Such mining of digitized informatio

Such mining of digitized information has become more effective and powerful as more info is “tagged” and as analytics engines have gotten smarter. As Dario Gil, Director of Symbiotic Cognitive Systems at IBM Research, told me:

“Data is increasingly tagged and categorized on the Web – as people upload and use data they are also contributing to annotation through their comments and digital footprints. This annotated data is greatly facilitating the training of machine learning algorithms without demanding that the machine-learning experts manually catalogue and index the world. Thanks to computers with massive parallelism, we can use the equivalent of crowdsourcing to learn which algorithms create better answers. For example, when IBM’s Watson computer played ‘Jeopardy!,’ the system used hundreds of scoring engines, and all the hypotheses were fed through the different engines and scored in parallel. It then weighted the algorithms that did a better job to provide a final answer with precision and confidence.”

ผลลัพธ์ (ไทย) 1:

ดังกล่าวทำเหมืองข้อมูลดิจิตอลได้กลายเป็นมีประสิทธิภาพมากขึ้น และมีประสิทธิภาพเป็นข้อมูลเพิ่มเติมถูก "แท็ก" และเป็นวิเคราะห์ เครื่องยนต์ได้รับอย่างชาญฉลาด เป็นริโอกิล กรรมการของชีวภาพความรู้ความเข้าใจระบบที่วิจัย IBM บอก:"ข้อมูลเรื่อย ๆ แท็ก แล้วจัดหมวดหมู่บนเว็บ – เป็นคนอัปโหลดและใช้ข้อมูลที่พวกเขาจะยังเอื้อต่อการอธิบายผ่านความคิดเห็นและรอยเท้าดิจิตอล ข้อมูลนี้ประกอบมากคืออำนวยความสะดวกการฝึกอบรมของดัชนีโลกและเครื่องเรียนรู้อัลกอริทึมโดยไม่เรียกร้องที่ผู้เชี่ยวชาญการเรียนรู้ของเครื่องแคตตาล็อกด้วยตนเอง จากคอมพิวเตอร์ที่มีขนาดใหญ่ขนาน เราสามารถใช้เทียบเท่ากับระบบการเรียนรู้อัลกอริทึมซึ่งสร้างคำตอบดีกว่า ตัวอย่างเช่น เมื่อคอมพิวเตอร์ของ IBM Watson เล่น ' อันตราย!,' ร้อยประตูเครื่องยนต์ใช้ระบบ และสมมติฐานทั้งหมดถูกป้อนผ่านเครื่องมือต่าง ๆ และในขนาน มันน้ำหนักแล้วอัลกอริทึมที่ได้งานดีเพื่อให้คำตอบสุดท้าย ด้วยความแม่นยำและมั่นใจ "

ผลลัพธ์ (ไทย) 2:

การทำเหมืองแร่ดังกล่าวของข้อมูลดิจิทัลได้กลายเป็นมีประสิทธิภาพมากขึ้นและมีประสิทธิภาพเป็นข้อมูลเพิ่มเติมคือ "แท็ก" และการวิเคราะห์เครื่องมือมีอากาศอย่างชาญฉลาด ขณะที่ริโอกิผู้อำนวยการ Symbiotic ระบบความรู้ความเข้าใจที่ IBM วิจัยบอกฉัน: "ข้อมูลถูกแท็กและจัดหมวดหมู่มากขึ้นบนเว็บ - เป็นคนที่อัปโหลดและใช้ข้อมูลพวกเขายังมีส่วนร่วมในการบันทึกย่อผ่านความเห็นและรอยเท้าดิจิตอลของพวกเขา ข้อมูลข้อเขียนนี้จะอำนวยความสะดวกในการฝึกอบรมอย่างมากของขั้นตอนวิธีการเรียนรู้เครื่องโดยไม่ต้องเรียกร้องให้ผู้เชี่ยวชาญด้านเครื่องการเรียนรู้ด้วยตนเองแคตตาล็อกและดัชนีโลก ขอขอบคุณที่เครื่องคอมพิวเตอร์ที่มีขนาดใหญ่ขนานเราสามารถใช้เทียบเท่า crowdsourcing ที่จะเรียนรู้ซึ่งขั้นตอนวิธีการสร้างคำตอบที่ดี ตัวอย่างเช่นเมื่อคอมพิวเตอร์ของไอบีเอ็มวัตสันเล่น 'อันตราย !,' ระบบที่ใช้หลายร้อยเครื่องมือการให้คะแนนและสมมติฐานทั้งหมดที่ได้รับการเลี้ยงดูผ่านเครื่องมือที่แตกต่างกันและให้คะแนนในแบบคู่ขนาน จากนั้นขั้นตอนวิธีการถ่วงน้ำหนักที่ได้งานที่ดีกว่าที่จะให้คำตอบสุดท้ายที่มีความแม่นยำและความเชื่อมั่น. "