是什么减少了购买时间并留住了重要客户

阿西姆克7个

从自动驾驶汽车到语音助手。它有严重的局限性。 手动标记数千或数百万个数据点的过程可能非常昂贵和繁琐。事实上，人类必须在机器学习模型能够吸收数据之前手动标记数据。它已成为人工智能的主要瓶颈。 而不是能够探索和吸收给定数据集中的所有潜在信息、关系和含义。监督算法仅针对概念和类别。研究人员已经提前确定了。 相反。无监督学习是一种人工智能方法，其中算法在没有人类提供的标签或指导的情况下从数据中学习。 新边疆。 许多 领导者将无监督学习视为 的下一个重要前沿。

下一次人工智能革命将不受监督。标签是机器学习研究人员的鸦片。 无监督学习如何工作？ 简而言之，系统根据世界的其他部分了解世界的某些部分。 通过观察实体之间的行为、模式和关系。例如，文本中的单词 印尼手机号码 或视频中的人物，系统会启动对您所处环境的大致了解。一些研究人员用短语 来总结这一点。 无监督学习更接近于人类了解世界的方式。通过探索和公开推理。不需要监督学习的训练轮。



它的主要优势之一是世界上未标记的数据总是比标记的数据多得多（前者更容易获得）。 有些人更喜欢密切相关的术语自我监督学习。在自我监督学习中。输入的一部分用作监督信号以预测输入的剩余部分。与 其他 范式 相比，通过自我监督学习可以学到更多关于世界结构的知识。因为数据是无限的，每个例​​子提供的反馈量是巨大的。 变革性影响。 无监督学习已经对 自然语言处理产生了变革性的影响。你最近经历了不可思议的进步。多亏了一种新的无监督学习架构，称为 。起源于谷歌。