Завдяки таким компаніям, як Google, Amazon і Facebook, терміни «штучний інтелект» (ШІ) і «машинне навчання» стали набагато поширенішими, ніж будь-коли раніше. Вони часто використовуються як взаємозамінні і обіцяють багато чого — від розумних побутових приладів до роботів, які виконуватимуть нашу роботу.
Але хоча штучний інтелект і машинне навчання дуже пов’язані між собою, це не зовсім одне й те саме.
ШІ — це галузь комп’ютерних наук, яка намагається створити машини, здатні до розумної поведінки, тоді як Стенфордський університет визначає машинне навчання як «науку про те, як змусити комп’ютери діяти без явного програмування». Для створення розумних машин потрібні дослідники штучного інтелекту, але для того, щоб зробити їх по-справжньому розумними, потрібні експерти з машинного навчання.
Великі технологічні гравці, такі як Google та Nvidia, наразі працюють над розвитком машинного навчання, відчайдушно підштовхуючи комп’ютери вчитися так, як це робила б людина, щоб досягти того, що багато хто називає наступною революцією в технологіях — машин, які «думають», як люди.
Найпопулярніше
Усі серії «Чорного дзеркала»: від найгіршої до найкращої
Аміт Катвала
41 найкращий фільм на Netflix цього тижня
Метт Кеймен
Як «Індіана Джонс і дзиґа долі» омолодили Гаррісона Форда
Вілл Бедінгфілд
11 найкращих фільмів на Amazon Prime прямо зараз
За останнє десятиліття машинне навчання дало нам самокеровані автомобілі, практичне розпізнавання мови, ефективний пошук в Інтернеті та значно покращило розуміння людського геному. Але як це працює?
Візьмемо дуже спрощений приклад. Коли ви робите помилку, наприклад, під час пошуку в Google, він видає повідомлення: «Ви мали на увазі. «? Це результат роботи одного з алгоритмів машинного навчання Google — системи, яка визначає, що ви шукаєте, через кілька секунд після того, як ви зробили певний пошук.
Враження художника від диференційованого нейронного комп’ютера DeepMind
Наприклад, уявімо, що ви шукали в Google «WIRED», але випадково набрали «Wored». Після пошуку ви, ймовірно, зрозумієте, що набрали неправильно, і через кілька секунд повернетесь до пошуку і наберете «WIRED». Алгоритм Google розпізнає, що ви шукали щось через кілька секунд після того, як шукали щось інше, і запам’ятовує це для майбутніх користувачів, які зроблять подібну помилку. Таким чином, Google «вчиться» виправляти її за вас.
Хоча це дуже простий приклад, аналітики даних, розробники та дослідники використовують набагато складніші методи машинного навчання, щоб отримати знання, які раніше були недосяжними. Програми, які навчаються на власному досвіді, допомагають їм дізнатися, як працює людський геном, зрозуміти поведінку споживачів до такого рівня, який раніше був неможливий, і створити системи для рекомендацій щодо покупок, розпізнавання зображень і запобігання шахрайству, серед іншого.
Найпопулярніше
Усі серії «Чорного дзеркала»: від найгіршої до найкращої
Аміт Катвала
41 найкращий фільм на Netflix цього тижня
Метт Кеймен
Як «Індіана Джонс і дзиґа долі» омолодили Гаррісона Форда
Вілл Бедінгфілд
11 найкращих фільмів на Amazon Prime прямо зараз
Отже, тепер ви маєте базове уявлення про те, що таке машинне навчання, і чим воно відрізняється від штучного інтелекту? Ми поспілкувалися з Ніді Чаппеллом, керівником відділу машинного навчання Intel, щоб прояснити це питання.
«ШІ — це, по суті, інтелект, тобто те, як ми робимо машини розумними, тоді як машинне навчання — це реалізація обчислювальних методів, які його підтримують. Я думаю про це так: ШІ — це наука, а машинне навчання — це алгоритми, які роблять машини розумнішими.
«Таким чином, інструментом для ШІ є машинне навчання», — додала вона.
