Email management is a mundane examp

Email management is a mundane example of how machinelearning
is starting to be used. The system decides whether
or not to notify a person of an incoming message, depending
on the nature and content (and therefore the urgency) of
it, and also on the extent to which the person is willing to
tolerate a disturbance at that particular moment, which
itself depends on the task in which the person is engaged.
Contextual information can also be used to make a
decision about how relevant the email is, from that person’s
calendar, from audio and video sensors which monitor the
person’s focus of attention, and from log files of past user
behaviour. Of course, this is for more advanced needs;
machine-learning is also used to filter out the much more
commonplace and vexing volumes of spam that increasingly
assault our mailboxes.
As with previous generations of intelligent systems,
however, the success of machine-learning will depend on
how accurate the machine’s algorithms are at inferring a
person’s intentions and their actions at a given moment.
While people are very much creatures of habit, they can also
be highly unpredictable and complex in their needs and
desires. For a machine-learning approach to truly succeed,
it may well require that both users and computers make
their intentions visible to each other: machines indicating
to users what they think users want, and users indicating
to the machines what they want in turn. Users also like
to know how a machine is making its decisions, so ways
of communicating how the mechanisms work may be as
important as the outcome.
All of this proposes that humans and ‘intelligent’ machines
often need to be able to negotiate, question and answer
back – unlike current vehicle navigation systems (‘satnav‘),
whose instructions telling people where to go are
sometimes blindly followed by hapless drivers who never
question them. If people are prepared to stupidly obey
instructions given out by simple computers, this should
make us even more concerned about the relationship
between people and ever more complex computers as we
move toward 2020.

ผลลัพธ์ (ไทย) 1:

จัดการอีเมล์เป็นตัวอย่างโลกีย์ของวิธี machinelearning
เริ่มต้นที่จะใช้ ระบบตัดสินใจว่า
หรือไม่แจ้งให้ทราบผู้ข้อความขาเข้า ขึ้นอยู่กับ
ธรรมชาติ และเนื้อหา (และดังนั้นความเร่งด่วน) ของ
,และยังอยู่ ในขอบเขตที่บุคคลจะยอม
ทนไฟฟ้าในช่วงเวลาที่เฉพาะเจาะจง ที่
เองขึ้นอยู่กับงานที่บุคคลจะหมั้นได้
ข้อมูลบริบทที่ใช้ต้องเป็น
ตัดสินใจเกี่ยวกับวิธีเกี่ยวข้องอีเมล์ จากคนที่
ปฏิทิน จากเซนเซอร์เสียง และวิดีโอซึ่งตรวจสอบ
ของบุคคลเน้นความสนใจ จากล็อกไฟล์ของผู้ใช้ที่ผ่านมา
พฤติกรรมได้ แน่นอน นี่คือสำหรับสูงกว่าต้อง;
เรียนเครื่องใช้เพื่อกรองอีกมากมาย
ดาด ๆ ธรรมดาและ vexing จำนวนสแปมที่มากขึ้น
โจมตีกล่องจดหมายของเรา
เช่นเดียวกับรุ่นก่อนหน้านี้ของระบบอัจฉริยะ,
อย่างไรก็ตาม ความสำเร็จของการเรียนรู้เครื่องจะขึ้นอยู่กับ
ถูกต้องวิธีอัลกอริทึมของเครื่องอยู่ที่ inferring เป็น
ความตั้งใจของบุคคลและการกระทำของพวกเขาในช่วงเวลาที่กำหนด
ในขณะที่คน มากสัตว์นิสัย พวกเขาสามารถยัง
ไม่แน่นอนสูง และซับซ้อนในความ และ
ปรารถนา สำหรับวิธีการเรียนรู้เครื่องสำเร็จอย่างแท้จริง,
มันดีอาจต้องให้ผู้ใช้และคอมพิวเตอร์ทำให้
จึงเห็นกัน: เครื่องแสดง
ผู้ ว่าคิดอย่างไรผู้ใช้ต้องการ และผู้ใช้ที่ระบุ
เครื่องอะไรก็ต้องใช้ได้ ผู้ใช้ยังต้อง
รู้วิธีการทำเครื่องของการตัดสินใจ วิธีให้
ขีดจำกัดของ วิธีการทำงานของกลไกที่อาจเป็น
สำคัญเป็นผล
ทั้งหมดนี้เสนอที่มนุษย์และเครื่องจักร 'อัจฉริยะ'
มักต้องสามารถเจรจาต่อรอง คำถาม และคำตอบ
กลับ – ไม่เหมือนกับระบบนำทางรถปัจจุบัน ('satnav'),
มีคำแนะนำที่บอกคนที่ไป
บางอย่างคนตาบอดตามไดรเวอร์ hapless ที่เคย
คำถามเหล่านั้น ถ้าคนกำลังเตรียมที่จะฟัง stupidly
นี้ควรแนะนำให้ออกเรื่องคอมพิวเตอร์
ทำให้เรากังวลมากเกี่ยวกับความสัมพันธ์
ระหว่างคนและคอมพิวเตอร์ซับซ้อนเคยเป็นเรา
ย้ายไป 2020

