ஆட்டோமேஷன்: தரவு அறிவியல் மற்றும் இயந்திர கற்றலின் எதிர்காலம்?

உள்ளடக்கம்

• தகவல் தொழில்நுட்பத்தின் கான் ஆட்டோமேஷன்
• ஆட்டோமேஷன் இயந்திர கற்றலின் எதிர்காலமா?
• பிழைகள் இல்லை, மன அழுத்தமும் இல்லை - உங்கள் வாழ்க்கையை அழிக்காமல் வாழ்க்கையை மாற்றும் மென்பொருளை உருவாக்குவதற்கான படி வழிகாட்டியின் படி
• வழக்கு ஆய்வு
• இயந்திர கற்றல் வேலைகளை மாற்றக்கூடும்
• முடிவுரை

ஆதாரம்: க்ருலுவா / ட்ரீம்ஸ்டைம்.காம்

எடுத்து செல்:

இயந்திர கற்றல் என்பது ஒரு அமைப்பு தனது சொந்த நிரலாக்கத்தை மாற்றுவதற்கான திறன் ஆகும். ஆனால் ஒரு அமைப்பு இதைச் செய்யும்போது, ​​மனிதர்கள் இன்னும் அவசியமா?

இயந்திர கற்றல் கணினி வரலாற்றில் மிகப்பெரிய முன்னேற்றங்களில் ஒன்றாகும், இப்போது இது பெரிய தரவு மற்றும் பகுப்பாய்வு துறையில் குறிப்பிடத்தக்க பாத்திரங்களை வகிக்கும் திறன் கொண்டதாக நம்பப்படுகிறது. பெரிய தரவு பகுப்பாய்வு என்பது வணிகங்களின் கண்ணோட்டத்தில் ஒரு பெரிய சவாலாகும். எடுத்துக்காட்டாக, மாறுபட்ட தரவு வடிவங்களின் பெரிய அளவை உணர்த்துவது, பகுப்பாய்வுகளுக்கான தரவு தயாரித்தல் மற்றும் தேவையற்ற தரவை வடிகட்டுதல் போன்ற நடவடிக்கைகள் ஏராளமான வளங்களை நுகரும். தரவு விஞ்ஞானிகள் மற்றும் நிபுணர்களை பணியமர்த்துவது ஒரு விலையுயர்ந்த கருத்தாகும், இது ஒவ்வொரு நிறுவனத்தின் வழிமுறையிலும் இல்லை. இயந்திரக் கற்றல் பகுப்பாய்வு தொடர்பான பல பணிகளை தானியக்கமாக்கும் திறன் கொண்டது என்று வல்லுநர்கள் நம்புகின்றனர் - வழக்கமான மற்றும் சிக்கலான. இயந்திர கற்றலை தானியங்குபடுத்துவது மிகவும் சிக்கலான மற்றும் புதுமையான வேலைகளில் பயன்படுத்தக்கூடிய ஏராளமான வளங்களை விடுவிக்கும். இயந்திர கற்றல் அந்த திசையில் சென்று கொண்டிருக்கிறது என்று தெரிகிறது. (இயந்திர கற்றலைப் பயன்படுத்துவது பற்றி மேலும் அறிய, இயந்திர கற்றலின் வாக்குறுதிகள் மற்றும் ஆபத்துகளைப் பார்க்கவும்.)

தகவல் தொழில்நுட்பத்தின் கான் ஆட்டோமேஷன்

ஐ.டி.யின் இணைப்பில், தன்னியக்கவாக்கம் என்பது வேறுபட்ட அமைப்புகள் மற்றும் மென்பொருளை இணைப்பதன் மூலம் எந்தவொரு மனித தலையீடும் இல்லாமல் குறிப்பிட்ட வேலைகளைச் செய்ய முடியும். தகவல் தொழில்நுட்பத் துறையில், தானியங்கி அமைப்புகள் எளிய மற்றும் சிக்கலான வேலைகளைச் செய்ய முடியும். ஒரு எளிய வேலைக்கான எடுத்துக்காட்டு ஒரு படிவத்தை ஒரு PDF உடன் ஒருங்கிணைத்து, ஆவணத்தை சரியான பெறுநரிடம் சேர்த்துக் கொள்ளலாம், அதே சமயம் ஒரு ஆஃப்சைட் காப்புப்பிரதியை வழங்குவது சிக்கலான வேலைக்கு ஒரு எடுத்துக்காட்டு.

