Kindlasti oleme kõik meist vähemalt korra elus kuulnud "tehisintellektist" - mõistest, mis on nüüdseks jõudnud igapäevasterminoloogiasse ulmeraamatute kaudu, aga ka üha enam filmide, telesarjade ja "lihtsate" kontaktkanalite kaudu. "Otsene". Mõni meist on hiljuti kuulnud ka "automaatsest õppimisest", võib-olla kõnedes, mis on seotud "närvivõrkude" või "otsuste algoritmidega".
Mis on aga masinõpe ja mis on pistmist tehisintellektiga?
Noh, masinõpe 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) programmikoodist. Selle asemel, et igal üksikul tegevusel oleks programmeerija poolt eelnevalt kindlaks määratud konkreetsed otsustusprotsessid, analüüsib masinõppe tarkvara juba tema käsutuses olevaid andmeid, mis on seotud sarnaste probleemidega, ja kasutab kontseptuaalsete mudelite määratlemiseks statistilist analüüsi; seejärel rakendage neid mudeleid uute andmete jaoks otsuste langetamiseks või ennustamiseks. Masinaõppimise algoritmide taga on nn kunstlike närvivõrkude tehnoloogia, mis pole midagi muud kui looduslikust närvivõrgust inspireeritud kunstlikest neuronitest koosnev matemaatiline mudel, praktiliselt aju. Ilmselt on masinõppe algoritmide tulemuste võimalikult täpse täpsuse saavutamiseks vaja, et oleks saadaval tohutu hulk andmeid, mis võivad pärineda kõige erinevamatest allikatest, et luua võimalikult lai teadmistebaas, mis oleks võimeline tegelema , parimal viisil need olukorrad, kus puudub varasem inimkogemus. Masinõppe algoritmid on olnud olemas juba pikka aega, kuid võimalus vajalikke keerukaid matemaatilisi arvutusi automaatselt ja kiiresti rakendada suurte andmemahtude jaoks on saadaval ainult viimasest ajast. Niipea kui arvutusvõimsus oli piisav, õitses aga õitseng rakendusi, mis on imest hoolimata muutunud või muutumas meie igapäevaeluks.
Näiteks oleme:
- Google'i auto, see on auto, mis ise sõidab;
- Veebinõuanded "sihitud", Amazoni ja Netflixi saitidelt;
- näo tuvastamine, tehnoloogia, mis võimaldab Facebookil (ja ka teistel) nägude tuvastamist ja nende automaatset märgistamist iga kord, kui profiilil on pilt;
- sotsiaalne intelligentsusehk võime analüüsida sotsiaalvõrgustikes olevate postituste ja sekkumiste "emotsionaalset sisu" (teatud teemadel positiivset, negatiivset või neutraalset arvamust) ja teha järeldusi;
- Virtuaalsed assistendid Siri, Cortana (ja teised) meie nutitelefonides.
Sellised rakendused paljastavad masinõppe algoritmide kogu jõu ja praktilise kasulikkuse ning näitavad, kuidas sellised tööriistad on juba muutunud, võib-olla ilma meie teadmata. meie reaalsuse pidev osa. Ja iga päev, üha rohkem, oleme tunnistajaks uutele kasutustele või kuuleme neid; ja sageli leiab Google oma uurimislaborite ja uuenduslike projektide kaudu uusi rakendusi. Veebruaris esitles ta tehisintellektisüsteemi, mis pikselkujutiste põhjal suudab luua originaalfoto üsna usaldusväärse rekonstrueerimise; aprillis teatas ta, et tema tõlge on tänu tehisintellekti algoritmidele parandanud itaaliakeelsete tõlgete täpsust; samuti käivitas aprillis veebiportaali, mis kasutab masinaõppimise algoritme objekti „kritselduste” või lihtsalt visandite joonistuste tõlgendamiseks ja nende „asendamiseks” sama objekti täpsete ja professionaalsete joonistustega. Kuid parim on veel ees. Tegelikult on masinõpe väga võimas tööriist, mille tegelik tugevus tuleb veel täielikult väljendada ja mille tulevane kasutus ei piirdu ainult äri- ja ettevõtteteenustega. Tänu pidevale tehnoloogilisele arengule ja arvutusvõimsuse suurenemisele suudab masinõpe peagi areneda analüüsivahendist avastamise ja innovatsiooni tööriistaks ning mängib järjest juhtivamat rolli sellistes sektorites nagu teadus ja tehnoloogia. teadus. Kokkuvõtteks võib öelda, et masinõppe võimalusi kasutavad algoritmid saavad teha täpselt seda, mida teadlased ja leiutajad praegu teevad, kuid paremini ja kiiremini. Lootus on, et ühel päeval lahendab tarkvara hetkel lahendamatuid probleeme. See tähendab, et näiteks loodetakse luua intelligentset masinõpet nii kaugele, et võimaldatakse tal kasutada oma algoritme selliste haiguste raviks nagu vähk või AIDS. Tulevik on tõenäoliselt üllatav viisil, mida me täna võib-olla isegi ei kujuta ette.
Giovanni Calcerano poolt