Човешкият ум има ограничение в количеството данни, които може да събира и управлява, но машините са способни да се справят с това много по-добре от нас. Сега се опитваме да направим машините още по-умни, като им позволим да се учат сами, но с каква цел?
- Google I/O 2017: всичко, което научихме досега
- Защо да инвестираме в умен дом? 4 причини, поради които смятаме, че това е добра идея
Какво е машинно обучение?
Машинното обучение (понякога наричано „автоматично обучение“ или „интелигентно обучение“) е, както подсказва името, да направи машина или система способна да се учи сама. Това бележи значително отклонение от класическото компютърно програмиране, което се състоеше от човек, даващ заповед, и машина, изпълняваща заповедта. При машинното обучение машината е в състояние да се адаптира към ситуации и по този начин да учи сама. За да се случи това, не става въпрос само за софтуерни алгоритми, но и хардуерни компоненти, които могат да се задържат, също са много важни, като TPU чипа, обявен от Google по време на Google I/O миналата седмица.
Човешката намеса в програмирането не е съвършена, защото еволюцията на програмата (добавянето на нови правила) може да причини конфликти със съществуващия код, което води до нестабилност. Ако една система прави “развитието” сама, тя няма да направи нищо глупаво (на теория…). Като каза това, машинното обучение се развива в много други области, на които ще се върнем по-късно.
Каква е разликата между машинното обучение и изкуствения интелект?
Въпреки че машинното обучение и изкуственият интелект не са напълно различни концепции, те също не са напълно еднакви. Машинното обучение може да се обобщи като способността на машината да се адаптира към ситуации и да се развива сама. В известен смисъл това е един от процесите, необходими за изкуствения интелект, който от своя страна е автономна система.
Да вземем примера с автономна кола – кола, която може да премине от точка А до точка Б в съответствие с кода на магистралата. Това включва изкуствен интелект, защото машината може да се адаптира. Ако беше програмиран да учи и наблюдава, за да се адаптира към трафика или различни ситуации, тогава това би било машинно обучение. Ако беше програмиран да следва милиарди предварително дефинирани правила, които остават фиксирани, докато няма актуализация, тогава това щеше да е изкуствен интелект без машинно обучение.
Очевидно машинното обучение има най-голям потенциал за подобряване на изкуствения интелект и ни предоставя устройство, което работи в дългосрочен план.
Машинното обучение има най-голям потенциал за подобряване на изкуствения интелект
Какъв е смисълът на машинното обучение?
Основната цел на машинното обучение е да позволи на компютърната система да реагира сама, за да защити себе си или мрежа от кибератаки. Това има много предимства, включително, че компютърните специалисти вече не трябва да са свързани по време на атаката, за да се справят с проблема. Подобно на много други съвременни технологии, машинното обучение е предназначено в крайна сметка да стане масово, за да може всеки да го използва, а не да остане ориентирано само към нишова аудитория.
Това е пътят, към който се стреми машинното обучение, като се използва в различни сектори, които, както можете да си представите, имат повече общи неща, отколкото изглежда първоначално. По време на основната бележка на Google I/O миналата седмица Google обясни, че използва тази концепция в своето приложение Google Photos. Последният се учи от това как използвате приложението и очевидно използва наличните данни на вашия телефон (снимки, имена и т.н.) и се опитва да ви предложи изживяването, което смята, че очаквате от него.
Стратегията на Google не се ограничава до Google Photos: стратегията му е да консолидира повечето (или може би всички?) от своите услуги. Лицето на тази стратегия очевидно е това на изкуствения интелект: Google Assistant. Асистентът се учи от всичко, което наблюдава, а екосистемата на Google само подобрява качеството на наличната информация (и следователно потенциала за адаптиране).
- Съвети и трикове за Google Assistant: всичко, което трябва да знаете от начинаещ до експерт
Интересна част от технологията, но не трябва да се чувствате много удобно
„Изкушаващо е да отхвърлим идеята за високоинтелигентни машини като обикновена научна фантастика. Но това би било грешка и потенциално най-голямата ни грешка в историята. […] За съжаление, може да е и последният, освен ако не се научим как да избягваме рисковете”. Това мисли физикът Стивън Хокинг за изкуствения интелект, който, нека ви напомним, е кулминацията на машинното обучение. Следователно последствията от тази технология са значителни, но е необходимо да запазим някои елементи в полезрението си.
По дефиниция машинното обучение учи, така че ако има за цел да научи за вас (какъвто е случаят с Google), разбира се, трябва да си зададем етични въпроси, като по този начин влизаме в конфликт със съвременния прагматизъм. Допустимо ли е някой (или по-скоро нещо) да има достъп до толкова много информация за нас? Както посочи моят колега Ханс-Георг, не трябва да забравяме, че Google и няколко американски агенции (правителствени отдели) също имат достъп до тези данни.
Друг ъгъл, който трябва да се вземе предвид, е въздействието, което това може да има върху обществото. Както отбеляза моят колега Стефан в своите впечатления от Google I/O, Google Assistant се превръща в своеобразен „център“, единна точка за контакт за всички ваши действия (питане за упътване, поръчване на храна и т.н.). Освен последствията върху нашите социални взаимодействия (които ще можем да видим ефектите от тях едва в дългосрочен план), можем също така да разгледаме концепцията за „машина, която мисли“, може ли тази технология да замени хората? Нямам предвид това като научна фантастика, а по-скоро от професионална гледна точка: машините вече заместват хората за много задачи, машинното обучение може да продължи да натиска тази инерция. Освен това Google е много наясно с ефектите, които това ще има върху заетостта, тъй като фирмата също се възползва от възможността на Google I/O, за да стартира своята нова услуга Google Jobs, портал за търсещи работа.
Така че в заключение, нека не забравяме един очевиден факт: технологията се подчинява на правилата на този, който я създава. Ако може да се използва за добро, може да се използва и за зло. Разбира се, ние не живеем в Терминатора, (машинно задвижвана) вселена, но кибернетичните конфликти могат да се развият по напълно различен начин.
Накратко, системата за машинно обучение е много полезна и има дълго бъдеще пред себе си, но спестяването на време и усилия, което идва с нея, трябва да се приема леко.
Според вас къде машинното обучение ще бъде най-полезно? Къде ще има най-голямо въздействие? Кажете ни вашите мисли в коментарите по-долу.