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

Человеческий разум имеет ограничение на количество данных, которые он может собирать и обрабатывать, но машины способны справляться с этим намного лучше нас. Итак, теперь мы пытаемся сделать машины еще умнее, позволяя им учиться самостоятельно, но с какой целью?

• Google I/O 2017:все, что мы узнали на данный момент
• Зачем инвестировать в умный дом? 4 причины, по которым мы считаем это хорошей идеей

Что такое машинное обучение?

Машинное обучение (иногда называемое «автоматическим обучением» или «интеллектуальным обучением») — это, как следует из названия, создание машины или системы, способной учиться самостоятельно. Это знаменует значительное расхождение с классическим компьютерным программированием, которое состояло из человека, отдающего приказ, и машины, выполняющего приказ. В машинном обучении машина способна адаптироваться к ситуациям и, таким образом, учиться сама. Чтобы это произошло, важны не только программные алгоритмы, но и аппаратные компоненты, способные выдерживать собственные нагрузки, такие как чип TPU, анонсированный Google во время Google I/O на прошлой неделе.

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

В чем разница между машинным обучением и искусственным интеллектом?

Хотя машинное обучение и искусственный интеллект не являются совершенно разными понятиями, они и не совсем одно и то же. Машинное обучение можно охарактеризовать как способность машины адаптироваться к ситуациям и развиваться самостоятельно. В некотором смысле это один из процессов, необходимых для искусственного интеллекта, который, в свою очередь, является автономной системой.

Возьмем в качестве примера автономный автомобиль — так автомобиль, который может проехать из пункта А в пункт Б в соответствии с правилами дорожного движения. Это связано с искусственным интеллектом, потому что машина способна адаптироваться. Если бы он был запрограммирован на обучение и наблюдение, чтобы адаптироваться к трафику или различным ситуациям, то это было бы машинное обучение. Если бы он был запрограммирован на следование миллиардам предопределенных правил, которые остаются неизменными до тех пор, пока не будет обновлено, то это был бы искусственный интеллект без машинного обучения.

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

В чем смысл машинного обучения?

Основная цель машинного обучения — позволить компьютерной системе реагировать самостоятельно, чтобы защитить себя или сеть от кибератак. В этом есть много преимуществ, в том числе то, что специалистам по информатике больше не нужно подключаться во время атаки, чтобы решить проблему. Как и многие другие современные технологии, машинное обучение должно в конечном итоге стать основным для всех, а не оставаться ориентированным только на нишевую аудиторию.

Это путь, к которому стремится машинное обучение, используемое в разных секторах, которые, как вы можете себе представить, имеют больше общего, чем кажется на первый взгляд. Во время основного доклада 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 то, что, по его мнению, вы от него ожидаете.

Стратегия Google не ограничивается Google Фото. консолидировать большую часть (или, возможно, все?) своих услуг. Лицом этой стратегии, очевидно, является искусственный интеллект:помощник Google. Помощник учится на всем, что наблюдает, а экосистема Google только повышает качество доступной информации (и, следовательно, потенциал адаптации).

• Советы и рекомендации по Google Ассистенту:все, что вам нужно знать от новичка до эксперта

Интересная технология, но вам не следует слишком усердствовать

«Заманчиво отвергнуть идею высокоинтеллектуальных машин как простую научную фантастику. Но это было бы ошибкой и, возможно, нашей худшей ошибкой в ​​истории. […] К сожалению, она также может стать последней, если мы не научимся избежать рисков». Вот что физик Стивен Хокинг думает об искусственном интеллекте, который, напомним, является кульминацией машинного обучения. Таким образом, последствия этой технологии значительны, 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 задать себе этические вопросы, тем самым вступив в противоречие с современным прагматизмом. Допустимо ли, что кто-то (или, скорее, что-то) может получить доступ к такому количеству информации о нас? Как отметил мой коллега Ханс-Георг, мы не должны забывать, что Google и несколько агентств США (государственных 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 своеобразным «центром», единой точкой соприкосновения для всех ваших действий (спрашивание направления, заказ еды и т. д.). Помимо последствий для наших социальных взаимодействий (которые мы сможем увидеть только в долгосрочной перспективе), мы также можем рассмотреть концепцию «мыслящей машины», может ли эта технология заменить людей? Я имею в виду это не как научную фантастику, а скорее с профессиональной точки зрения:машины уже заменяют людей во многих задачах, машинное обучение может продолжать развивать эту тенденцию. Более того, Google очень хорошо понимает, как это повлияет на занятость, поскольку фирма также воспользовалась возможностью на Google I/O, чтобы запустить свой новый сервис Google Jobs, портал для поиска работы.

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

Короче говоря, система машинного обучения очень полезна, и у нее впереди большое будущее, но к экономии времени и усилий, которую она приносит, следует относиться легкомысленно.

На ваш взгляд, где машинное обучение будет наиболее полезным? Где это окажет наибольшее влияние? Дайте нам знать ваши мысли в комментариях ниже.