அதன் வேலையைச் செய்ய, ஒரு தானியங்கி அமைப்பு திட்டமிடப்பட வேண்டும் அல்லது வெளிப்படையான வழிமுறைகளை வழங்க வேண்டும். ஒவ்வொரு முறையும் ஒரு தானியங்கி அமைப்பு அதன் வேலைகளின் நோக்கத்தை மாற்றத் தேவைப்படும்போது, ​​நிரல் அல்லது அறிவுறுத்தல்களின் தொகுப்பு ஒரு மனிதனால் புதுப்பிக்கப்பட வேண்டும். தானியங்கு அமைப்புகள் அவற்றின் வேலைகளில் திறமையானவை என்றாலும், பல்வேறு காரணங்களால் பிழைகள் ஏற்படலாம். பிழைகள் ஏற்படும் போது, ​​மூல காரணத்தை அடையாளம் கண்டு சரிசெய்ய வேண்டும். வெளிப்படையாக, தங்கள் வேலைகளைச் செய்ய, தானியங்கி அமைப்புகள் முற்றிலும் மனிதர்களைச் சார்ந்தது. வேலையின் தன்மை மிகவும் சிக்கலானது, பிழைகள் மற்றும் சிக்கல்களின் நிகழ்தகவு அதிகம்.

வழக்கமாக, வழக்கமான மற்றும் மீண்டும் மீண்டும் செய்யக்கூடிய வேலைகள் தானியங்கி அமைப்புகளுக்கு ஒதுக்கப்படுகின்றன. தகவல் தொழில்நுட்பத் துறையில் ஆட்டோமேஷனுக்கான ஒரு பொதுவான எடுத்துக்காட்டு இணைய அடிப்படையிலான பயனர் இடைமுகங்களின் சோதனையை தானியக்கமாக்குவதாகும். சோதனை வழக்குகள் ஆட்டோமேஷன் ஸ்கிரிப்ட்களில் வழங்கப்படுகின்றன மற்றும் பயனர் இடைமுகங்கள் அதற்கேற்ப சோதிக்கப்படுகின்றன. (இயந்திர கற்றலின் நடைமுறை பயன்பாடுகளைப் பற்றி மேலும் அறிய, அடுத்த தலைமுறை மோசடி கண்டறிதலில் இயந்திர கற்றல் மற்றும் ஹடூப்பைப் பார்க்கவும்.)

தன்னியக்கவாக்கத்திற்கு ஆதரவான வாதம் என்னவென்றால், இது வழக்கமான மற்றும் மீண்டும் மீண்டும் செய்யக்கூடிய பணிகளைச் செய்கிறது மற்றும் மிகவும் சிக்கலான மற்றும் ஆக்கபூர்வமான பணிகளைச் செய்ய ஊழியர்களை விடுவிக்கிறது. இருப்பினும், ஆட்டோமேஷன் முன்னர் மனிதர்களால் நிகழ்த்தப்பட்ட நிறைய வேலைகள் அல்லது பாத்திரங்களை இடம்பெயர்ந்துள்ளது என்றும் வாதிடப்படுகிறது. இப்போது, ​​இயந்திர கற்றல் பல்வேறு தொழில்களில் நுழைவதைக் கண்டுபிடிப்பதால், ஆட்டோமேஷன் ஒரு புதிய பரிமாணத்தை முழுவதுமாக சேர்க்கக்கூடும்.

ஆட்டோமேஷன் இயந்திர கற்றலின் எதிர்காலமா?

இயந்திரக் கற்றலின் சாராம்சம் என்பது தரவுகளிலிருந்து தொடர்ச்சியாகக் கற்றுக்கொள்வதற்கும் மனிதர்களின் தலையீடு இல்லாமல் உருவாகுவதற்கும் அமைப்புகளின் திறன் ஆகும். இயந்திர கற்றல் மனித மூளையைப் போல நடந்து கொள்ளும் திறன் கொண்டது. எடுத்துக்காட்டாக, ஈ-காமர்ஸ் வலைத்தளத்தின் பரிந்துரை இயந்திரம் பயனரின் தனிப்பட்ட விருப்பங்களையும் சுவைகளையும் மதிப்பிடலாம் மற்றும் பயனரின் விருப்பங்களுக்கு ஏற்ற தயாரிப்புகள் மற்றும் சேவைகளில் பரிந்துரைகளை வழங்க முடியும். இந்த திறனைக் கருத்தில் கொண்டு, பெரிய தரவு மற்றும் பகுப்பாய்வு தொடர்பான சிக்கலான பணிகளை தானியக்கமாக்குவதற்கு இயந்திர கற்றல் சிறந்ததாகக் கருதப்படுகிறது. வழக்கமான மனித தலையீடு இல்லாமல் செயல்பட முடியாத பாரம்பரிய ஆட்டோமேஷன் அமைப்புகளின் முக்கிய வரம்பை இது ஏற்கனவே கடந்துள்ளது. இயந்திரக் கற்றல் அதிநவீன தரவு பகுப்பாய்வு பணிகளை முடிக்க வல்லது என்பதைக் காட்ட பல வழக்கு ஆய்வுகள் உள்ளன, இந்த கட்டுரையில் பின்னர் விவாதிக்கப்படும்.

