Εμφανιζόμενη ανάρτηση

ΦΟΡΗΤΗ ΜΑΘΗΣΗ στη Β'ΘΜΙΑ ΕΚΠ/ΣΗ: Η αρχή

Η φορητή μάθηση, ή μάθηση μέσω προσωπικών ηλεκτρονικών συσκευών (m-learning), εξαπλώνεται με μάλλον αργούς ρυθμούς διεθνώς, συγ...

Σάββατο, 17 Ιουνίου 2017

Επεκτείνοντας τις δυνατότητες των εφαρμογών για φορητές συσκευές με την τεχνολογία της Μηχανικής Μάθησης

Ακούμε συχνά τον όρο "Machine Learning"; Η Wikipedia δίνει έναν πολύ απλό ορισμό για τον όρο αυτόν: Η Μηχανική Μάθηση (Machine Learning) είναι ένα υποπεδίο της Πληροφορικής που, σύμφωνα με τον Arthur Samuel το 1959, δίνει στους υπολογιστές την ικανότητα να μαθαίνουν χωρίς να έχουν προγραμματιστεί ρητά για κάτι συγκεκριμένο. Στην πραγματικότητα πρόκειται για το μέλλον της τεχνολογίας και  μπορεί να προσφέρει τρομακτική προστιθέμενη αξία στις εφαρμογές για φορητές συσκευές. 

Ο όρος "Τεχνητή Νοημοσύνη" συχνά εμφανίζεται όταν μιλάμε για Μηχανική Μάθηση. Ωστόσο, οι δυο αυτοί όροι δεν είναι ακριβώς οι ίδιοι αν και και υπάρχει μια γραμμή σύνδεσης μεταξύ τους.

Η Τεχνητή Νοημοσύνη (Artificial Intelligence) αναφέρεται στη νοημοσύνη που επιδεικνύουν οι μηχανές, οι οποίες εκτελούν εργασίες που κανονικά απαιτούν ανθρώπινη νοημοσύνη. Η τεχνολογία της Μηχανικής Μάθησης είναι μια τρέχουσα εφαρμογή της Τεχνητής Νοημοσύνης που βασίζεται στην ιδέα ότι πρέπει να δίνουμε στις μηχανές πρόσβαση σε δεδομένα και να τις αφήνουμε να μαθαίνουν μόνες τους. Τα εργαλεία και οι εφαρμογές της Μηχανικής Μάθησης κερδίζουν ολοένα και μεγαλύτερη αποδοχή σε διάφορα δημοφιλή εμπορικά σήματα ηλεκτρονικού εμπορίου. Οι έμποροι λιανικής, όπως το Αmazon, το eBay και οι καταναλωτικές ιστοσελίδες, όπως το Lenskart χρησιμοποιούν αλγορίθμους Μηχανικής Μάθησης για να διαχειριστούν διάφορες πτυχές των επιχειρήσεών τους.

Ας δούμε βαθύτερα τις τους διαφορετικούς τρόπους με τους οποίους η Μηχανική Μάθηση μπορεί να ενσωματωθεί με επιτυχία στις εφαρμογές για φορητές συσκευές. Κάποιες βασικές λειτουργίες μπορούν να προσομοιωθούν αν επιτρέψουμε στις μηχανές να αρχίσουν να εκτελούν μόνες τους κάποιες διεργασίες χρησιμοποιώντας τη δική τους νοημοσύνη. Αυτό σίγουρα εξοικονομεί πολύ χρόνο και εξαλείφει επίσης το ανθρώπινο λάθος. Το θέμα είναι με ποιον τρόπο αυτή η τεχνολογία μπορεί να ενσωματωθεί στις εφαρμογές για κινητές συσκευές. Τα παρακάτω σημεία θα απαντήσουν σε αυτό το ερώτημα.

Αναζήτηση προϊόντων
Τα εργαλεία Μηχανικής Μάθησης βοηθούν τους χρήστες στην κατανόηση των ερωτημάτων, την αξιολογική κατάταξη, τα αγαπημένα, τις επεκτάσεις κ.α. και τους παρέχουν πληροφορίες που είναι πιο συναφείς με τα προϊόντα που αυτοί αναζητούν. Οι πληροφορίες προέρχονται από δεδομένα συμπεριφοράς από το ιστορικό αναζητήσεων, από σημασιολογικά συμπεράσματα, από το πορτραίτο του χρήστη κ.α. προκειμένου να δημιουργηθούν υπό-ομάδες αποτελεσμάτων που θα αντιστοιχούν στα ερωτήματα των χρηστών.

Σύσταση επιλογής προϊόντων
Βασίζεται σε μεθόδους φιλτραρίσματος, στην ανάλυση περιεχομένου ιστοτόπων, σε μοτίβα αγοράς, στη συμπεριφορά του χρήστη καθώς επίσης και στην λογική της επιχείρησης που κάνουν τα αποτελέσματα των αναζητήσεων πιο συναφή.

Πρόβλεψη τάσεων
Είναι κρίσιμο για κάθε φίρμα ηλεκτρονικού εμπορίου να μελετά τις μεταβαλλόμενες τάσεις και να αντιδρά γρήγορα με προϊόντα και υπηρεσίες που ταιριάζουν με αυτές. Η Μηχανική Μάθηση μπορεί να  συνδυάσει αυτές τις τάσεις με πληροφορίες πωλήσεων από διάφορες πηγές (κοινωνικά δίκτυα, ψηφιακές αναφορές, μπλογκς κ.α.) για να κάνει προβλέψεις σε πραγματικό χρόνο

Ανίχνευση και πρόβλεψη απάτης
Αναφορές δείχνουν ότι η βιομηχανία ηλεκτρονικού εμπορίου είναι γεμάτη από απάτες.  Η τεχνική της Μηχανικής Μάθησης κατασκευάζει αμυντικά συστήματα που βελτιώνουν τη συνεχή παρακολούθηση και ενεργοποιούν τους σχετικούς συναγερμούς.

Συμπέρασμα
Ας φανταστούμε έναν κόσμο, όπου ρομπότς ή ανθρωποειδή θα μαγειρεύουν το αγαπημένο μας πιάτο ή θα καθαρίζουν το σπίτι για εμάς. Αυτό ακούγεται σαν μία σκηνή από την ταινία επιστημονικής φαντασίας i.Robot. Κι όμως, αυτό μπορεί να είναι μια πραγματικότητα. Η βασική ιδέα της Μηχανικής Μάθησης μπορεί να μετατρέψει αυτήν τη φαντασία σε πραγματικότητα.

Ναι, αυτό το μακρινό μέλλον είναι σχεδόν εδώ. Πρόκειται να εισέλθουμε στη σύγχρονη εποχή των Μηχανών. Και όπως ο Pedro Domingos ανέφερε πολύ σωστά:

"Οι άνθρωποι ανησυχούν ότι οι Υπολογιστές θα γίνουν υπερβολικά έξυπνοι και θα αναλάβουν τον κόσμο, αλλά το πραγματικό πρόβλημα είναι ότι (οι υπολογιστές) είναι υπερβολικά ηλίθιοι και ήδη έχουν αναλάβει τον κόσμο"

ΠΗΓΗ: BDAILY
(Απόδοση στα ελληνικά: Μανόλης Κουσλόγλου)