P:
Com utilitzen els professionals de l’aprenentatge automàtic la predicció estructurada?
R:Els professionals de l’aprenentatge automàtic utilitzen la predicció estructurada de diverses maneres, normalment aplicant alguna forma de tècnica d’aprenentatge automàtic a un objectiu o problema determinat que poden beneficiar-se d’un punt de partida més ordenat per a l’anàlisi predictiu.
Una definició tècnica de predicció estructurada implica "predir objectes estructurats en lloc de valors discrets o reals escalars."
Una altra manera de dir que seria que en lloc de mesurar simplement variables individuals al buit, les prediccions estructurades funcionen a partir d’un model d’una estructura determinada i s’utilitzen com a base per aprendre i fer prediccions. (Llegiu com pot ajudar-se AI en la predicció de personalitat?)
Les tècniques de predicció estructurada són àmpliament variables: des de tècniques bayesianes a programació lògica inductiva, xarxes lògiques de Markov i màquines de vectors de suport estructurat o algorismes veïns més propers, els professionals de l'aprenentatge de màquines tenen a la seva disposició una àmplia eina per aplicar els problemes de dades.
El que és habitual en aquestes idees és l'ús d'alguna estructura subjacent en la qual es fonamenta el treball d'aprenentatge automàtic.
Els experts solen donar-se la idea del processament del llenguatge natural, on es marquen les parts del discurs per representar elements d’una estructura de text; altres exemples inclouen el reconeixement òptic de caràcters, on un programa d’aprenentatge automàtic reconeix paraules escrites analitzant segments d’una determinada entrada o una imatge complexa. processament, on els ordinadors aprenen a reconèixer objectes basats en entrada segmentada, per exemple, amb una xarxa neuronal convolutiva composta de moltes “capes”.
Els experts podrien parlar de classificació lineal de multiclasse, funcions de compatibilitat lineals i altres tècniques bàsiques per generar prediccions estructurades. En un sentit molt general, les prediccions estructurades es basen en un model diferent al de l’ampli camp de l’aprenentatge automàtic supervisat: per tornar a l’exemple de prediccions estructurades en el processament del llenguatge natural i de fonemes o paraules etiquetades, veiem que l’ús de l’etiquetatge per L’aprenentatge automatitzat supervisat s’orienta cap al model estructural propi, el text significatiu que es proporciona, potser en conjunts de proves i conjunts d’entrenament.
Aleshores, quan el programa d’aprenentatge de màquines es deixa anar per fer la seva feina, es fonamenta en el model estructural. Això, diuen els experts, explica algunes de les maneres que el programa entén com utilitzar parts del discurs com a verbs, adverbis, adjectius i substantius, en lloc de confondre-les amb altres parts del discurs o no poder distingir com funcionen en un context global. . (Llegiu com estructuren les vostres dades? Examen de dades estructurades, no estructurades i semiestructurades.)
El camp de la predicció estructurada segueix essent una part clau de l'aprenentatge automàtic a mesura que evolucionen diversos tipus d'aprenentatge automàtic i la intel·ligència artificial.