ผลลัพธ์ (ไทย) 2:

การจัดการอีเมลเป็นตัวอย่างของวิธีทางโลก machinelearning
เริ่มที่จะถูกนำมาใช้ ระบบการตัดสินใจไม่ว่าจะเป็น
หรือไม่ที่จะแจ้งให้ผู้ที่เข้ามาของข้อความที่ขึ้นอยู่
กับลักษณะและเนื้อหา (และเร่งด่วน) ของ
มันและยังอยู่ในขอบเขตที่คนยินดีที่จะ
ทนต่อการรบกวนในขณะนี้โดยเฉพาะอย่างยิ่งที่ ซึ่ง
ตัวเองขึ้นอยู่กับงานที่บุคคลมีส่วนร่วม
ข้อมูลบริบทนอกจากนี้ยังสามารถใช้เพื่อทำให้
การตัดสินใจเกี่ยวกับวิธีการที่เกี่ยวข้องอีเมลจากบุคคลที่
ปฏิทินจากเซ็นเซอร์ภาพและเสียงซึ่งตรวจสอบ
ความสำคัญของบุคคลที่ให้ความสนใจและจาก ไฟล์ของผู้ใช้ที่ผ่านมาเข้าสู่ระบบ
การทำงาน ของหลักสูตรนี้เป็นความต้องการที่สูงขึ้น;
เครื่องเรียนรู้ที่จะใช้ในการกรองมากขึ้น
ปริมาณธรรมดาและที่รบกวนของอีเมลขยะที่เพิ่มมากขึ้น
การโจมตีกล่องจดหมายของเรา
เช่นเดียวกับรุ่นก่อนหน้าของระบบอัจฉริยะ
แต่ความสำเร็จของการเรียนรู้เครื่อง จะขึ้นอยู่กับ
วิธีที่ถูกต้องขั้นตอนวิธีการของเครื่องอยู่ที่อนุมาน
ความตั้งใจของบุคคลและการกระทำของพวกเขาในขณะที่กำหนด
ในขณะที่คนเป็นสิ่งมีชีวิตอย่างมากของนิสัยที่พวกเขายังสามารถ
เป็นอย่างมากที่ไม่แน่นอนและมีความซับซ้อนในการตอบสนองความต้องการของพวกเขาและ
ความต้องการ สำหรับวิธีการเครื่องการเรียนรู้ที่จะประสบความสำเร็จอย่างแท้จริง
ได้ดีอาจจำเป็นต้องให้ทั้งผู้ใช้และคอมพิวเตอร์ให้
ตั้งใจของพวกเขาสามารถมองเห็นซึ่งกันและกันเครื่องแสดง
ให้กับผู้ใช้สิ่งที่พวกเขาคิดว่าผู้ใช้ต้องการและผู้ใช้แสดงให้เห็น
กับเครื่องสิ่งที่พวกเขาต้องการในทางกลับกัน ผู้ใช้ยังต้องการ
ที่จะทราบว่าเครื่องคือการทำให้การตัดสินใจของดังนั้นวิธีการ
ของการสื่อสารวิธีการทำงานของกลไกที่อาจจะเป็น
สิ่งสำคัญที่เป็นผล
ทั้งหมดนี้แนะว่ามนุษย์และเครื่องจักร 'ฉลาด'
มักจะต้องมีความสามารถในการเจรจาต่อรองและคำถาม ตอบ
กลับ - แตกต่างจากระบบปัจจุบันรถนำทาง ('satnav ของ'),
มีคำแนะนำบอกคนที่จะไปเป็น
บางครั้งตามสุ่มสี่สุ่มห้าโดยไดรเวอร์โชคร้ายที่ไม่เคย
ถามพวกเขา ถ้าคนกำลังเตรียมที่จะโง่เชื่อฟัง
คำแนะนำให้ออกโดยคอมพิวเตอร์ง่ายนี้จะ
ทำให้เราได้ความกังวลมากขึ้นเกี่ยวกับความสัมพันธ์
ระหว่างคนและคอมพิวเตอร์ที่เคยซับซ้อนมากขึ้นในขณะที่เรา
ย้ายไปยัง 2020

