ในขณะที่เรายังคง 'ว้าว' ในการใช้งานเทคโนโลยีการเรียนรู้ของเครื่องจักรในช่วงแรก ๆ แต่มันก็ยังคงมีการพัฒนาอย่างรวดเร็ว ทำให้เรารู้จักกับอัลกอริธึมและสาขาขั้นสูงเพิ่มเติมเช่น "การเรียนรู้เชิงลึก" การเรียนรู้เชิงลึกใช้อัลกอริธึมที่เรียกว่า โครงข่ายประสาทเทียม ซึ่งได้รับการแรงบันดาลใจจากวิธีที่ระบบประสาททางชีวภาพ เช่น สมอง ในการประมวลผลข้อมูล ช่วยให้คอมพิวเตอร์สามารถระบุทุกข้อมูลของสิ่งที่เป็นตัวแทนและเรียนรู้รูปแบบ
เครื่องมือซอฟต์แวร์หลักของการเรียนรู้เชิงลึกคือ TensorFlow เป็นห้องสมุดปัญญาประดิษฐ์แบบโอเพ่นซอร์ส โดยใช้กราฟกระแสข้อมูลเพื่อสร้างแบบจำลอง ช่วยให้นักพัฒนาสามารถสร้างโครงข่ายประสาทเทียมขนาดใหญ่ที่มีหลายเลเยอร์ได้ TensorFlow ส่วนใหญ่จะใช้สำหรับ: การจำแนกประเภท การรับรู้ ความเข้าใจ การค้นพบ การทำนาย และการสร้างสรรค์
กรณีการใช้งานหลักของ TensorFlow
- การจดจำเสียง/เสียง
หนึ่งในการใช้งาน TensorFlow ที่เป็นที่รู้จักมากที่สุดคือแอปพลิเคชันที่ใช้เสียง ด้วยการป้อนข้อมูลที่เหมาะสม โครงข่ายประสาทเทียมจึงสามารถเข้าใจสัญญาณเสียงได้ สิ่งเหล่านี้อาจเป็น:
- การจดจำเสียง — ส่วนใหญ่ใช้ใน IoT, ยานยนต์, ความปลอดภัย และ UX/UI
- การค้นหาด้วยเสียง — ส่วนใหญ่ใช้ในโทรคมนาคม ผู้ผลิตโทรศัพท์มือถือ
- การวิเคราะห์ความรู้สึก — ส่วนใหญ่ใช้ใน CRM
- การตรวจจับข้อบกพร่อง (เสียงเครื่องยนต์) — ส่วนใหญ่ใช้ในยานยนต์และการบิน
ในกรณีการใช้งานทั่วไป เราทุกคนคุ้นเคยกับการค้นหาด้วยเสียงและผู้ช่วยที่สั่งงานด้วยเสียงด้วยสมาร์ทโฟนรุ่นใหม่ เช่น Siri ของ Apple, Google Now สำหรับ Android และ Microsoft Cortana สำหรับ Windows Phone
ความเข้าใจภาษาเป็นอีกกรณีการใช้งานทั่วไปสำหรับการจดจำเสียง แอปพลิเคชันแปลงคำพูดเป็นข้อความสามารถใช้เพื่อระบุตัวอย่างเสียงในไฟล์เสียงขนาดใหญ่ และถอดเสียงคำพูดเป็นข้อความ
แอปพลิเคชันที่ใช้เสียงยังสามารถใช้ใน CRM ได้อีกด้วย สถานการณ์กรณีการใช้งานอาจเป็น: อัลกอริธึม TensorFlow ทำหน้าที่แทนฝ่ายบริการลูกค้า และกำหนดเส้นทางลูกค้าไปยังข้อมูลที่เกี่ยวข้องที่พวกเขาต้องการ และเร็วกว่าตัวแทน
- แอปพลิเคชันแบบข้อความ
การใช้งานที่ได้รับความนิยมเพิ่มเติมของ TensorFlow ได้แก่ แอปพลิเคชันแบบข้อความ เช่น การวิเคราะห์เชิงอารมณ์ (CRM, โซเชียลมีเดีย), การตรวจจับภัยคุกคาม (โซเชียลมีเดีย, รัฐบาล) และการตรวจจับการฉ้อโกง (ประกันภัย, การเงิน)
