Q:
Hvorfor taler folk om "vippepunktet" til maskinlæring?
EN:Et betydeligt antal eksperter advarer andre om tanken om, at maskinlæring virkelig skal eksplodere inden for de næste par år som en voksende industri. Som et specifikt element i kunstigt intelligensarbejde bygger maskinlæring på sofistikerede algoritmer og datatræningssæt for at udvikle komplekse sandsynlighedssvar, der kan anvendes til næsten enhver situation eller branche. Med det i tankerne vokser adoption af maskinlæring i virksomhedsfællesskabet nu, da virksomhederne prøver at være de første blandt deres konkurrenter, der virkelig anvender maskinlæring på specifikke måder.
| Gratis download: Machine Learning og Why It Matters |
De forretningsapplikationer er kun en side af den potentielle vækst i maskinlæring. Virksomheder finder også ud af, at smartere teknologier og smartere produkter vil låse op for en ny generation af mere funktionelle forbrugsvarer og tjenester.
Folk taler om "vippepunktet" ved maskinlæring som en perfekt storm af avancement inden for hardware, algoritmer og data. Harvard Business Review nævner alle disse tre i et juli-stykke, der diskuterer den verserende eksplosion af maskinlæring. Selvfølgelig er big data måske den mest trompeterede i tech-pressen; af disse tre elementer er big data allerede eksploderet i løbet af de sidste 10 år. Algoritmerne har imidlertid også udviklet sig ganske markant.
En anden komponent, som så mange mennesker taler om, er den hardware, der driver mere udbredte applikationer til maskinlæring.
I det væsentlige bevæger virksomheder sig mod en proces med at udvikle applikationsspecifikke kredsløb og processorchips, der er lavet til at håndtere maskinlæring, snarere end at tilpasse traditionelle kredsløbskortteknologier til at håndtere det store antal input og beregninger, der er involveret i sandsynlige beslutningstagning. Nogle referenceteknologier, såsom Googles Tensorbehandlingsenhed eller TPU og andre produkter, der er bygget specifikt for at muliggøre beregning af maskinlæring, for eksempel ved hjælp af programmerbare logiske gate-arrays.
Alle disse tendenser mødes for at give et voksende behov for maskinlæringssystemer og færdigheder, som ledere og andre lægger megen opmærksomhed på, da de overvejer fremtidens forretningsteknologi i 2018 og fremover.
