4 Algorithmen für maschinelles Lernen, die Ihr Leben prägen

Werbung

Software wird schlau. Es ist ein langsamer, ungleichmäßiger Prozess - aber er scheint auch nicht aufzuhalten zu sein. Einer nach dem anderen die harten Probleme von maschinelles Lernen Wie intelligente Software Ihr Leben verändern wirdSkynet kommt und es wird unglaublich beliebt sein. Es entstehen neue KI-Technologien, die unser Leben, Spielen und Arbeiten beeinflussen. Weiterlesen fallen auf leistungsstarke neue theoretische Werkzeuge zurück, mit denen wir Software entwickeln können, die einige wirklich beeindruckende Dinge kann.

Einige Anwendungen, wie selbstfahrende Autos, sind einige Jahre entfernt. Was Sie jedoch möglicherweise nicht erkennen, ist, dass maschinelles Lernen bereits überall um Sie herum ist und einen überraschenden Einfluss auf Ihr Leben ausüben kann. Glaubst du mir nicht? Sie könnten überrascht sein.

Beginnen wir mit einem offensichtlichen Beispiel.

Inhaltsempfehlungen

Wenn Sie in Spotify, Netflix oder im Kindle Store von Amazon stöbern, werden Sie von Algorithmen für maschinelles Lernen beobachtet. Es ist ihre Aufgabe - sie benötigen die Informationen, um Ihnen Empfehlungen zu geben, eine maschinelle Lerntechnologie, die so allgegenwärtig ist, dass Sie vielleicht nie darüber nachgedacht haben.

Es ist überall - aller Wahrscheinlichkeit nach wurden die meisten Medien, die Sie in den letzten Jahren konsumiert haben, von diesen Algorithmen für Sie ausgewählt.

Wenn Sie darüber nachdenken, scheint diese Art von Empfehlung unmöglich. Woher weiß ein Computerprogramm, dass es Ihnen gefällt? Der westliche Flügel? Hat es es gesehen? Fühlt es die Menschlichkeit von Martin Sheens nuancierter Darstellung von Präsident Bartlett? Bekommt es die Witze? Hat es vage die Leidenschaft für Janel Moloney?

Wie sich herausstellt, machen diese Algorithmen genau keines dieser Dinge. Stattdessen ordnen sie Inhalte ausschließlich nach Verwendungszweck. Diese Algorithmen ignorieren die Substanz des Inhalts und konzentrieren sich stattdessen darauf, welche Art von Menschen es mögen und was sie sonst noch mögen.

Wenn Sie sich ansehen, was Ihnen bereits gefällt, kann der Algorithmus herausfinden, welchen erlernten Stereotypen Sie am ähnlichsten sind, und sehr genaue Vermutungen über Ihren Geschmack anstellen. Mögen Sie Die tägliche Show, Häuschen im Wald, und Kartenhaus? Nun, ein schrecklich großer Teil der Leute in dieser Kategorie mag Der westliche Flügel. Die Chancen stehen gut, Sie werden es auch.

Interessanterweise beginnt sich dieser bisher universelle Ansatz zu ändern, da wir an die Grenze dessen gelangen, was Sie aus Nutzungsmustern herausfinden können. Es gibt echte Grenzen, was Sie mit dieser Art von Algorithmus tun können. Nur für den Anfang - Wie bewerten Sie neue Inhalte, die noch keine Ansichten haben?

Es gibt auch das Problem sinkender Renditen. Netflix ist gut in Empfehlungen Der ultimative Netflix-Leitfaden: Alles, was Sie schon immer über Netflix wissen wolltenDieses Handbuch bietet alles, was Sie über die Verwendung von Netflix wissen müssen. Egal, ob Sie ein neuer Abonnent oder ein etablierter Fan des besten Streaming-Dienstes sind. Weiterlesen , aber sie werden mit den vorhandenen Techniken nicht viel besser. Im Jahr 2009 hatte Netflix eine eine Million Dollar Wettbewerb um eine überlegene Version seines Empfehlungsalgorithmus zu finden, verbesserte der Gewinner die Empfehlungen nur um etwa 10%. Seitdem sind die Verbesserungen noch geringer. Irgendwann wäre der einzige Weg, es viel besser zu machen, Computer tatsächlich zu lehren, Kunst zu verstehen.