การตรวจจับภาษา เป็นหนึ่งในการใช้งานแอปพลิเคชันแบบข้อความที่ได้รับความนิยมมากที่สุด
- เราทุกคนรู้จัก Google แปลภาษา ซึ่งรองรับมากกว่า 100 ภาษาในการแปลจากภาษาหนึ่งไปอีกภาษาหนึ่ง เวอร์ชันที่พัฒนาแล้วสามารถใช้ได้ในหลายกรณี เช่น การแปลศัพท์เฉพาะทางกฎหมายในสัญญาเป็นภาษาธรรมดา
- การสรุปข้อความ
Google ยังพบว่าสำหรับข้อความที่สั้นกว่านั้น สามารถเรียนรู้การสรุปได้ด้วยเทคนิคที่เรียกว่าการเรียนรู้แบบลำดับต่อลำดับ สามารถใช้สร้างหัวข้อข่าวสำหรับบทความข่าวได้ ด้านล่างนี้ คุณสามารถดู "ตัวอย่าง" โดยที่โมเดลอ่านข้อความในบทความและเขียนหัวข้อข่าวที่เหมาะสม
ข้อมูล: บทความที่ 1 ประโยคพาดหัวที่เป็นต้นแบบตั้งแต่วันที่ 1 กรกฎาคม จังหวัดเกาะไห่หนานทางตอนใต้ของประเทศจีนจะใช้การควบคุมการเข้าถึงตลาดอย่างเข้มงวดสำหรับปศุสัตว์และผลิตภัณฑ์จากสัตว์ที่เข้ามาทั้งหมด เพื่อป้องกันการแพร่กระจายของโรคระบาดที่อาจเกิดขึ้นไปยัง ระงับการแพร่กระจายของโรค
- กรณีการใช้งานอื่นของ Google คือ SmartReply มันสร้างการตอบกลับทางอีเมลโดยอัตโนมัติ (ต้องการเวอร์ชันที่พัฒนาแล้วของเวอร์ชันนี้ที่ทำธุรกิจของเราในนามของเรา)
- การจดจำรูปภาพ
ส่วนใหญ่ใช้โดยผู้ผลิตโซเชียลมีเดีย โทรคมนาคม และโทรศัพท์มือถือ การจดจำใบหน้า การค้นหารูปภาพ การตรวจจับความเคลื่อนไหว แมชชีนวิชัน และการจัดกลุ่มภาพถ่าย ยังสามารถนำมาใช้ในอุตสาหกรรมยานยนต์ การบิน และการดูแลสุขภาพได้ด้วย การรู้จำรูปภาพมีจุดมุ่งหมายเพื่อจดจำและระบุบุคคลและวัตถุในภาพตลอดจนการทำความเข้าใจเนื้อหาและบริบท
อัลกอริธึมการรู้จำวัตถุ TensorFlow จะจัดประเภทและระบุวัตถุที่ต้องการภายในรูปภาพขนาดใหญ่ โดยปกติจะใช้ในการใช้งานทางวิศวกรรมเพื่อระบุรูปร่างสำหรับวัตถุประสงค์ในการสร้างแบบจำลอง (การสร้างพื้นที่ 3 มิติจากภาพ 2 มิติ) และโดยเครือข่ายโซเชียลสำหรับการแท็กภาพถ่าย (Deep Face ของ Facebook) ตัวอย่างเช่น ด้วยการวิเคราะห์ภาพถ่ายต้นไม้หลายพันภาพ เทคโนโลยีนี้สามารถเรียนรู้ที่จะระบุต้นไม้ที่ไม่เคยเห็นมาก่อน
การจดจำรูปภาพกำลังเริ่มขยายตัวในอุตสาหกรรมการดูแลสุขภาพเช่นกัน โดยที่อัลกอริธึม TensorFlow สามารถประมวลผลข้อมูลได้มากขึ้นและมองเห็นรูปแบบได้มากกว่ามนุษย์ ขณะนี้คอมพิวเตอร์สามารถตรวจสอบการสแกนและตรวจพบการเจ็บป่วยได้มากกว่ามนุษย์
