AI
9日常生活からの機械学習の応用
人工知能（AI）はあちこちにあります。可能性は、何らかの方法でそれを使用していて、それについてさえ知らないということです。AIの人気のあるアプリケーションの一つは機械学習（ML）です。この機械学習では、コンピューター、ソフトウェア、およびデバイスが（人間の脳とよく似た）認知を介して実行されます。以下に、日常的に使用している機械学習のいくつかの例を共有します。おそらくさえ数人はそれらが機械学習によって官製されていることを理解していません。 AIのアプリケーションは機械学習です 1.仮想パーソナルアシスタント Siri、Alexa、Google Nowは、仮想パーソナルアシスタントの人気のある例です Siri、Alexa、Google Nowは、仮想パーソナルアシスタントの人気の例です。名前が示すように、このアプリは声で尋ねられたときに情報を見つけるのを助けます。あなたがする必要があるのはそれらを活性化して、「今日の私のスケジュールは何ですか？」や、「ドイツからロンドンへのフライトは何ですか」など、同様の質問をします。答えるために、パーソナルアシスタントは情報を探し、関連するクエリを呼び出し、あるいは情報を収集するために他のリソース（電話アプリなど）にコマンドを送信します。「翌朝の午前6時にアラームを設定」、「明日のビザオフィスへの訪問をリマインドして」などの特定のタスクについてアシスタントに指示することもできます。 機械学習はこれらのパーソナルアシスタントの重要な部分です。なぜなら、彼らは以前の彼らの関与に基づいて情報を収集し、洗練するからです。後で、このデータセットを使用して、好みに合わせた結果を表示します。 仮想アシスタントは、さまざまなプラットフォームに統合されています。例えば： スマートスピーカー：Amazon EchoとGoogle Home スマートフォン：Samsung S8上のSamsung Bixby モバイルアプリ：Google Allo 2.通勤中の予測 Googleマップは便利な住所検索アプリケーションです 交通予測：私たちは皆、GPSナビゲーションサービスを使用しています。その間、現在の位置と速度は、トラフィックを管理するための中央サーバーに保存されています。このデータは、現在のトラフィックのマップを作成するために使用されます。これは交通の防止と渋滞の分析に役立ちますが、根本的な問題はGPSを搭載した車の数が少ないことです。このようなシナリオでの機械学習は、日常の経験に基づいて渋滞が見られる領域を推定するのに役立ちます。 オンライン輸送ネットワーク：タクシーを予約するとき、アプリは乗車料金を見積もります。これらのサービスを共有する場合、どのようにして迂回路を減少しますか？答えは機械学習です。Uber ATCのエンジニアリングリーダーJeff Schneiderはインタビューで、MLを使用してライダーの需要を予測することで価格の急上昇時間を定義していることと言いました。サービスのサイクル全体で、MLが大きな役割を果たしています。 続きを読む：「ベトナムの高品質のオフショアITスタッフィング会社」 3.ビデオ監視 一人が複数のビデオカメラを監視していると想像してください！確かに、やることも退屈なことも難しい仕事です。これが、この仕事をするためにコンピュータを訓練するという考えが理にかなっている理由です。 今日のビデオ監視システムは、犯罪が発生する前にそれを検出することを可能にするAIを搭載しています。彼らは、長時間動かないで立ったり、つまずいたり、ベンチで昼寝したりするなど、人々の変な行動を追跡します。したがって、システムは管理に警告を発し、最終的に事故を回避するのに役立ちます。そして、そのような活動が報告され、真実を確認された場合、それらは監視サービスの改善に役立ちます。これは、バックエンドで仕事をしている機械学習で起こります。 4.ソーシャルメディアサービス ソーシャルメディアプラットフォームは、ニュースフィードのパーソナライズからより適切な広告のターゲティングまで、自分自身とユーザーのために機械学習を利用しています。これらの素晴らしい機能がMLのアプリケーションに過ぎないことを認識せずに、ソーシャルメディアアカウントで気づき、使用し、愛する必要があるいくつかの例を次に示します。 知っているかもしれない人々：機械学習はシンプルな概念で動作します：経験で理解する。Facebookは、接続している友達、頻繁にアクセスするプロファイル、興味、職場、または誰かと共有しているグループなどに継続的ににお知らせます。情報を継続的な受け取るに基づいて、友達になることができるFacebookユーザーの推奨リストを作成します。 顔認識：友達と一緒に自分の写真をアップロードすると、Facebookが即座にその友達を認識します。Facebookは写真のポーズと投影をチェックし、固有の機能に気づき、次にそれらを友達リストの人々と照合します。バックエンドでのプロセス全体は複雑であり、精度係数を処理しますが、フロントエンドでのMLの単純なアプリケーションのようです。 類似のピン：機械学習はコンピュータービジョンの中核要素であり、画像やビデオから有用な情報を抽出する手法です。Pinterestはコンピュータービジョンを使用して画像内のオブジェクト（またはピン）を識別し、それに応じて類似のピンを推奨します。 5.メールスパムとマルウェアフィルタリング 電子メールクライアントが使用するスパムフィルタリングアプローチは多数あります。このスパムフィルターは継続的に更新されることを確認するために、機械学習を利用しています。ルールベースのスパムフィルタリングが行われるとき、スパマーが採用した最新のトリックを追跡できません。Multi Layer Perceptron、C 4.5ディシジョンツリーインダクションは、MLを利用したスパムフィルタリング技術の一部です。 325以上のマルウェアが毎日検出され、コードの各部分は以前のバージョンと同様に90〜98％です。機械学習を利用したシステムセキュリティプログラムは、コーディングパターンを理解します。したがって、2〜10％のバリエーションを持つ新しいマルウェアを簡単に検出し、それらに対する保護を提供します。 6.オンライン顧客サポート 最近の多くのウェブサイトでは、顧客サポート担当者がサイト内をナビゲートしているときにチャットするオプションが提供します。ただし、すべてのウェブサイトが顧客の質問に答えるためのライブのエグゼクティブを持っているわけではありません。ほとんどの場合、チャットボットに話しかけます。このボットは、ウェブサイトから情報を抽出して顧客に言い表する傾向があります。その間、チャットボットは時間とともに進歩します。チャットボットは、ユーザーのクエリをよりよく理解し、より良い答えを提供する傾向があります。これは、その機械学習アルゴリズムにより可能です。 7.検索エンジンの結果の絞り込み Googleおよびその他の検索エンジンは、機械学習を使用して検索結果を改善します Googleや他の検索ツールは、機械学習を使用して検索結果を改善します。検索を実行するたびに、バックエンドのアルゴリズムが結果への応答方法を監視します。上位の結果を開いてウェブページに長時間留まると、検索ツールは、表示された結果がクエリに適当だと想定します。同様に、検索結果の2番とか3番目のページに到達しても、どの結果も開かない場合、検索ツールは、提供された結果が要件を満たしていないと推定します。このように、バックエンドで動作するアルゴリズムは検索結果を改善します。 続きを読む：「ベトナムにオフショア開発センターを建設する方法（A-Z）」 8.製品推奨 […]
