Begeleid versus onbewaakt leren
De termen als leren onder supervisie en leren zonder toezicht worden gebruikt in de context van machine learning en kunstmatige intelligentie, die elke dag aan belang winnen. Machine learning, voor de leek, zijn algoritmen die datagedreven zijn en een machine laten leren met behulp van voorbeelden. Er zijn twee soorten leren; namelijk leren onder toezicht en leren zonder toezicht die studenten in verwarring brengen, aangezien er veel overeenkomsten tussen beide zijn. Ondanks overlappingen zijn er echter verschillen die in dit artikel worden benadrukt.
De komende jaren zullen we waarschijnlijk getuige zijn van een toename van de ontwikkeling van machine learning om het aanpakken van zakelijke problemen gemakkelijker en sneller te maken. Het inhuren van werknemers om eenvoudige zakelijke problemen aan te pakken, zou achterhaald raken met behulp van de concepten van onder toezicht en onbewaakt leren.
Wat is begeleid leren?
Dit is een vorm van leren waarbij machine learning plaatsvindt met behulp van input van gebruikers. Veel van het onderzoek op het gebied van machine learning en kunstmatige intelligentie tot nu toe was gericht op leren onder supervisie. De spammap in uw e-mail raakt bijvoorbeeld vol met soms zelfs belangrijke mails die er onbedoeld naartoe gaan. Het systeem werkt op basis van machine learning dat een algoritme meldt dat betrekking heeft op de analyse van spam. Het systeem gebruikt de informatie om berichten te filteren en ze naar de spammap te sturen, waardoor valse positieven worden verminderd. In een zoekmachine werkt het algoritme op basis van de link waarop als eerste wordt geklikt bij het openen van zoekresultaten. Dit leidt tot verbeteringen in de zoekresultaten voor een gebruiker. Er zijn echter bepaalde nadelen aan begeleid leren, aangezien de machine een vaag idee heeft van wat goed en wat fout is. Deze menselijke feedback legt vaak beperkingen op aan het toekomstige gebruik van begeleid leren.
Wat is leren zonder toezicht?
We leven in een tijd waarin we voortdurend op zoek zijn naar betere prestaties van machines, of het nu gaat om CCTV-gegevens, GPS-gegevens, online transactiegegevens, machinescangegevens, beveiligingsscangegevens, enzovoort. Organisaties en overheden willen dat machines die geen gecontroleerde gegevens van mensen nodig hebben of nodig hebben, betere resultaten opleveren. Dit vereist natuurlijk veel meer inspanningen in de richting van automatisering, en hoewel het onwaarschijnlijk is dat onbewaakt leren in de nabije toekomst begeleid leren zal vervangen, zullen de hybride benaderingen waarschijnlijk in de nabije toekomst opduiken die sneller en meer zullen zijn. efficiënter dan de resultaten die we op dit moment behalen met begeleid leren.
Wat is het verschil tussen gesuperviseerd en niet-gesuperviseerd leren?
• Leren onder toezicht en leren zonder toezicht zijn twee verschillende benaderingen om te werken aan betere automatisering of kunstmatige intelligentie.
• Bij begeleid leren is er menselijke feedback voor betere automatisering, terwijl bij leren zonder toezicht wordt verwacht dat de machine betere prestaties levert zonder menselijke input.
• Hybride benaderingen zijn meer waarschijnlijke oplossingen in de nabije toekomst die gebruik maken van zowel begeleid als onbewaakt leren.