Genau das tun Tech-Unternehmen.

Im vergangenen Jahr hat ein Spotify-Praktikant namens Sander Dieleman eine leistungsstarke Technologie für maschinelles Lernen namens „tiefes Lernen Microsoft gegen Google - Wer führt das Rennen um künstliche Intelligenz an?Forscher für künstliche Intelligenz machen greifbare Fortschritte, und die Leute beginnen wieder ernsthaft über KI zu sprechen. Die beiden Titanen, die das Rennen um künstliche Intelligenz anführen, sind Google und Microsoft. Weiterlesen ”In ihre Datenbank, damit das Programm lernen kann, Musik zu analysieren. Das neuronale Netzwerk erkannte automatisch - unter Verwendung von nichts als rohen Audiodaten - unterschiedliche Muster in der Musik.

Ein niedriges Neuron feuerte nur als Reaktion auf Vibrato-Gesang. Tiefer im Netzwerk befand sich ein Neuron, das gelernt hatte, christlichen Fels zu identifizieren. Ein anderer feuerte für Chiptunes und 8-Bit-Musik 8-Bit-Musik machen: Eine Einführung in kostenlose Chiptune-MusiktrackerHier finden Sie alle Tools, die Sie zum Erstellen Ihrer eigenen Chiptune-Musik benötigen. Weiterlesen . Ein anderer feuerte nur für Armin Van Buren. Viele andere waren namenlos, drückten aber dennoch eine bedeutungsvolle Eigenschaft der Musik aus.

Hier ist eine Karte, die Dieleman von jedem Künstler auf Spotify erstellt hat, gruppiert nach ihrer Ähnlichkeit untereinander.

(Im Ernst, die Blogbeitrag dazu ist faszinierend - lesen Sie es).

Alle diese Funktionen zusammen bieten viel reichhaltigere Gründe für Empfehlungen, da das System Songs empfehlen kann, nicht nur von denen, die sie sonst mögen, sondern auch von ihren tatsächlichen abstrakten Eigenschaften. Spotify hat dies noch nicht für Verbraucher eingeführt, aber es ist nur eine Frage der Zeit. Jetzt sofort, Spotify optimal nutzen Nutzen Sie Spotify mit diesen Top-Tipps und Tricks besserWenn Sie Zeit und Geld in Wiedergabelisten und ein Abonnement investiert haben, ist es sinnvoll, einige der weniger bekannten Funktionen und Besonderheiten des Spotify-Clients kennenzulernen. Es ist nicht zu leugnen, dass ... Weiterlesen erfordert einige spezifische Tricks und Know-how. In Zukunft kann dies automatisch geschehen.

Könnte das auch für Filme gemacht werden?

Das kommt nicht in Frage. Google hat bereits einen Algorithmus, der dies kann ein Foto verstehen gut genug, um es auf Englisch mit einem angemessenen Maß an Genauigkeit zu beschreiben. Der Google-Forscher Geoffrey Hinton, bekannt als "Vater der neuronalen Netze", sagte in seinem Reddit AMA dass er enttäuscht sein wird, wenn wir keinen Algorithmus haben, der die Ereignisse eines Films innerhalb von fünf Jahren beschreiben kann. Diese Art von analytischen Fähigkeiten wäre a Menge von zusätzlichen Informationen, die Netflix verwenden könnte, um intelligentere Filmempfehlungen abzugeben.

Hochfrequenzhandel

Ein weiterer Bereich, an den wir nicht oft denken, ist der algorithmische Handel. Im Jahr 2012 die Hälfte von allen Börsengeschäfte Die 5 besten Investment Apps für absolute AnfängerSie möchten anfangen zu investieren, haben aber keine Ahnung, wo Sie anfangen sollen? Schauen Sie sich diese Investment-Apps an, die perfekt für Anfänger geeignet sind. Weiterlesen wurden von Computerprogrammen gemacht. Warum? Weil Menschen langsam sind. Marktereignisse können innerhalb von Millisekunden auftreten. Menschen können Informationen nicht einmal so schnell interpretieren, geschweige denn auf sie einwirken.