Далі Чаппелл пояснив, що машинне навчання є найбільш швидкозростаючою частиною ШІ, тому останнім часом ми бачимо багато розмов про нього. Незважаючи на те, що сьогодні це невеликий відсоток робочих навантажень в обчислювальній техніці, це найбільш швидкозростаюча сфера, тому всі зосереджені на ній.
«Прості приклади: коли ви приїжджаєте в нове місце і шукаєте в Інтернеті «найкращі справи», порядок, в якому ви їх бачите, визначається машинним навчанням, і те, як вони ранжуються і оцінюються, — це все машинне навчання», — сказав Чаппелл, додавши, що те ж саме відбувається і з трендами в новинах.
«Штучний інтелект настільки проник у наше життя, що ми не усвідомлюємо, що він керує багатьма речами, — додала вона. «Можливо, ви використовуєте його десятки разів на день, навіть не підозрюючи про це».
Найпопулярніше
Усі серії «Чорного дзеркала»: від найгіршої до найкращої
Аміт Катвала
41 найкращий фільм на Netflix цього тижня
Метт Кеймен
Як «Індіана Джонс і дзиґа долі» омолодили Гаррісона Форда
Вілл Бедінгфілд
11 найкращих фільмів на Amazon Prime прямо зараз
З іншого боку, Facebook намагається демістифікувати ці концепції у серії відеороликів та публікацій у блогах.
«Ваш смартфон, будинок, банк і машина вже використовують штучний інтелект щодня, — пояснюють провідні інженери Facebook Янн Лекун і Хоакін Кіньонеро Кандела (Yann LeCun, Joaquin Quiñonero Candela). «Іноді це очевидно, наприклад, коли ви просите Siri показати вам дорогу до найближчої заправки, або Facebook пропонує вам позначити друга на зображенні, яке ви опублікували в Інтернеті. Іноді менш очевидно, наприклад, коли ви використовуєте Amazon Echo, щоб зробити незвичайну покупку за допомогою кредитної картки, і не отримуєте попередження про шахрайство від свого банку.
«Штучний інтелект принесе великі зміни в суспільство завдяки розвитку самокерованих автомобілів, аналізу медичних зображень, кращій медичній діагностиці та персоналізованій медицині. Він також стане основою багатьох найбільш інноваційних додатків і послуг завтрашнього дня».
Вони продовжили, що ШІ — це не магія, а лише математика, хоча й дуже складна математика.
Три типи навчання ШІ
Навчання з підкріпленням: цей тип навчання зосереджується на тому, як «агент» ШІ повинен поводитися, щоб отримати максимальну віддачу від своєї роботи. Машина вибирає дію або послідовність дій і отримує винагороду. Його використовують, коли навчають машини грати і перемагати в іграх, але він потребує великої кількості випробувань, щоб навчитися навіть простим завданням.
Навчання під контролем: це коли дослідники говорять машині, яка відповідь є правильною для певного введення. Наприклад, вони показують їй зображення автомобіля і кажуть, що правильна відповідь — «автомобіль». Це найпоширеніший метод навчання нейронних мереж та інших архітектур машинного навчання.
Навчання без нагляду/предиктивне навчання: Люди і тварини навчаються, як правило, без нагляду, спостерігаючи за тим, як влаштований світ, і спостерігаючи за нашими батьками. Однак ніхто не може сказати нам назву і функцію кожного об’єкта, який ми сприймаємо, тому ми повинні навчити себе базовим поняттям, таким як: світ тривимірний, об’єкти не зникають спонтанно, а об’єкти, які не мають опори, падають. Наразі дослідники не знають, як зробити це з машинами, принаймні, не на тому рівні, на якому це можуть робити люди і тварини.
Але для того, щоб ШІ прогресував, машинне навчання повинно зробити великий стрибок у продуктивності, а це рідко можливо в традиційному світі високопродуктивних обчислень, де проблеми чітко визначені, а робота над оптимізацією ведеться вже багато років.
Алгоритми машинного навчання все ще потребують вдосконалення, і саме тому багато великих технологічних компаній ставлять його в центр своєї стратегії і невтомно працюють над тим, щоб зробити його більш інтелектуальним, щоб просуватися вперед і створювати наступні інновації, такі як повністю автономні і на 100% безпечні самокеровані автомобілі.