<แข็งแกร่ง>4. อนุกรมเวลา
อัลกอริธึมอนุกรมเวลา TensorFlow ใช้สำหรับการวิเคราะห์ข้อมูลอนุกรมเวลาเพื่อแยกสถิติที่มีความหมาย อนุญาตให้คาดการณ์ช่วงเวลาที่ไม่เฉพาะเจาะจงได้ นอกเหนือจากการสร้างอนุกรมเวลาเวอร์ชันอื่น
กรณีการใช้งานที่พบบ่อยที่สุดสำหรับอนุกรมเวลาคือ คำแนะนำ คุณคงเคยได้ยินเกี่ยวกับการใช้งานนี้จาก Amazon, Google, Facebook และ Netflix โดยที่พวกเขาวิเคราะห์กิจกรรมของลูกค้าและเปรียบเทียบกับผู้ใช้รายอื่นหลายล้านคนเพื่อพิจารณาว่าลูกค้าอาจต้องการซื้อหรือรับชมอะไร คำแนะนำเหล่านี้ฉลาดขึ้นเรื่อยๆ เช่น เสนอบางสิ่งให้คุณเป็นของขวัญ (ไม่ใช่สำหรับตัวคุณเอง) หรือรายการทีวีที่สมาชิกในครอบครัวของคุณอาจชอบ
การใช้งานอื่นๆ ของอัลกอริธึมอนุกรมเวลา TensorFlow ส่วนใหญ่เป็นสาขาที่สนใจในด้านการเงิน การบัญชี รัฐบาล ความปลอดภัย และ IoT พร้อมการตรวจจับความเสี่ยง การวิเคราะห์เชิงคาดการณ์ และการวางแผนองค์กร/ทรัพยากร
<แข็งแกร่ง>5. การตรวจจับวิดีโอ
โครงข่ายประสาทเทียม TensorFlow ยังทำงานกับข้อมูลวิดีโออีกด้วย ซึ่งส่วนใหญ่จะใช้ในการตรวจจับการเคลื่อนไหว การตรวจจับเธรดแบบเรียลไทม์ในการเล่นเกม ความปลอดภัย สนามบิน และฟิลด์ UX/UI เมื่อเร็วๆ นี้ มหาวิทยาลัยต่างๆ กำลังทำงานเกี่ยวกับชุดข้อมูลการจัดหมวดหมู่วิดีโอขนาดใหญ่ เช่น YouTube-8M โดยมีเป้าหมายเพื่อเร่งการวิจัยเกี่ยวกับความเข้าใจในวิดีโอขนาดใหญ่ การเรียนรู้แบบเป็นตัวแทน การสร้างโมเดลข้อมูลที่มีสัญญาณรบกวน การเรียนรู้การถ่ายโอน และแนวทางการปรับโดเมนสำหรับวิดีโอ
โบนัส: นี่อาจไม่ใช่การใช้งานทั่วไปแต่มันเป็นเรื่องของชีวิตและความตาย – ถ้าคุณชมภาพยนตร์อเมริกัน คุณจะรู้! — และได้รับเลือกให้เป็นโครงการ 20 อันดับแรกของโลก (ผู้เข้ารอบสุดท้ายระดับโลก) NASA กำลังออกแบบระบบด้วย TensorFlow สำหรับการจำแนกวงโคจรและการจัดกลุ่มวัตถุของดาวเคราะห์น้อย เป็นผลให้พวกเขาสามารถจำแนกและทำนาย NEO (วัตถุใกล้โลก)
เนื่องจาก TensorFlow เป็นไลบรารีโอเพ่นซอร์ส เราจะได้เห็นกรณีการใช้งานที่เป็นนวัตกรรมอีกมากมายเร็วๆ นี้ ซึ่งจะมีอิทธิพลต่อกันและกันและมีส่วนสนับสนุนเทคโนโลยี Machine Learning
โพสต์นี้เดิมถูกโพสต์ที่ www.exastax.com/blog
