Maschinelles lernen und seine Anwendung in unserem täglichen Leben

July 12, 2018 By Appy Pie -- Comments


App Erstellen mit Appy Pie, Es gibt eine gewisse Menge an Aufregung und ziemlich viel Aufregung über künstliche Intelligenz und maschinelles Lernen, wo die Leute ziemlich enthusiastisch über Autos gesprochen haben, die sich selbst durch einen Zickzack fahren würden von Verkehr, sofortige maschinelle Übersetzungen und mehr. Während all diese Gespräche weit entfernt von Science-Fiction Geschichten und Filmen klingen, sind wir uns selten bewusst, wie viel maschinelles Lernen tatsächlich seinen Weg in unser tägliches Leben gefunden hat.

Wenn Sie nach Informationen zum Thema dieses Blogs gesucht haben und hier gelandet sind, haben Sie wahrscheinlich schon maschinelles Lernen genutzt! Ob Sie ein Taxi für Ihre tägliche Fahrt buchen, sich mit Ihren Freunden in Ihrem Lieblings-Soziale-Medien-Kanal treffen, online shoppen gehen oder etwas im Internet suchen, Sie verwenden definitiv eine Art künstlicher Intelligenz oder maschinelles Lernen erledige es.

Was ist künstliche Intelligenz?

Künstliche Intelligenz wurde als die Intelligenz definiert, die von den Maschinen demonstriert wird, im Gegensatz zu der natürlichen Intelligenz, die das Tierreich einschließlich der Menschen zeigt. AI oder Künstliche Intelligenz macht es möglich, dass die Maschinen aus Erfahrung lernen, sich auf neue Inputs einstellen und Aufgaben ausführen, die Menschen tun würden. Die meisten Beispiele künstlicher Intelligenz, von denen wir in unserem täglichen Leben hören oder auf die wir stoßen, hängen stark von tiefem Lernen und natürlicher Sprachverarbeitung ab.

Was ist maschinelles Lernen?

Das maschinelle Lernen, das sich aus der künstlichen Intelligenz entwickelt hat, erforscht das Studium und die Konstruktion von Algorithmen, die von Daten lernen und Vorhersagen treffen können. Maschinelles Lernen ist ein Studienfach in der Informatik, das den Maschinen oder Computersystemen die Möglichkeit gibt, mit Daten zu lernen, ohne dass eine explizite Programmierung erforderlich ist. Es konzentriert sich auf die Entwicklung von Computerprogrammen, die auf Daten zugreifen und diese für sich selbst nutzen können. Die Grundidee besteht darin, dass die Computer ohne menschliches Zutun und ohne Hilfe selbst lernen und die Aktionen entsprechend anpassen.

Anwendungen des maschinellen Lernens in unseren täglichen Leben

Maschinelles Lernen scheint etwas zu sein, was die Wissenschaftler für Experimente in High-Tech-Labors oder in streng geheimen Regierungsmissionen und organisationen verwendet haben, aber es ist tatsächlich viel näher an unserem Leben und tiefer verstrickt, als wir erkennen. Maschinelles Lernen könnte die Basis für etwas Alltägliches sein, das Sie jeden Tag tun und nicht einmal die Verbindung erkennen.

Im Folgenden sind einige der häufigsten Anwendungen des maschinellen Lernens aufgeführt, die zu einem Teil des modernen Lebens geworden sind, ohne dass viele Menschen es realisieren.

A) Persönlicher Gebrauch

# 1 Soziale Networking

In Ihrem bevorzugten Soziale Medien Kanal müssen Sie häufig auf einen personalisierten Newsfeed, zielgerichteten gesponserten Content oder Anzeigen und andere ähnliche Funktionen gestoßen sein. Hier nutzen die Soziale Medien Kanäle das maschinelle Lernen zu ihrem eigenen Vorteil und zum Nutzen ihrer Nutzer. Werfen wir einen Blick auf einige der beliebtesten Features, die Sie anfangs überrascht haben könnten, bevor Sie sich in sie verliebt haben, ohne zu merken, dass sie alle auf maschinellem Lernen basieren.

