Kindlasti oleme kõik vähemalt korra elus kuulnud "tehisintellektist" - ideest, mis on nüüdseks jõudnud igapäevastesse terminoloogiatesse ulmeraamatute kaudu, aga ka üha enam "lihtsate" filmide, telefilmide ja "otseste" kontaktkanalite kaudu. . Mõni meist on hiljuti kuulnud ka automaatse õppimise teemal, võib-olla kõnedes "Neural Networks" või "Decision Algorithms".
Kuid mis on automaatne õppimine ja mida see on seotud tehisintellektiga?
Noh, automaatne õppimine või masinõpe pole midagi muud kui teatud tüüpi tehisintellekt, mis annab arvutitele võimaluse õppida probleeme lahendama, ilma et oleks selleks spetsiaalselt programmeeritud. See tähendab, et arvutid õpivad käituma andmete kaudu, mitte (otse) programmi koodist. Selle asemel, et programmeerija oleks iga konkreetse tegevuse jaoks eelnevalt kindlaks määranud konkreetsed otsustusprotsessid, analüüsib automaatne õppetarkvara talle juba olemasolevaid andmeid sarnastel teemadel ja kasutab statistiliste analüüside abil kontseptuaalseid mudeleid; Seejärel rakendage need mallid uutele andmetele otsuste langetamiseks või ennustamiseks. Masinaõppimise algoritmide "taga" on see tehnika, mida nimetatakse "kunstlikeks närvivõrkudeks", mis pole midagi muud kui looduslikust närvivõrgust inspireeritud kunstlikest neuronitest koosnev matemaatiline mudel, mis praktiliselt on aju. Ilmselt on automaatse õppimise algoritmide tulemuste võimalikult täpse olemasolu tagamiseks vaja tohutul hulgal andmeid, mis võivad pärineda erinevatest allikatest, luua laiema teadmusbaasi, mis suudaks parimal viisil hakkama saada olukordades, kus minevikku pole kogemus. Masinõppe algoritmid on juba olemas, kuid vajalike, keerukate ja suurte matemaatiliste matemaatiliste arvutuste automaatse ja kiire rakendamise võimalus on saadaval alles viimasest ajast. Niipea kui arvutusvõimsus on muutunud piisavaks, on aga õitsenud rakendusi, mis isegi nende imetluses on muutunud või muutuvad meie igapäevaeluks.
- Google'i auto, see tähendab ainult autosõitmist;
- „Sihitud” veebinipid, Amazoni ja Netflixi saitide vihjed;
- Näo tuvastamine - tehnoloogia, mis võimaldab Facebookil (ja teistel) tuvastada nägusid ja neid automaatselt märgistada iga kord, kui profiilil on pilt;
- Sotsiaalne intelligentsus, see tähendab võime analüüsida sotsiaalvõrgustikes postituste ja sekkumiste “emotsionaalset sisu” (teatud teemadel positiivset, negatiivset või neutraalset arvamust) ja teha järeldusi;
- Meie nutitelefonides esinevad virtuaalsed Siri serverid, Cortana (ja teised).
Sellised rakendused paljastavad automaatse õppimise algoritmide kogu jõu ja ka praktilise kasulikkuse ning paljastavad, kuidas sellised tööriistad on juba ehk teadmatusest muutunud. Pidev osa meie reaalsusest. Ja iga päevaga on üha rohkem uudiseid või uudiseid uute kasutusalade kohta; ja sageli on Google oma uurimislaborite ja uuenduslike projektide kaudu uute rakenduste leidmiseks. Veebruaris avalikustas ta tehisintellektisüsteemi, mis "piksellaadipiltide" põhjal õnnestub luua originaalfotograafia üsna usaldusväärne rekonstruktsioon; aprillis teatas ta, et tema tõlk on tänu tehisintellekti algoritmidele parandanud itaaliakeelsete tõlgete täpsust; alustas alati aprillis veebiportaali, mis kasutab automaatseid õppealgoritme objekti visandite või visandite tõlgendamiseks ning nende asendamiseks sama objekti täpsete ja professionaalsete joonistega. Kuid parim on veel üle tulemise. Tegelikult on masinõpe võimas tööriist, mille tegelik tugevus tuleb veel täielikult väljendada ja mille tulevane kasutus ei piirdu ainult äri ja äriteenustega. Tänu pidevale tehnoloogilisele arengule ja arvutusvõimsuse suurenemisele saab automaatne õppimine peagi areneda avastamise ja innovatsiooni vahendist ning mängib üha olulisemat rolli sellistes valdkondades nagu teadus ja teadus. Kokkuvõtlikult võib öelda, et masinõpet võimendavad algoritmid saavad teha täpselt seda, mida teadlased ja leiutajad praegu teevad, kuid paremini ja kiiremini. Lootus on, et ühel päeval lahendab tarkvara sel ajal asendamatud probleemid. See tähendab, et lootus on näiteks ehitada nutikas masinõpe selleni, et ta saaks oma algoritme kasutada selliste haiguste nagu vähk või AIDS ravimiseks. Tulevik on tõenäoliselt üllatav viisil, mida me täna võib-olla isegi ei kujuta ette.
Giovanni Calcerano