ผลลัพธ์ (ไทย) 3:

การจัดการอีเมล์เป็นตัวอย่างทางโลกว่า machinelearning
เริ่มที่จะใช้ ระบบตัดสินว่า
หรือไม่ เพื่อแจ้งให้บุคคลของข้อความขาเข้าขึ้นอยู่กับ
เกี่ยวกับลักษณะและเนื้อหา ( และความเร่งด่วน )
, และในขอบเขตที่คนเต็มใจ
ทนการรบกวนในช่วงเวลาที่เฉพาะเจาะจงซึ่ง
เองขึ้นอยู่กับงานที่คนมีส่วนร่วม .
ข้อมูลบริบทยังสามารถใช้เพื่อทำให้การตัดสินใจเกี่ยวกับอีเมลเป็นยังไง

ที่ได้จากปฏิทินของคนๆนั้น จากเสียงและวิดีโอเซ็นเซอร์ที่ตรวจสอบ
เน้นความสนใจของบุคคล และพฤติกรรมของผู้ใช้จากแฟ้มบันทึกของอดีต

ของหลักสูตรนี้คือความต้องการขั้นสูงเพิ่มเติม ;
การเรียนรู้เครื่อง นอกจากนี้ยังใช้ในการกรองมาก
ธรรมดาและยาปริมาณของอีเมลขยะที่โจมตีมากขึ้น

กล่องจดหมายของเรา เช่นเดียวกับรุ่นก่อนหน้าของระบบอัจฉริยะ
อย่างไรก็ตามความสำเร็จของการเรียนเครื่องจะขึ้นอยู่กับขั้นตอนวิธี
ได้อย่างถูกต้องของเครื่องอยู่ที่การเป็นบุคคล เจตนาและการกระทำของพวกเขา
ที่ มีช่วงเวลา .
ในขณะที่คนเป็นสัตว์ของนิสัยที่พวกเขายังสามารถเป็นไม่แน่นอนและซับซ้อนสูง

ในความต้องการและความปรารถนาของพวกเขา สำหรับเครื่องการเรียนรู้อย่างแท้จริงประสบความสำเร็จ
มันอาจดีเป็นทั้งผู้ใช้และคอมพิวเตอร์ให้กับแต่ละอื่น ๆ พวกเขามองเห็นความตั้งใจ

: เครื่องแสดงให้ผู้ใช้สิ่งที่พวกเขาคิด ผู้ใช้ต้องการ และผู้ใช้ที่ระบุ
ไปยังเครื่องที่พวกเขาต้องการในการเปิดผู้ใช้ชอบ
รู้ว่าเครื่องจะตัดสินใจ ดังนั้น รูปแบบของการสื่อสารว่ากลไกทำงาน

อาจเป็นสำคัญเป็นผล .
ทั้งหมดนี้เสนอว่ามนุษย์และเครื่องจักร ' ฉลาด '
มักจะต้องสามารถเจรจา คำถามและคำตอบ
กลับแตกต่างจากระบบนำทางยานพาหนะ–ปัจจุบัน ( 'satnav ' )
ที่มีคำแนะนำ บอก คน ที่ไปเป็น
บางครั้งสุ่มสี่สุ่มห้าตามด้วยซวยไดรเวอร์ที่ไม่เคย
คำถามเหล่านั้น ถ้าคนกำลังเตรียมที่จะเชื่อฟังคำสั่งให้ออกแบบขอไปที
โดยคอมพิวเตอร์วิ นี้ควร
ทําให้เรายิ่งกังวลเกี่ยวกับความสัมพันธ์ระหว่างบุคคล และเคยซับซ้อนมากขึ้น

คอมพิวเตอร์ตามที่เราย้ายไปยัง 2020