Der Hochfrequenzhandel legt diese finanziellen Entscheidungen in die Hände von Computeralgorithmen, die das Verhalten von Aktien vorhersagen und entsprechend kaufen und verkaufen können. Während ihnen das Urteilsvermögen menschlicher Händler fehlt, erhalten sie aufgrund ihrer Geschwindigkeit Zugang zu Möglichkeiten, die für Menschen einfach zu schnell sind.

Algorithmischer Handel wirkt sich auf verschiedene Weise auf Ihr Finanzleben aus. Ihre Investitionen 5 Websites, auf denen Sie lernen können, Geld zu investierenDas Lernen zu investieren kann einschüchternd sein, aber diese fünf Websites erleichtern es mit klaren Erklärungen und nützlichen Ratschlägen. Weiterlesen existieren in einem Markt, der praktisch mit Algorithmen brodelt. Sie verändern die Dynamik der Märkte sowohl auf gute als auch auf schlechte Weise. Sie bieten mehr Liquidität und einen Puffer gegen Volatilität, bringen aber auch bestimmte Risiken mit sich.

Der algorithmische Handel hat völlig neue Arten von Finanzkriminalität eingeführt. Im Jahr 2010 versuchte ein einzelner Händler mit einer Legion automatisierter Algorithmen, den Markt illegal zu manipulieren löste versehentlich einen Billionen-Dollar-Marktcrash aus - der Aktienmarkt fiel in etwa um 9% Protokoll.

Ironischerweise wurde der Absturz durch legitime Handelsalgorithmen verschlimmert, die als Reaktion auf den Rückgang Positionen ablegten. Da viele von ihnen zu dieser Zeit ähnliche Algorithmen verwendeten, ernährten sie sich gegenseitig und erzeugten eine negative Rückkopplungsschleife. Obwohl sich der Markt schnell erholte, zeigt die erstaunliche Fluktuation, wie viel Kontrolle über die Finanzwelt wir diesen Algorithmen übertragen haben.

Werbung

Werbung ist schwer. Verbraucher sind launisch und müssen bestochen, geschmeichelt und auf andere Weise manipuliert werden, um ein Produkt zu kaufen. Es gibt eine Grenze dafür, wie effektiv Sie Menschen manipulieren können, wenn Sie massenhaft mit ihnen kommunizieren müssen. Menschen sind unterschiedlich und die gleichen Produkte und Botschaften werden nicht alle ansprechen.

Es ist unnötig zu erwähnen, dass die Existenz des Internets und der Computer das Spiel für Werbetreibende grundlegend verändert hat. Jetzt können Werbetreibende eine Nachricht einer bestimmten Person zuordnen und genau herausfinden, was sie wollen und brauchen. Zu diesem Zweck stützen sie sich auf Algorithmen für maschinelles Lernen, die das Surfen und das Durchsuchen von Personen anzeigen können Kaufgewohnheiten Denken Sie zweimal über diese Online-Einkaufsfallen nach, bevor Sie kaufen?Einzelhändler und Vermarkter verwenden modernste Verhaltenspsychologie, um Sie zum Kauf ihrer Produkte zu bewegen, unabhängig davon, ob Sie sie benötigen oder nicht. Weißt du, wie sie dich ansprechen? Weiterlesen und Rückschlüsse darauf ziehen, was sie in Zukunft kaufen könnten.

Die Leistungsfähigkeit dieser Algorithmen zeigte sich im berüchtigten Fall stark. geteilt von Zielstatistiker Andrew Pole, in dem ein Target-Manager mit einem wütenden Vater konfrontiert wurde und sich darüber beschwerte, dass seiner Tochter im Teenageralter Couponhefte für schwangere Frauen geschickt wurden. Der Manager entschuldigte sich und der Vater ging. Als der Manager anrief, um nachzufragen, war er überrascht zu hören, wie sich der Vater entschuldigte, nachdem er festgestellt hatte, dass die Software für maschinelles Lernen von Target korrekt war: Seine Tochter war schwanger.