Facebook: Eines der frühesten Maschinelles lernen oder KI-Features auf Facebook war die Gesichtserkennung, bei der der Dienst automatisch das Gesicht eines Freundes in deinen Bildern hervorhebt, bevor er dir einen Vorschlag zum Markieren anbot. Künstliche Intelligenz kommt auch zum Einsatz, wenn Facebook Ihren Newsfeed personalisiert, um sicherzustellen, dass das, was Sie sehen, das ist, was Sie sehen möchten und an dem Sie interessiert sind, anstatt nur einige beliebte oder trendige Posts. Das Senden von gezielten Anzeigen ist auch nur über die KI möglich und hat sich als eine der effektivsten Funktionen auf der Plattform erwiesen. Eine weitere interessante Funktion, die das maschinelle Lernen ermöglicht, ist die Funktion “Personen, die Sie kennen können”, in der Sie Freundschaftsvorschläge erhalten, die auf Ihrem bestehenden sozialen Umfeld und dem sozialen Umfeld Ihrer Freunde, Ihrer Heimatstadt, Ihrer Alma Mater und vielen anderen Faktoren basieren.

Instagram: Einer der beliebtesten Soziale Medien Kanäle ist Instagram – eine Foto Teilen App nutzt das maschinelle Lernen, um die kontextuelle Bedeutung von Emojis zu identifizieren, die Slang-Wörter, z. ‘Lol’ wurde erfolgreich durch lachende Emojis einer Sorte ersetzt. Die konstituierenden Algorithmen in der App ermöglichen es, die Stimmung hinter einem bestimmten Emojis zu identifizieren, bevor apt-Emojis oder Emojis-Hashtags erstellt oder automatisch vorgeschlagen werden. Oberflächlich betrachtet mag dies eine triviale Anwendung für die künstliche Intelligenz sein, aber erst nachdem Instagram einen überwältigenden Anstieg der Nutzung von Emojis in allen wichtigen demographischen Bereichen erfahren hat, hat Instagram diese Funktion veröffentlicht. Es ist die Fähigkeit, dieses Phänomen in großem Umfang zu interpretieren und zu analysieren, durch Emojis-Text-Übersetzungen, die sich als Grundlage für eine tiefere Analyse der Art und Weise erweisen können, wie Menschen Instagram benutzt haben.

Pinterest: Der bildbasierte Soziale Medien Kanal nutzt Computer Vision, eine KI-Anwendung, die Computer virtuell “sieht”, damit sie die Objekte in Bildern identifizieren können, um ähnliche Pins zu empfehlen oder vorzuschlagen. Auf Pinterest gibt es neben dem E-Mail-Marketing eine Reihe von maschinell lernenden Anwendungen, einschließlich Spam-Prävention, Such- und Suchfunktionen, Anzeigenleistung und Monetisierung.

# 2 Stimme zum Text

Wir hören nicht einmal auf, über die Sprach Text Konvertierungsfunktion in unseren Smartphones nachzudenken. Dies könnte mit einem Antippen auf dem Bildschirm oder dem Aussprechen einer bestimmten Phrase eingeleitet werden. Alles, was Sie tun, ist dann zu sprechen und das Telefon konvertiert dann, was Sie sagen, in Echtzeit in Text. Dies könnte den Status eines alltäglichen Merkmals angenommen haben, fast banal, aber für eine lange Zeit war eine präzise automatisierte Transkription selbst für die fortschrittlichsten Computer eine Herausforderung.

# 3 Virtuelle persönliche Assistenten

Unter den virtuellen persönlichen Assistenten können Sie Namen wie Siri, Alexa, Google Now und Cortana erkennen, da sie jetzt zu einem Teil unseres Lebens geworden sind. Wenn wir virtuellen persönlichen Assistenten sagen, wissen Sie, was wir meinen, richtig? Sie tun im Grunde die Aufgabe, Sie die Informationen zu finden, die Sie über die Stimme verlangen. Alles, was Sie tun müssen, ist aktivieren Sie und fragen Sie nach dem nächsten Pizza-Platz, Spielzeiten für die neueste Filmveröffentlichung, Anweisungen an die nächste Apotheke oder solche Fragen. Der virtuelle persönliche Assistent sucht dann nach Informationen, erinnert sich an Ihre verwandten Fragen oder sendet einen Befehl an andere Ressourcen, einschließlich der Apps, die Sie auf Ihrem Gerät installiert haben, um Informationen zu sammeln und zusammenhängende Antworten für Sie zu formulieren. Für bestimmte Aufgaben können Sie die Assistenten auch anweisen, Wecker zu stellen, Erinnerungen für super wichtige Besprechungen usw.