ஏற்கனவே சுட்டிக்காட்டியுள்ளபடி, பெரிய தரவு பகுப்பாய்வு என்பது நிறுவனங்களுக்கு ஒரு சவாலான கருத்தாகும், மேலும் இது இயந்திர கற்றல் அமைப்புகளுக்கு ஓரளவு ஒப்படைக்கப்படலாம். ஒரு வணிகத்தின் கண்ணோட்டத்தில், இது மிகவும் ஆக்கபூர்வமான மற்றும் முக்கியமான பணிகளுக்கு தரவு அறிவியல் வளங்களை விடுவித்தல், அதிக அளவு வேலை முடித்தல், பணிகளை முடிக்க குறைந்த நேரம் மற்றும் செலவு செயல்திறன் போன்ற பல நன்மைகளை கொண்டு வர முடியும்.

பிழைகள் இல்லை, மன அழுத்தமும் இல்லை - உங்கள் வாழ்க்கையை அழிக்காமல் வாழ்க்கையை மாற்றும் மென்பொருளை உருவாக்குவதற்கான படி வழிகாட்டியின் படி

மென்பொருள் தரத்தைப் பற்றி யாரும் அக்கறை கொள்ளாதபோது உங்கள் நிரலாக்க திறன்களை மேம்படுத்த முடியாது.

வழக்கு ஆய்வு

2015 ஆம் ஆண்டில் எம்ஐடி ஆராய்ச்சியாளர்கள் ஒரு தரவு அறிவியல் கருவியில் பணியாற்றத் தொடங்கினர், இது டீப் ஃபீச்சர் சின்தெஸிஸ் அல்காரிதம் எனப்படும் ஒரு நுட்பத்தைப் பயன்படுத்தி மூல தரவுகளின் பெரிய அளவிலிருந்து முன்கணிப்பு தரவு மாதிரிகளை உருவாக்கும் திறன் கொண்டது. இயந்திர கற்றலின் சிறந்த அம்சங்களை ஒன்றிணைக்க முடியும் என்று விஞ்ஞானிகள் கூறும் வழிமுறை. விஞ்ஞானிகளின் கூற்றுப்படி, அவர்கள் ஏற்கனவே மூன்று வெவ்வேறு தரவுத் தொகுப்புகளில் வழிமுறையை சோதித்துள்ளனர், மேலும் சோதனைத் திறனை மேலும் தரவுத் தொகுப்புகளுக்கு விரிவுபடுத்த உள்ளனர். அவர்கள் அதை எவ்வாறு செய்கிறார்கள் என்பதை விவரிக்கும் ஆராய்ச்சியாளர்கள் ஜேம்ஸ் மேக்ஸ் கான்டர் மற்றும் கல்யாண் வீரமச்சனேனி ஆகியோர் ஒரு சர்வதேச தரவு அறிவியல் மற்றும் பகுப்பாய்வு மாநாட்டில் வழங்கப்படவுள்ள ஒரு ஆய்வறிக்கையில், “ஒரு ஆட்டோ-ட்யூனிங் செயல்முறையைப் பயன்படுத்தி, மனிதர்களின் ஈடுபாடின்றி முழு பாதையையும் மேம்படுத்துகிறோம், அதை பொதுமைப்படுத்த உதவுகிறது வெவ்வேறு தரவுத்தொகுப்புகளுக்கு. "

பணி எவ்வளவு சிக்கலானது என்பதை ஆராய்வோம்: வழிமுறை தானாக-சரிப்படுத்தும் திறன் எனப்படும் ஒரு திறனைக் கொண்டுள்ளது, இதன் உதவியுடன் வயது அல்லது பாலினம் போன்ற மூல தரவுகளிலிருந்து நுண்ணறிவு அல்லது மதிப்புகளைப் பெறுகிறது அல்லது பிரித்தெடுக்கிறது, அதன் பிறகு, முன்கணிப்பு தரவு மாதிரிகளை உருவாக்க முடியும். இந்த வழிமுறை சிக்கலான கணித செயல்பாடுகளையும் காஸியன் கோபுலா எனப்படும் நிகழ்தகவு கோட்பாட்டையும் பயன்படுத்துகிறது. எனவே, வழிமுறை கையாளக்கூடிய சிக்கலான அளவை புரிந்துகொள்வது எளிது. இந்த நுட்பம் போட்டிகளிலும் பரிசுகளை வென்றுள்ளது.