Dies war laut Pole einer der Vorfälle, die dazu führten, dass Target begann, die Effektivität seiner Algorithmen für maschinelles Lernen zu verbergen. Laut Poole

„Wir sind sehr konservativ in Bezug auf die Einhaltung aller Datenschutzgesetze. Aber selbst wenn Sie sich an das Gesetz halten, können Sie Dinge tun, bei denen den Menschen schlecht wird. […] Dann mischten wir all diese Anzeigen für Dinge ein, von denen wir wussten, dass schwangere Frauen sie niemals kaufen würden, sodass die Babyanzeigen zufällig aussahen. […] Und wir haben herausgefunden, dass eine schwangere Frau, solange sie glaubt, nicht ausspioniert worden zu sein, die Gutscheine verwenden wird. Sie geht nur davon aus, dass alle anderen in ihrem Block den gleichen Mailer für Windeln und Krippen haben. Solange wir sie nicht erschrecken, funktioniert es. "

Mit anderen Worten, die Targeting-Algorithmen sind so leistungsfähig, dass Target ihre Genauigkeit aktiv verbergen muss, um Kunden nicht zu erschrecken. Diese Algorithmen können einen starken Einfluss auf das haben, was wir kaufen, und (bei korrekter Verwendung) sind sie vollständig unsichtbar.

Web-Rankings

Wir hören die ganze Zeit über Dinge, die "im Trend" oder "in die Luft jagen" oder "sprengen"Viral gehen 5 überraschende Dinge, die ich gelernt habe, als ich gesehen habe, wie ein Beitrag auf Tumblr viral wurdeStellen Sie sich Ihre Überraschung vor, wenn Sie eines Morgens aufwachen und feststellen, dass etwas, das Sie gemacht haben, viral geworden ist. Sie können viel darüber erfahren, wie sich Inhalte auf Tumblr verhalten, indem Sie den viralen Prozess beobachten. Weiterlesen . ” Im Allgemeinen betrachten die Menschen dies als einen organischen Prozess. Was sie auf den ersten Blick übersehen könnten, ist, dass fast alle diese Aktivitäten stattfinden eine Handvoll Websites Die über 100 besten Websites im InternetHier finden Sie die besten Websites im Internet, die alle Ihre Anforderungen erfüllen und in praktische Kategorien unterteilt sind, um das Surfen zu vereinfachen. Weiterlesen : Google, Reddit, Twitter, Tumblr und Facebook. Die meisten dieser Websites verwenden Variationen eines Algorithmus für maschinelles Lernen, um zu bestimmen, was Sie tun und tun nicht sehen, und diese Algorithmen haben einen starken Einfluss darauf, welche Geschichten "viral" werden und welche Geschichten nicht.

Für die meisten dieser Websites sind die Algorithmen, mit denen sie Inhalte bewerten, proprietär - ein Geschäftsgeheimnis.

Im Fall von Reddit ist der Algorithmus, mit dem gesteuert wird, welche Beiträge auf die Titelseite gelangen, äußerst kompliziert, was äußerst erfolglos ist, um das Spielen zu erschweren. Gleiches gilt für Twitter und Google. All dies ist ein wenig alarmierend, weil dieses Zeug sehr wichtig sein kann.

Laut dem Psychologen Roger Epstein könnte Googles Wahl des Pagerank-Algorithmus im Alleingang erfolgen Bestimmen Sie das Ergebnis von mehr als einem Viertel der weltweiten Präsidentschaftswahlen. Das ist ein Menge der Macht in den Händen einer Software.

Lerne die Algorithmen zu lieben

Die Lektion, die man von all dem wegnehmen sollte, ist keine Panik. Wir geben seit einiger Zeit Strom an die Roboter ab - und mit wenigen Ausnahmen scheint die Welt immer noch ziemlich gut zu laufen. Es gibt noch wenig Grund, sich mit Konserven und Schrotflinten zu versorgen.

Es lohnt sich jedoch zu wissen, inwieweit diese Algorithmen Ihr Leben beeinflussen. Wessen Interessen vertreten sie? Sind Ihre Entscheidungen so frei, wie sie sich anfühlen?

Was denken Sie? Ist diese Software gruselig? Interessant? Lass es uns in den Kommentaren wissen!

Bildnachweis: Marionettenpose über Shutterstock, Roboterarm über Shutterstock