Allein der erste Satz hier von Stepanie Yee und Tony Chu ist solide
Beim maschinellen Lernen wenden Computer statistische Lernverfahren an, um automatisch Muster in Daten zu erkennen. Diese Verfahren können verwendet werden, um hochgenaue Vorhersagen zu treffen.
Und was folgt, ist eine dieser zweispaltigen „Scrollytelling“-Websites, die auf unglaubliche Weise ein Konzept entmystifizieren. Wie die Klassifizierung zu einem Entscheidungsbaum ausgebaut wird, ergibt viel Sinn. Und wie man dann neue Daten darauf wirft und es wegen des Konzepts des Overfittings weniger zuverlässig ist, das sie anscheinend als nächstes behandeln werden. Ich bin sicher, es wird sich mit der Korrektur des Modells befassen, was für die Genauigkeit wichtig ist, aber es bedeutet auch, dass es einen Mechanismus zur Behebung von Fehlern gibt. Ich denke immer an Weapons of Math Destruction, wo immer wieder deutlich wurde, dass Algorithmen ohne Korrekturmodell unglaublich gefährlich sein können¹.
Aus welchem Grund auch immer, maschinelles Lernen (ML) ruft eine cool! gute Arbeit Computer! lass uns das benutzen!-Reaktion hervor, während künstliche Intelligenz (KI) stattdessen eine meh. wirre Spielereien. alles nur programmierte Algorithmen am Ende-Reaktion hervorruft.
- Ich nehme an, es gibt Situationen, in denen ML-Ergebnisse nicht wirklich genau sein müssen, sondern nur Spaß machen. Ich habe neulich mit diesem Wombo-Ding herumgespielt, das angeblich per ML Gemälde basierend auf Eingabeaufforderungen erstellt. Die Ergebnisse sind super cool, aber beachte, dass alles, was du damit machst, Wombo gehört.