Машинное обучение – это один из основных подходов к созданию искусственного интеллекта. Если коротко, то машинное обучение – это аспект компьютерной науки, в котором компьютеры или машины имеют способность обучаться, не имея точной программы. Обычным результатом будут предположения или прогнозы в определенной ситуации[6].
Вспомните первые персональные компьютеры, которые стали доступны простым пользователям в 1980-е годы. Эти машины были точно запрограммированы на выполнение определенных операций. В отличие от них, благодаря машинному обучению, многие технические устройства будущего будут собирать опыт и информацию из стиля их использования, что сделает опыт использования одного и того же устройства персональным для каждого конкретного пользователя. Уже сейчас существуют простые примеры такой персонализации: в социальных сетях, например в Facebook, или в результатах поиска Google.
Машинное обучение использует алгоритмы, чтобы обучаться на паттернах данных. Например, спам-фильтры электронной почты используют машинное обучение для определения того, какие письма являются спамом, и последующего отделения их от допустимых писем. Это простой пример того, каким образом могут использоваться алгоритмы обучения по паттернам данных, а приобретенные знания могут использоваться для принятия решений.
На рисунке 1.4 ниже изображены три разновидности машинного обучения: обучение с учителем, обучение без учителя и обучение с подкреплением.
При обучении с учителем алгоритмы используют данные, которые уже были размечены или каким-то образом организованы. При использовании данного метода воздействие со стороны человека необходимо для получения обратной связи.
Рис. 1.4. Типы машинного обучения
Обучение без учителя применяет алгоритмы, в которых данные не были заранее размечены или организованы. Напротив, паттерны определяются без вмешательства человека в процесс[7].
И наконец, при обучении с подкреплением алгоритмы учатся на опыте. Им не ставят никаких четких целей, кроме получения какой-либо награды[8].
Глубокое обучение является одной из наиболее быстроразвивающихся сфер применения искусственного интеллекта и составной частью машинного обучения. Оно используется для решения проблем, которые ранее считались слишком сложными, и обычно задействует огромные массивы данных.
Глубокое обучение происходит с использованием нейросетей, которые разделены на уровни таким образом, чтобы распознавать сложные связи и паттерны данных. Применение глубокого обучения требует для работы наличия огромного массива данных и внушительных вычислительных мощностей. На данный момент глубокое обучение используется для распознавания речи, обработки естественных языков, компьютерного зрения, а также идентификации автомобилей в качестве помощи водителю[9].
Одним из примеров этому может служить перевод текстов, реализованный в Facebook. В 2017 году в Facebook открыли для себя, что благодаря глубокому обучению они могут делать около 4,5 миллиарда переводов в день[10]. Как правило, это короткие переводы для таких вещей, как обновления статусов, которые люди выкладывают у себя на страничке. Инструменты искусственного интеллекта Facebook делают возможным автоматический перевод таких сообщений на различные языки. Без применения глубокого обучения предложение такого функционала стоило бы огромных денег и требовало бы наличия гигантской команды людей.
Чтобы понять техническую сторону глубокого обучения и областей его применения, я рекомендую пройти онлайн-курс от Эндрю Ына, лучшего эксперта в области глубинного обучения. Найти данный курс можно по ссылке: deeplearning.ai. Также для получения более подробной информации вы можете пройти по следующей ссылке: deeplearningbook.org.
Помимо этого, я рекомендую вам пройти хотя бы один из онлайн-курсов по искусственному интеллекту и машинному обучению, доступных на сайтах udacity.com и edx.org.
Для упрощения описания в данной книге я использую именно термин «искусственный интеллект», хотя во многих случаях я имею в виду глубокое или машинное обучение. Помните, что термин «искусственный интеллект» в данной книге часто используется в широком смысле.
Технологии искусственного интеллекта и области его применения стали одной из ведущих тем новостей. К сожалению, в СМИ присутствует огромное количество недостоверной информации, которая вводит простых людей в заблуждение. Одним из лучших и наиболее достоверных источников актуальных новостей, связанных с искусственным интеллектом, является AI Index. Данный всеобъемлющий сайт представляет собой широкий спектр достоверной информации об искусственном интеллекте, включая последние тенденции и информацию от ведущих экспертов в области ИИ, таких как Себастьян Трун, Эрик Бринолфссон, Ли Кайфу и Эндрю Ын. Перейти на сайт можно по ссылке: www.aiindex.org.
6
Wikipedia entry on Machine Learning, December 07, 2017, https:// en.wikipedia.org/wiki/Machine_learning
7
Dave Gershgorn, “The Quartz guide to artificial intelligence: What is it, why is it important, and should we be afraid?”, Quartz, September 10, 2017, https://qz.com/1046350/the-quartz-guide-to-artificial-intelligen– ce-what-is-it-why-is-it-important-and-should-we-be-afraid
8
KDnuggets, “Machine Learning Key Terms, Explained”, 2017, https:// www.kdnuggets.com/2016/05/machine-learning-key-terms-explained. html/2
9
Dave Gershgorn, “The Quartz guide to artificial intelligence: What is it, why is it important, and should we be afraid?”, Quartz, September 10, 2017, https://qz.com/1046350/the-quartz-guide-to-artificial-intelligen– ce-what-is-it-why-is-it-important-and-should-we-be-afraid
10
Huan Muguel Pino, “Transitioning entirely to neural machine trans– lation”, Facebook, August 03, 2017, https://code.facebook.com/ posts/289921871474277/transitioning-entirely-to-neural-machi– ne-translation