Contenu
Q:
Pourquoi de très nombreux fichiers image sont-ils importants pour de nombreux projets d’apprentissage automatique?
UNE:
Pour les entreprises qui souhaitent s'impliquer dans leurs premiers investissements dans l'apprentissage automatique, le processus dans son ensemble peut sembler un peu cryptique et ésotérique. Pour beaucoup de gens, il est très difficile de visualiser le fonctionnement réel de l’apprentissage automatique et ce qu’il fera exactement pour une entreprise.
Dans certains cas, une personne qui effectue des recherches en apprentissage automatique peut avoir toute une épiphanie quand elle considère pourquoi un grand nombre de fichiers image, rassemblés dans des conteneurs numériques soignés, sont si importants pour les projets ML. C’est parce que le concept de "fichier image" permet de visualiser ML. Réfléchir à cette question nous permet de mieux comprendre comment ces technologies seront bientôt appliquées à notre monde.
La réponse courte est que ces grands nombres de fichiers image sont importants pour l'apprentissage automatique car ils représentent des ensembles d'apprentissage, des ensembles de données initiales sur lesquels l'ordinateur doit travailler pendant son apprentissage. Mais il y a un peu plus que cela. Pourquoi les images sont-elles si précieuses?
L'une des raisons pour lesquelles les images sont si précieuses est que les scientifiques ont beaucoup progressé dans le traitement des images. Mais au-delà de cela, ils ont également progressé en aidant les machines à identifier les résultats en fonction du contenu de l'image.
Par exemple, quiconque a entendu parler de réseaux profonds obstinés dotés de moteurs génératifs et discriminants comprend un peu plus sur la façon dont les ordinateurs peuvent lire et comprendre des données visuelles et des images. Ils ne lisent pas les pixels comme ils le faisaient auparavant - ils "voient" l'image et en identifiaient les composants. Par exemple, pensez à la reconnaissance faciale - l'ordinateur apprend à quoi vous ressemblez et vous identifie par des images - ainsi que celles de votre entourage. Cela est souvent rendu possible par l’agrégation de nombreuses images et par une formation itérative qui constitue la base d’un projet d’apprentissage automatique.
Une fois que les parties prenantes ont défini un plan et un concept, puis ont collecté toutes les images pertinentes et les ont intégrées aux algorithmes d'apprentissage automatique, elles peuvent exploiter l'immense pouvoir de l'intelligence artificielle pour gérer les processus métier.
Une entreprise peut lancer un robot Web sur Internet à la recherche d'images pouvant contenir un client particulier, afin de créer un fichier montrant l'identité de ce dernier, ainsi que ses préférences et ses tendances. La société pourrait même utiliser ces informations pour automatiser le publipostage ou tout autre marketing direct. Lorsque vous commencez à penser ainsi, il est facile de voir comment ce processus de reconnaissance et d'identification d'images peut être lié à toutes sortes de fonctionnalités qui permettent aux ordinateurs de faire autant de choses que les humains ont l'habitude de faire depuis le début. notre histoire enregistrée. Prenant l'exemple de la recherche client, avec les types de configurations ci-dessus, les humains ne doivent pas du tout être impliqués: l'ordinateur peut "sortir sur le Web" et rendre compte à ses propriétaires ou aux détenteurs des données.
Comprendre le concept d’exploration de données par images de masse constitue un bon point de départ pour exploiter le pouvoir d’apprentissage par machine et déterminer comment l’utiliser pour le bénéfice d’une entreprise.