Damit diese Assistenten gut funktionieren, kommt dem maschinellen Lernen eine große Bedeutung zu, da die Assistenten die Informationen auf der Grundlage Ihrer früheren Interaktionen mit ihnen sammeln und verfeinern. Diese Daten werden zu einem späteren Zeitpunkt verwendet, um Ergebnisse zu erzielen, die auf Ihre spezifischen Präferenzen zugeschnitten sind.

Hauptsächlich aufgrund der Durchführung einer hochpräzisen Sprach-zu-Text-Technologie haben wir den Spielraum, uns stark auf Basis-Konversationen zu verlassen, was dazu geführt hat, dass es sich als die Steuerungsschnittstelle für eine neue Generation von virtuellen persönlichen Assistenten herausbildet.

Die grundlegenden Avatare virtueller persönlicher Assistenten, die Ihre Internetsuche für Sie durchführen, Erinnerungen an Ihr Gerät setzen und Integrationen mit Ihrer Leistung durchführen können, fungierten als Basis für die weiterentwickelten Modelle von Amazon wie Alexa und Echo. Auch Microsoft ist mit Cortona, seinem Assistenten, der auf Windows Computern und Microsoft Smartphones vorinstalliert ist, ein Teil des maschinellen Lernens.

  1. B) Das tägliche Pendeln

    # 1 Vorhersage des Verkehrs

    Haben Sie die GPS Navigationsdienste als selbstverständlich betrachtet, oder haben Sie darüber nachgedacht? Wenn wir diesen Service nutzen, werden unser Echtzeitort und die Geschwindigkeit, mit der wir unterwegs sind, berücksichtigt und auf einem zentralen Server gespeichert, um den Verkehr zu verwalten. Es sind diese Daten, die dann verwendet werden, um eine Karte der Echtzeitverkehrsbedingungen zu erstellen. Google Maps zum Beispiel hat die Fähigkeit, die Verkehrsgeschwindigkeit zu jedem Zeitpunkt zu analysieren. Jetzt, wo sie Waze – die Crowdsourcing App für den Straßenverkehr – erworben haben, können sie die vom Benutzer gemeldeten Verkehrsunfälle einschließlich Unfälle, Bauarbeiten usw. problemlos integrieren. Es ist dieser massive Datenstrom, der dann in seinen proprietären Algorithmus eingespeist wird, der es Google Maps ermöglicht, die kürzeste Route für Sie vorzuschlagen und Ihre täglichen Pendelzeiten zu reduzieren. Es ist im Wesentlichen maschinelles Lernen, das bei der Einschätzung der Regionen hilft, in denen Staus auf der Grundlage der täglichen Erfahrungen gefunden werden können.

    # 2 Online-Transportnetzwerk

    Wenn Sie Ihr Taxi auf Uber oder Lyft buchen, erhalten Sie eine ungefähre Schätzung des Fahrpreises und der Wartezeit für Sie. Wenn Sie diese Dienste auf Basis einer Freigabe buchen, wie geben sie Ihnen diese Schätzungen, wie minimieren sie diese Wartezeiten und wie passen sie Sie mit anderen ab, während Sie die Umwege minimieren? Es ist nicht überraschend, dass die Antwort auf all diese Fragen bei Maschinelles lernen (ML) liegt. Bei Uber wird durch Maschinenlernen der Fahrerbedarf vorhergesagt, insbesondere bei der Festlegung der Sturzwellenpreise.

    # 3 AI Autopiloten

    Die KI-Autopiloten in kommerziellen Fluggesellschaften sind eines der frühesten Beispiele für den erfolgreichen Einsatz künstlicher Intelligenz und werden bereits seit 1914 verwendet, wenn Sie etwas flexibler bei der Definition von Autopiloten werden sollten. Das Ausmaß der Störung kann heute durch die Tatsache verstanden werden, dass auf einem durchschnittlichen Boeing-Flugplan nur die sieben Minuten Flugzeit liegen, die eine menschliche Lenkung umfasst, die in erster Linie das Starten und Landen des Fluges ist.

  2. C) E-Mail

    # 1 Spam & Malware

    Vielleicht haben Sie Email als traditionelles oder konventionelles System mit minimaler Evolution oder Innovation geschrieben, aber wussten Sie, dass KI und maschinelles Lernen hier eine große Rolle spielen? Eine der stärksten Anwendungen dieser Technologie ist der Spam Filter, der beständig aus einer großen Anzahl von Signalen “lernt”, einschließlich Wörtern in Nachrichten, Nachrichtenmetadaten usw.

