CSS, например, закругленные углы и круги. Определяется область, и текст может обтекать эту форму.

Как они учатся?

Человеческие программисты создают бота-учителя и бота-строителя, которые имеют более простой мозг. Бот-строитель создает ботов-учеников, сохраняет и отбрасывает их на основе их оценок за тесты.

Сам бот-учитель не может отличить собаку от 5, но он может проверить ботов-учеников, правильно ли они определяют или нет. Теперь вы понимаете, почему автоматизированное тестирование так важно.

Мы даем ботам-учителям кучу фотографий собак и пятерок и ключ к ответу, что из них что. На основе этого бот-учитель проводит тестирование ботов-учеников и выставляет им оценки. На основе данных теста бот-строитель продолжает создавать разных ботов-студентов, изменяя различные перестановки и комбинации механики алгоритмов ботов-студентов, иногда даже наугад — смотрит, что прилипает, а что нет. А бот-учитель продолжает принимать их тесты и выставлять им оценки. И цикл продолжается.

Бот-учитель продолжает тестирование, и на основе оценок ботов-студентов бот-строитель оставляет себе ботов с наилучшими показателями и безжалостно выбрасывает остальных.

Цикл «тест, создание, тест» повторяется по кругу, оценки оцениваются, и как только бот с точностью примерно 99,9% (или назовем их оценками) создан, цикл останавливается.

Теперь нам приходит в голову вопрос: «Сколько раз повторяется автоматизированный цикл тестирования, сборки и тестирования?». Ну, он повторяется столько раз, сколько необходимо, пока не будет создан бот с наилучшими оценками. Лучший бот — это лучший алгоритм, позволяющий отличить собаку от 5.

Проверьте это на CSS position:sticky: Легкий полифилл, который использует собственные API CSS, чтобы ваши «фиксированные» и «относительные» элементы оставались в нужном положении при прокрутке страницы.

Так в чем же проблема?

Теперь мы подобрали лучший алгоритм для различения собаки и цифры 5, тогда какая проблема может возникнуть? Если мы дадим боту видео с собакой, или 5 вверх ногами, или букву «S» вместо 5, сможет ли бот определить это? Нет.

Как решить эту проблему?

Чтобы решить эту проблему, люди должны создавать более длинные автоматизированные тесты с большим количеством вопросов, которые боты-студенты должны пройти, включая даже неправильные и правильные сценарии, чтобы они были готовы к худшим случаям. Поскольку более длинные тесты обеспечивают более качественную работу ботов.

Поскольку существует не один бот и не десять или двадцать вопросов, а миллионы ботов и миллионы вопросов, то как будет повторяться цикл тестирования, создания, тестирования? В этом случае необходимо автоматизировать процесс и продолжать тестировать одно и то же.

Когда создается финальный бот, он работает, и только он один выживает среди всех, поскольку только его алгоритм на 0,01% лучше, чем у других ботов. Алгоритм, который построил бот-ученик, не известен ни боту-учителю, ни человеку-наблюдателю, ни даже самому боту-ученику! Это. Просто. Работает!

Как бот думает или работает, что он думает, на самом деле неизвестно.

Давайте вернемся к примеру с YouTube, который мы уже обсуждали. Теперь мы можем понять это лучше. Задача, поставленная перед ботами-учениками, заключается в том, чтобы засечь время просмотра пользователя, сохраняя его вовлеченность, и тот бот-ученик, который сохранит вовлеченность пользователя в течение наибольшего времени просмотра, получит наивысшую оценку. Боты-учителя оценивают всех ботов-учеников, а боты-ученики продолжают давать рекомендации пользователям, чтобы пользователь оставался вовлеченным. Тот, кто дает наилучшие рекомендации и удерживает пользователя, имеет наилучший алгоритм.

Знаете ли вы, что CSS-Table — это библиотека, используемая для более гибкого представления элементов в виде таблиц, строк и ячеек.

Вы уже сталкивались с примерами машинного обучения?

Хотите верьте, хотите нет, но все мы сталкивались с ситуацией, когда боты взаимодействовали с нами в режиме реального времени, используя машинное обучение. Будь то сбор CAPTCHA или поддержка клиентов. На самом деле, поддержка клиентов — это одна из областей, где машинное обучение широко применяется как небольшими компаниями, так и крупными предприятиями. Все мы знаем об ограничениях, которые накладываются на чат поддержки клиентов. Вы должны отвечать клиентам в мгновение ока, и это может быть особенно сложно для глобального бизнеса, который стремится обеспечить круглосуточную поддержку клиентов, поскольку вам необходимо убедиться, что у вас есть многочисленные представители, готовые помочь вашим клиентам в течение всего дня и ночи. К счастью, существуют такие компании, как Acquire’s chatbot, которые помогли многим предприятиям повысить качество обслуживания клиентов с помощью технологии чат-ботов.

Какой лучший пример ботов машинного обучения вы можете привести? Дайте нам знать в комментариях.

Мы видели, что бот-учитель просто тестирует ботов-учеников, а они учатся на тестах. Таким образом, в одной строке мы можем сказать, что машинное обучение поддается обучению, если оно поддается тестированию.

Оцените статью
Procodings.ru
Добавить комментарий