இயந்திர கற்றல் வேலைகளை மாற்றக்கூடும்

இயந்திரக் கற்றல் பல வேலைகளை மாற்றக்கூடும் என்று உலகம் முழுவதும் விவாதிக்கப்படுகிறது, ஏனெனில் இது ஒரு மனித மூளையின் செயல்திறனுடன் பணிகளைச் செய்கிறது. உண்மையில், இயந்திர கற்றல் தரவு விஞ்ஞானிகளை மாற்றும் என்பதில் சில கவலைகள் உள்ளன - மேலும் இதுபோன்ற அச்சங்களுக்கு அடிப்படை இருப்பதாகத் தெரிகிறது.

தரவு பகுப்பாய்வு திறன் இல்லாத பொதுவான பயனர்களுக்கு, ஆனால் அவர்களின் அன்றாட வாழ்க்கையில் பல்வேறு அளவுகளில் பகுப்பாய்வு தேவைப்படுவதால், பெரிய தரவு தொகுதிகளை பகுப்பாய்வு செய்யக்கூடிய மற்றும் பகுப்பாய்வுகளை வழங்கக்கூடிய கணினிகள் இருப்பது சாத்தியமில்லை. ஆனால் இயற்கையான மொழி செயலாக்கம் (என்.எல்.பி) தொழில்நுட்பங்கள் மனிதர்களின் இயற்கையான, பேசும் மொழியை ஏற்றுக்கொள்ளவும் செயலாக்கவும் கணினிகளைக் கற்பிப்பதன் மூலம் இந்த வரம்பைக் கடக்க முடியும். அந்த வகையில், பொதுவான பயனருக்கு அதிநவீன பகுப்பாய்வு திறன்கள் அல்லது திறன்கள் தேவையில்லை.

தரவு விஞ்ஞானிகளின் தேவையை அதன் தயாரிப்பு வாட்சன் இயற்கை மொழி பகுப்பாய்வு தளத்துடன் குறைக்கலாம் அல்லது அகற்றலாம் என்று ஐபிஎம் நம்புகிறது. வாட்சன் அனலிட்டிக்ஸ் மற்றும் பிசினஸ் இன்டலிஜென்ஸின் துணைத் தலைவரான மார்க் அட்சுல்லரின் கூற்றுப்படி, “வாட்சனைப் போன்ற ஒரு அறிவாற்றல் அமைப்புடன் நீங்கள் உங்கள் கேள்வியைக் கொண்டு வருகிறீர்கள் - அல்லது உங்களிடம் கேள்வி இல்லை என்றால் உங்கள் தரவைப் பதிவேற்றலாம், வாட்சன் அதைப் பார்த்து ஊகிக்க முடியும் நீங்கள் தெரிந்து கொள்ள விரும்புவது என்ன. "

முடிவுரை

ஆட்டோமேஷன் என்பது இயந்திரக் கற்றலுக்கான அடுத்த தர்க்கரீதியான படியாகும், மேலும் இ-காமர்ஸ் வலைத்தளங்கள், நண்பர் பரிந்துரைகள், சென்டர் நெட்வொர்க்கிங் பரிந்துரைகள் மற்றும் ஏர்பின்ப் தேடல் தரவரிசைகளில் - நம் அன்றாட வாழ்க்கையில் அதன் விளைவுகளை நாங்கள் ஏற்கனவே அனுபவித்து வருகிறோம். கொடுக்கப்பட்ட எடுத்துக்காட்டுகளைக் கருத்தில் கொண்டு, தானியங்கி இயந்திர கற்றல் அமைப்புகளால் உற்பத்தி செய்யப்படும் வெளியீட்டின் தரம் குறித்து எந்த சந்தேகமும் இல்லை. அதன் அனைத்து குணங்கள் மற்றும் நன்மைகளுக்காக, இயந்திர வேலையின்மை பெரும் வேலையின்மையை ஏற்படுத்தும் என்ற எண்ணம் அதிகப்படியான எதிர்வினையாகத் தோன்றலாம். இயந்திரங்கள் பல தசாப்தங்களாக நம் வாழ்வின் பல பகுதிகளில் மனிதர்களை மாற்றியமைத்து வருகின்றன, ஆனாலும், மனிதர்கள் உருவாகி, தொழில்துறையில் பொருத்தமானவர்களாக இருக்க தழுவி வருகின்றனர். முன்னோக்கைப் பொறுத்து, இயந்திரக் கற்றல், அதன் அனைத்து சீர்குலைவுக்கும், இதுபோன்ற மற்றொரு அலைதான் மக்கள் மாற்றியமைக்கும்.