MAQUINAS PIENSAN POR SI MISMO YASEF MUSTAFA

El aprendizaje automático es una rama de la ciencia de computadoras que permite computadoras para aprender de la experiencia, y es en todas partes. Ella hace búsquedas en la web, análisis de sangre más relevantes más precisa y servicios más probables para hallar que una pareja potencial de citas. En su más simple, algoritmos de aprendizaje automático toman un conjunto de datos existente, peine através de él para los patrones, a continuación, utilizar estos patrones para generar predicciones sobre el futuro. Sin embargo, los avances de la máquina de aprendizaje sobre el última década han transformado el campo. De hecho, la máquina-learning técnicas son responsables de hacer los ordenadores "más inteligentes" que los seres humanos en muchas de las tareas que queremos seguir. TestigoWatson, el sistema informático de IBM que utiliza aprendizaje automático para vencer a los mejores jugadores de Jeopardy en el mundo.
La máquina de aprendizaje más importante la competencia no implicaba hablar Jeopardy-jugar las máquinas, sin embargo. Unos años Hace Netflix, la compañía de alquiler de películas en línea, quería ayudar a sus clientes a buscar películas que iban a amar películasespecialmente películas que no eran de títulos de alta demanda "nueva versión", sino más bien de su ignorado Catálogo de espalda. La empresa ya tenía un sistema de recomendación de películas en la casa, pero los ejecutivos sabían que estaba lejos de ser perfecto. Así que la compañía puso en marcha un concurso para mejorar en correo existente esfuerzo. Las reglas eran sencillas: la primera entrada paravencer a la el rendimiento del sistema en el local por el 10 por ciento sería ganar un $ 1 millón premio. Decenas de miles de personas de todo el mundo se ha registrado. Para un investigador de aprendizaje de máquinas, la competencia era un soñar (y no sólo por el dinero del premio, atractivo aunque era). Los componentes más críticos de cualquier máquina-learning sistema son los datos, y la Netfl ixpremio o  Ered 100 millones puntos de datos reales, listos para descargar.
,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
La competencia de Netflix duró casi tres años. Muchos grupos atacaron el problema descomponiendo películas individuales en largas matrices de di  atributos Erent. Por ejemplo, pudo anotar cualquier películaen varios rasgos, como lo divertido que es, lo complicado que es o lo atractivo que los actores son. Para cada espectador, volver atrás y echar un vistazo a las películas que ha revisado para ver lo mucho que valora cada uno de estos atributos técnicos mucho que disfruta de la comedia, si prefiere simple o complicada parcelas, y lo mucho que le gusta mirar a las estrellas de cine atractivos losgustos del espectador a los atributos de la nueva película. Si le gusta las comedias y tramas complejas, lo más probable es que le gustaría una cabriola con nudos tales como Con faldas ya lo loco o Un pez llamado Wanda. Después de que el algoritmo partidos docenas de estos atributos, la recomendación final debería ser un buen predictor de cómo el espectador va a gustar la película. Pensamosnaturalmente en atributos fácilmente identificables como "Comedia" o "trama compleja", pero los algoritmos necesitan hacer tal distinciones. De hecho, todo el proceso está automatizado-investigadores Nunca moleste con el análisis de contenido de la película. La máquina-learning algoritmo se iniciará con atributos, sin nombre al azar. Como eso obtiene datos sobre cómo los espectadores valorados películasen el pasado, se afina atributos hasta que se corresponden con la forma en películas del tipo de espectadores. Por ejemplo, si la gente que gusta de la película A también tienden a gustar películas B, C y D, el algoritmo se van a plantear con un nuevo atributo que es común a A, B, C y D. Esto sucede en la denominada fase de entrenamiento, en el que el equipo busca a través de millones de los...