Машинное обучение: все об этом говорят, но что это?

Что такое машинное обучение?

Машинное обучение (иногда называемое «автоматическим обучением» или «интеллектуальным обучением») — это, как следует из названия, создание машины или системы, способных учиться самостоятельно. Это знаменует собой значительное расхождение с классическим компьютерным программированием, когда человек отдаёт приказ, а машина выполняет приказ. В машинном обучении машина может адаптироваться к ситуациям и, таким образом, учиться сама. Для того, чтобы это произошло, очень важны не только программные алгоритмы, но и аппаратные компоненты, которые могут работать самостоятельно, например, чип TPU, анонсированный Google во время Google I / O на прошлой неделе.

Вмешательство человека в программирование несовершенно, потому что развитие программы (добавление новых правил) может вызвать конфликты с существующим кодом, что приведет к нестабильности. Если система «развивается» сама по себе, она не будет делать ничего глупого (теоретически …). При этом машинное обучение развивается во многих других областях, к которым мы вернемся позже.

Google Assistant использует технологию машинного обучения. © NextPit

В чем разница между машинным обучением и искусственным интеллектом?

Хотя машинное обучение и искусственный интеллект — это не совсем разные концепции, они не совсем одно и то же. Машинное обучение можно охарактеризовать как способность машины приспосабливаться к ситуациям и развиваться самостоятельно. В каком-то смысле это один из процессов, необходимых для искусственного интеллекта, который, в свою очередь, является автономной системой.

Возьмем в качестве примера автономный автомобиль — это автомобиль, который может двигаться из точки A в точку B в соответствии с правилами шоссе. Это связано с искусственным интеллектом, потому что машина способна адаптироваться. Если бы он был запрограммирован на обучение и наблюдение, чтобы адаптироваться к дорожному движению или различным ситуациям, то это было бы машинное обучение. Если бы он был запрограммирован на соблюдение миллиардов предопределенных правил, которые остаются неизменными до обновления, то это был бы искусственный интеллект без машинного обучения.

Очевидно, что машинное обучение обладает высочайшим потенциалом для улучшения искусственного интеллекта и дает нам устройство, которое будет работать в долгосрочной перспективе.

Машинное обучение обладает наибольшим потенциалом для улучшения искусственного интеллекта

В чем смысл машинного обучения?

Суть машинного обучения — позволить компьютерной системе самостоятельно реагировать, чтобы защитить себя или сеть от кибератак. У этого есть много преимуществ, в том числе то, что компьютерным специалистам больше не нужно подключаться во время атаки, чтобы справиться с проблемой. Как и многие другие современные технологии, машинное обучение должно в конечном итоге стать массовым для всех, а не оставаться ориентированным только на нишевую аудиторию.

Это путь, к которому стремится машинное обучение, которое используется в разных секторах, которые, как вы понимаете, имеют больше общего, чем кажется на первый взгляд. Во время основного выступления Google I / O на прошлой неделе Google объяснил, что использует эту концепцию в своем приложении Google Фото. Последний учится на том, как вы используете приложение, и, очевидно, использует данные, доступные на вашем телефоне (фотографии, имена и т. Д.), И пытается предложить вам опыт, который, по его мнению, вы ожидаете от него.

Google умеет адаптироваться. © Скриншоты: ANDROIDPIT

Стратегия Google не ограничивается Google Фото: его стратегия заключается в консолидации большей части (или, возможно, всех?) Своих сервисов. Лицом этой стратегии, очевидно, является искусственный интеллект: Google Assistant. Помощник учится на всем, что наблюдает, а экосистема Google только повышает качество доступной информации (и, следовательно, потенциал для адаптации).

Интересная технология, но не стоит слишком расслабляться

«Заманчиво отвергнуть понятие высокоинтеллектуальных машин как простую научную фантастику. Но это было бы ошибкой и, возможно, самой большой ошибкой в истории. […] К сожалению, он может оказаться и последним, если мы не научимся избегать рисков ». Это то, что физик Стивен Хокинг думает об искусственном интеллекте, который, напомним вам, является кульминацией машинного обучения. Следовательно, последствия этой технологии важно, но необходимо держать некоторые элементы в поле нашего зрения.

По определению, машинное обучение учится, поэтому, если оно направлено на то, чтобы узнать о вас (как в случае с Google), мы, конечно, должны задавать себе этические вопросы, вступая, таким образом, в конфликт с современным прагматизмом. Допустимо ли, чтобы кто-то (или, скорее, что-то) мог получить доступ к такому количеству информации о нас? Как отметил мой коллега Ханс-Георг, мы не должны забывать, что Google и несколько агентств США (правительственных ведомств) также имеют доступ к этим данным.

Еще один аспект, который следует учитывать, — это влияние, которое это может оказать на общество. Как отметил мой коллега Стефан в своих впечатлениях от Google I / O, Google Assistant становится своего рода «центром», единой точкой контакта для всех ваших действий (спрашивать дорогу, заказывать еду и т. Д.). Помимо последствий для наших социальных взаимодействий (последствия которых мы сможем увидеть только в долгосрочной перспективе), мы также можем рассмотреть концепцию «машины, которая думает», может ли эта технология заменить людей? Я не имею в виду это как научную фантастику, а скорее с профессиональной точки зрения: машины уже заменяют людей для многих задач, машинное обучение может и дальше придавать этому импульсу. Более того, Google очень хорошо понимает, какое влияние это окажет на занятость, поскольку компания также воспользовалась возможностью на Google I / O, чтобы запустить свою новую службу Google Jobs, портал для поиска работы.

Итак, в заключение, давайте не будем забывать очевидный факт: технология подчиняется правилам того, кто ее создает. Если его можно использовать во благо, его можно использовать во зло. Конечно, мы живем не в Терминаторе, вселенной (управляемой машинами), но кибернетические конфликты вполне могут развиваться совершенно по-другому.

Короче говоря, система машинного обучения очень полезна, и впереди у нее долгое будущее, но к экономии времени и усилий, которые она дает, следует относиться легкомысленно.

На ваш взгляд, где машинное обучение будет наиболее полезным? Где это будет иметь наибольшее влияние? Сообщите нам свои мысли в комментариях ниже.