到 2023 年，很难想象新闻推送中会没有“机器学习”南非电话号码库的概念。预计到 2030 年，该技术的市场规模将达到 2250 亿美元。相比之下，预计 2023 年市场规模将增长至 260 亿美元。
这意味着机器学习将伴随我们很长时间。技术将继续被引入人类生活的各个领域：预测、分类、生成物体。因此，了解什么是机器学习、机器学习是如何出现的、它使用什么方法和技术非常重要。我们将在文章中讨论这个问题。
机器学习的本质
机器学习是人工智能发展的一个方向，模仿人类的思维过程。这里，没有软件执行的明确动作顺序，但有不断的“思考”，就像大脑一样。
机器学习是根据算法从中找到模式的大量数据进行预测。该概念与神经网络相关，神经网络是机器学习的类型之一，通过深度学习来工作。
机器学习算法用于创建以下服务：
- 推荐产品、服务和内容，包括基于用户操作。例如，在Scrumban：理解敏捷方法的完整指南线影院的运作方式如下，根据观看次数提供电影和电视剧
- 他们根据医疗诊所客户的病史、事件等预测未来：可能的趋势、销售量、疾病。机器学习模型确定银行的信用评级并预测可能无法偿还贷款的客户的行为。
- 它们可以识别图像和视频中的物体、理解语音并分析文本。这加快了日常流程，简化了人工工作，甚至确保了安全。例如，使用闭路电视摄像机识别车牌号是一项附加控制。
机器学习的工作原理
- 定义选择标准并收集数据。这些信息量非常大。
- 信息准备——用对 ML 算法识别所需元素很重要的标签来划定信息。如今，标记是由专家进行的，自动化程度较低，因此这个过程很长。
- 检查数据并寻找模式。在这里，发现错误是为了纠正它们，使下一阶段更加准确。
- 选择模型并开始训练。算法处理数据并产生结果。
- 获取并评估算法的性能。在此阶段，错误会被纠正，进一步工作的算法也会被改变。
机器学习的历史
20世纪
机器学习的应用最早可以追溯到上个世纪中叶。 1943 年，科学家沃尔特·皮茨 (Walter Pitts) 和沃伦·麦卡洛克 (Warren McCulloch) 首次复制了神经元。接下来是 1946 年美国陆军的一个秘密项目，该项目旨在通过编程创建表格来提高射击准确性。
学习机器的鼎盛时期是在 20 世纪 50 年代，当时出现了跳棋程序 – 这是由 Joseph Weizbaum、Frank Rosenblatt 和 Arthur Samuel 编写的可以下跳棋的程序。
在同一时期，一种模仿人类大脑工作的神经网络模型（Mark I Perceptron）变得闻名；它是由罗森布拉特 (Rosenblatt) 发明的。 50 年代末，出现了 SNARC——一种执行复杂任务的神经网络。它是由美国人马文·明斯基创建的。
“机器学习”这一概念直到 1959 年才出现，当时它是在美国达特茅斯学院的一次会议上宣布的。
第一个虚拟助手的原型于20世纪60年代推出。这就是 ELIZA 系统，它重现了一种与心理治疗师的对话。在同一十年中，一种可以识别和分类数据的算法被发明了。在 90 年代末，Bernard Widrow 和 Sebastian Thrun 创建了反向传播算法，这是提高神经网络性能的一大步。
80年代，科学家又用科技来玩。这次是国际象棋。卡内基梅隆大学的年轻科学家们发明了ChipTest系统。在此基础上，超级计算机“深蓝”于 90 年代末问世，击败了著名国际象棋选手加里·卡斯帕罗夫。这是首次展示机器学习在预测机器人行为方面威力的人机对抗之一。
21世纪
如今，计算机的性能增强，数据量的增加，推动了机器学习进入瑞典商业名录新的发展阶段。 21世纪初，“深度学习”的概念出现。 2010 年代初成为开启神经网络新项目的时代，尤其是谷歌加入了竞争，早在 2012 年，Google X Lab 团队的算法就学会了识别图片和视频中的猫。 Google Prediction API 也已出现——一项用于分析和机器学习的服务。
巨头亚马逊、微软和 Facebook* 紧随其后，拥有自己的机器学习方法发挥作用的平台。马克·扎克伯格的 DeepFace 技术已经学会了高精度识别人脸。
进入2020年代，机器学习的作用日益增强。技术已经在金融、医疗保健、工业领域发挥作用，应用于交通运输，并将继续融入人们的日常生活。