Несомненно, все мы слышали хотя бы раз в своей жизни об «искусственном интеллекте» - понятии, которое теперь вошло в повседневную терминологию через научно-фантастические книги, а также - и все чаще - через фильмы, сериалы и каналы «легкого» контакта и "Непосредственный". Некоторые из нас также недавно слышали об «автоматическом обучении», возможно, в выступлениях, связанных с «нейронными сетями» или «алгоритмами принятия решений».
Но что такое машинное обучение и какое оно имеет отношение к искусственному интеллекту?
Что ж, машинное обучение, или машинное обучение, - это не что иное, как особый тип искусственного интеллекта, который дает компьютерам возможность учиться решать проблемы, не будучи специально запрограммированными для этой цели. То есть компьютеры учатся действовать через данные, а не (напрямую) из программного кода. Вместо того, чтобы иметь для каждого отдельного действия определенные процессы принятия решений, заранее определенные программистом, программное обеспечение машинного обучения анализирует уже имеющиеся в его распоряжении данные, относящиеся к аналогичным проблемам, и использует статистический анализ для определения концептуальных моделей; затем примените эти модели к новым данным, чтобы принимать решения или делать прогнозы. В основе алгоритмов машинного обучения лежит технология так называемых «искусственных нейронных сетей», которые представляют собой не что иное, как математическую модель, состоящую из искусственных «нейронов», вдохновленных естественной нейронной сетью, на практике - мозгом. Очевидно, что для того, чтобы результаты алгоритмов машинного обучения были как можно более точными, необходимо, чтобы были доступны огромные объемы данных, возможно, из самых разных источников, чтобы создать как можно более широкую базу знаний, способную справиться с в лучшем случае те ситуации, в которых нет предыдущего человеческого опыта. Алгоритмы машинного обучения существуют уже давно, но возможность автоматически и быстро применять необходимые сложные математические вычисления к большим объемам данных доступна только в последнее время. Однако, как только вычислительные мощности стали достаточными, начался расцвет приложений, которые, несмотря на свои чудеса, стали или становятся частью нашей повседневной жизни.
Например, мы имеем:
- Автомобиль Google, это машина, которая едет сама;
- «Целевые» онлайн-советыСтиль тех сайтов Amazon и Netflix;
- признание лица, Который является технологией, которая позволяет Facebook (но также и другие) распознавать лицо и пометить их автоматически каждый раз, когда вы размещаете фотографию в профиле;
- Социальный интеллектто есть способность анализировать «эмоциональное содержание» (положительное, отрицательное или нейтральное мнение по определенным темам) сообщений и выступлений в социальных сетях и делать выводы;
- Виртуальные помощники Siri, Кортана (и другие) присутствуют на наших смартфонах.
Такие приложения раскрывают всю мощь, а также большую практическую полезность алгоритмов машинного обучения и показывают, как такие инструменты уже стали, возможно, без нашего ведома. постоянная часть нашей реальности. И каждый день все больше и больше мы становимся свидетелями или слышим о новых применениях; и часто именно Google через свои исследовательские лаборатории и свои инновационные проекты находит новые приложения. В феврале он представил систему искусственного интеллекта, которая на основе пиксельных изображений позволяет создать довольно надежную реконструкцию исходной фотографии; в апреле он объявил, что его Translate повысил точность итальянских переводов благодаря алгоритмам искусственного интеллекта; также в апреле он запустил веб-портал, который использует алгоритмы машинного обучения для интерпретации «каракулей» или просто набросков объектов и «замены» их точными и профессиональными рисунками того же объекта. Но лучшее еще впереди. Фактически, машинное обучение - очень мощный инструмент, истинная сила которого еще не полностью раскрыта и его будущее использование не ограничивается бизнесом и услугами компании. Фактически, благодаря постоянному технологическому развитию и увеличению вычислительной мощности, машинное обучение скоро сможет превратиться из инструмента анализа в инструмент для открытий и инноваций, и будет играть все более ведущую роль в таких секторах, как исследования и наука. Таким образом, алгоритмы, использующие машинное обучение, смогут делать именно то, что ученые и изобретатели делают сейчас, но лучше и быстрее. Есть надежда, что однажды программное обеспечение решит нерешаемые проблемы на данный момент. То есть, например, есть надежда на создание интеллектуального машинного обучения, позволяющего использовать свои алгоритмы для поиска лекарства от таких болезней, как рак или СПИД. Будущее, вероятно, будет удивительным, что мы, возможно, даже не можем себе представить сегодня.
Джон Калсерано