    Wussten Sie, dass an jedem einzelnen Tag rund 325.000 Malware gefunden wird und jeder der Codes 90-98% ähnlich den früheren Versionen ist? Maschinelles Lernen hilft den System-Sicherheitsprogrammen, das Codierungsmuster zu verstehen, was bedeutet, dass sie neue Malware mit einer Variation von 2 bis 10% leicht erkennen und gegen sie schützen können.

    # 2 Kategorisierung von Mails

    Die oberen Tabs in Google Mail, die Ihre Emails in den Tab “Primär”, “Soziale” und “Werbung” einteilen, während bestimmte Emails als wichtig gekennzeichnet werden, sind nur unter Verwendung von KI möglich. Immer wenn Sie eine bestimmte Emails als wichtig oder unwichtig markieren, können Sie Google Ihre Vorlieben mitteilen. Dies trägt zur Lernerfahrung bei und hilft ihnen so, ihre intelligente Kategorisierung zu verfeinern. So sparen Sie wertvolle Zeit und entlasten Ihren Posteingang.

    D) Online-Kundenbetreuung

Immer mehr Menschen finden Trost darin, Chat Unterstützung zu bekommen, was bedeutet, dass sie frei sind, Multitasking zu betreiben und nicht nur an die eine Aufgabe gebunden zu sein. Daher bietet eine große Anzahl von Websites ihren Kunden die Möglichkeit, mit einem Kundenbetreuer zu sprechen, während sie die Website erkunden. Allerdings würden nicht alle diese Unternehmen Führungskräfte haben, um die Kundenanfragen zu beantworten. Die meisten Webseiten benutzen ihre Chatbots, um die üblichen Anfragen zu bearbeiten und Informationen von der Webseite herauszuholen und den Kunden eine Lösung oder eine Antwort anzubieten. Mit der Zeit müssten die Chatbots die Kundenanfragen und Bedenken etwas besser verstehen, um den Kunden besser zu dienen, und dies kann nur durch maschinelles Lernen erreicht werden.

E) Online-Shopping

Wenn Sie ein begeisterter Online-Shopper sind, müssen Sie bemerkt haben, dass Ihr bevorzugter Online Shop genau weiß, was Sie möchten und macht passende Vorschläge. Dadurch wird das gesamte Einkaufserlebnis für Sie wesentlich verfeinert und das Shopping-Portal wird schnell zu Ihrem Freund und Vertrauten, der immer genau das weiß, was Sie wollen! Dies alles geschieht durch maschinelles Lernen! Ihre Produktsuche liefert für Sie relevantere Ergebnisse als die Empfehlungen. Nicht nur das, maschinelles Lernen hilft Kreditkarten- oder andere Zahlungsbetrug zu verhindern!

F) Banken / Finanzinstitute

# 1 Scheckeinzahlungen auf Mobilgeräten

Die Banken haben damit begonnen, Schecks über das Smartphone zu hinterlegen, so dass die Bank nicht physisch besucht werden muss, um einen Scheck ausstellen zu können. Dies wurde durch die Verwendung von AI & ML ermöglicht, die die Handschrift auf dem Scheck durch OCR entziffern und in Text umwandeln kann.

# 2 Betrugsprävention

Das Erkennen und Identifizieren einer betrügerischen Transaktion ist für ein Finanzinstitut von äußerster Wichtigkeit. Aufgrund des schieren Volumens der Transaktionen, die täglich stattfinden, ist es unmöglich, jeden einzelnen manuell zu überprüfen! Durch maschinelles Lernen können jedoch Systeme erstellt werden, um zu erfahren, welche Transaktionen unter betrügerische Transaktionen fallen würden

# 3 Kreditentscheidungen

Sie beantragen ein Darlehen oder eine Kreditkarte bei einem Finanzinstitut und müssen eine Bonitätsprüfung durchführen, um festzustellen, ob sie Ihren Antrag annehmen können und welche Art von Zinssatz oder Kreditlimit sie Ihnen anbieten können. Der allseits bekannte FICO-Score wird durch maschinelles Lernen entwickelt, um die spezifische Risikobewertung für einzelne Kunden zu ermitteln.

Erstellen Sie Ihre eigene AI Chatbot App

Filed Under: App Analytics

Rated 9.8 out of 10 for Best Mobile app builder by 1402+ clients on over 5 Million+ apps