Tiyak na lahat sa atin ay nakarinig, kahit minsan sa ating buhay, ng "Artipisyal na Katalinuhan", isang kuru-kuro na ngayon ay pumasok sa pang-araw-araw na terminolohiya sa pamamagitan ng mga libro sa science fiction ngunit din, at lalo na, sa pamamagitan ng mga pelikula, serye sa TV at "madaling" mga contact channel at "Direkta". Ang ilan sa atin ay narinig din kamakailan tungkol sa "Awtomatikong Pag-aaral", marahil sa mga talumpating nauugnay sa "Neural Networks" o "Mga Algorithm ng Desisyon".
Ngunit ano ang Awtomatikong Pag-aaral, at ano ang kinalaman nito sa artipisyal na katalinuhan?
Sa gayon, ang pagkatuto ng makina, o pag-aaral ng makina, ay hindi hihigit sa isang partikular na uri ng Artipisyal na Katalinuhan na nagbibigay ng mga computer ng kakayahang malaman kung paano malutas ang mga problema nang hindi partikular na nai-program para sa hangarin. Iyon ay, natututunan ng mga computer kung paano kumilos sa pamamagitan ng data at hindi (direkta) mula sa code ng programa. Sa halip na magkaroon, para sa bawat solong aktibidad, mga tukoy na proseso ng paggawa ng desisyon na paunang natukoy ng isang programmer, pinag-aaralan ng software machine software ang data na nasa pagtatapon nito, na nauugnay sa magkatulad na mga problema, at gumagamit ng pagsusuri sa istatistika upang tukuyin ang mga huwarang konsepto; pagkatapos, ilapat ang mga modelong iyon sa bagong data upang makapagpasya o makagawa ng mga hula. Ang teknolohiyang "nasa likod" ng mga algorithm ng Pagkatuto ng Machine ay ang tinaguriang "Artipisyal na Mga Neural Networks", na walang iba kundi isang modelo ng matematika na binubuo ng mga artipisyal na "neuron" na inspirasyon ng isang natural na neural network, sa pagsasagawa ng utak. Malinaw na, upang ang mga resulta mula sa mga algorithm ng pag-aaral ng makina ay maging tumpak hangga't maaari, kailangang magkaroon ng malaking halaga ng data, marahil mula sa pinaka-magkaibang mapagkukunan, upang makalikha ng isang batayan ng kaalaman hangga't maaari, may kakayahang makitungo , sa pinakamahusay na paraan, ang mga sitwasyong iyon kung saan walang dating karanasan sa tao. Ang mga algorithm ng pag-aaral ng makina ay nasa paligid ng mahabang panahon, ngunit ang kakayahang awtomatiko at mabilis na mailapat ang kinakailangang mga komplikadong kalkulasyon ng matematika sa maraming halaga ng data ay magagamit lamang mula sa mga nagdaang oras. Sa sandaling ang lakas ng computing ay naging sapat, gayunpaman, mayroong isang yumayabong na mga aplikasyon na, sa kabila ng kanilang mga kababalaghan, ay naging, o nagiging, bahagi ng aming pang-araw-araw na buhay.
Halimbawa, mayroon kami:
- Ang kotse ng Google, ibig sabihin ang kotse na nag-mamaneho mismo;
- Ang "naka-target" na mga mungkahi sa online, ang mga site ng Amazon at Netflix;
- facial recognition, ang teknolohiya na nagpapahintulot sa Facebook (pati na rin ang iba pa) na kilalanin ang mga mukha at awtomatikong i-tag ang mga ito tuwing may larawan na naka-post sa kanilang profile;
- panlipunan katalinuhan, ibig sabihin, ang kakayahang pag-aralan ang "emosyonal na nilalaman" (positibo, negatibo o neutral na opinyon sa ilang mga paksa) ng mga post at mga interventyon sa mga social network, at gumuhit ng mga konklusyon;
- Virtual Assistants Siri, Cortana (at iba pa) sa aming mga smartphone.
Ang mga nasabing aplikasyon ay inilalantad ang lahat ng kapangyarihan, pati na rin ang dakilang praktikal na pagiging kapaki-pakinabang, ng mga algorithm ng pag-aaral ng makina at isiwalat kung paano naging ang mga nasabing tool, marahil nang wala kaming kaalaman. isang pare-pareho na bahagi ng ating reyalidad. At araw-araw, parami nang parami, nasasaksihan o naririnig natin ang mga bagong gamit; at madalas itong Google, sa pamamagitan ng mga laboratoryo sa pananaliksik at mga makabagong proyekto, na nakakahanap ng mga bagong aplikasyon. Noong Pebrero, inilabas niya ang isang artipisyal na sistema ng katalinuhan kung saan, batay sa mga naka-pixel na imahe, ay namamahala upang lumikha ng isang mas maaasahang muling pagtatayo ng orihinal na larawan; noong Abril, inihayag niya na ang kanyang Translate ay napabuti ang kawastuhan ng mga pagsasalin ng Italya salamat sa mga artipisyal na algorithm ng katalinuhan; noong Abril din, naglunsad ito ng isang web portal na gumagamit ng mga algorithm ng pag-aaral ng makina upang bigyang kahulugan ang "mga scribble" o nag-sketch lamang na mga guhit ng isang bagay at "palitan" ang mga ito ng tumpak at propesyonal na mga guhit ng parehong bagay. Ngunit ang pinakamahusay ay lampas pa rin sa darating. Sa katunayan, ang Pag-aaral ng Makina ay isang napakalakas na tool, na ang tunay na lakas ay hindi pa maipahahayag nang buo at na ang paggamit sa hinaharap ay hindi limitado sa mga serbisyo sa negosyo at kumpanya. Salamat sa patuloy na teknolohiyang ebolusyon at pagdaragdag ng kapangyarihan sa computing, sa katunayan, ang Pag-aaral ng Machine ay malapit nang mag-evolve mula sa isang tool sa pag-aaral sa isang tool sa pagtuklas at pagbabago, at gagampanan ang lalong nangungunang papel sa mga sektor tulad ng pananaliksik at agham Sa buod, ang mga algorithm na nagsasamantala sa Pag-aaral ng Machine ay magagawa nang eksakto kung ano ang ginagawa ng mga siyentista at imbentor ngayon, ngunit mas mahusay at mas mabilis. Ang pag-asa ay ang isang araw na software ay malulutas ang hindi malulutas na mga isyu sa ngayon. Iyon ay, ang pag-asa ay, halimbawa, na makapagtayo ng matalinong Pag-aaral ng Makina sa punto na pinapayagan itong gamitin ang mga algorithm nito upang makahanap ng lunas para sa mga sakit tulad ng cancer o AIDS. Ang hinaharap ay malamang na maging nakakagulat, sa mga paraan na marahil ay hindi natin maisip sa ngayon.
ni Giovanni Calcerano