Machine Learning. Na czym więc polega zdolność komputera do uczenia się?

Poprzez doświadczenia i nabywanie wiedzy z zewnątrz, uczą się już nie tylko ludzie. Z okresu niemowlęcego właśnie wyrastają wyrafinowane technologie informatyczne.

Machine Learning Norbert Biedrzycki blog BrandsIT

Mój artykuł w BrandsIT z dnia 10 czerwca 2018 roku.

 

Małe dziecko, które uśmiecha się, gdy rozpoznaje pochyloną nad nim, naszą twarz wywołuje w nas zachwyt. Cieszymy się, gdy nasza pociecha powtarza za nami pierwsze słowa. Aż nadchodzi moment, kiedy dziecko zaczyna snuć historie o postaciach z bajek, które mu czytaliśmy. W końcu umie liczyć, rysuje, pisze w szkole pierwsze wypracowanie, poprawia je. I pewnego dnia słyszymy, jak wygłasza opinię o świecie. A ta bywa często tak niezwykła, że przeżywamy wstrząs. Bo oto doświadczyliśmy właśnie czyjejś intelektualnej samodzielności i niezależności.

 

Samodzielność ograniczona

Poprzez doświadczenia i nabywanie wiedzy z zewnątrz, uczą się już nie tylko ludzie. Z okresu niemowlęcego właśnie wyrastają wyrafinowane technologie informatyczne. Zagadnieniem, które dotyczy Sztucznej Inteligencji i na którym skupia się uwaga współczesnego świata jest tzw. uczenie się maszyn (uczenie maszynowe, ang. machine learning). Sama już nazwa wskazuje, że mamy do czynienia z obszarem, na którym procesom całkowicie zautomatyzowanym towarzyszą operacje oparte na inteligentnym przetwarzaniu danych i wyborze. Zjawisko to już dzisiaj określa kierunek najpoważniejszych poszukiwań w świecie nowoczesnych technologii.

Uczenie się maszyn jest dziedziną na pograniczu matematyki, statystyki i programowania czy informatyki. Celem jest stworzenie złożonych algorytmów, tak aby algorytmy były w stanie podejmować najbardziej optymalne decyzje oraz co więcej zmieniać same siebie w celu nieustającego samo udoskonalania. Algorytmy stanowiące podstawę machine learning są specyficzne i wysoko rozwinięte. Generalnie działają w oparciu o pewien dynamiczny model, który przetwarza sygnały wejściowe (dane) i po ich przetworzeniu podejmuje określone decyzje. Co bardzo ważne, algorytmy te mają zdolność „uczenia się” w trakcie aktywnego przetwarzania wprowadzanych zbiorów danych. Jednak w całym tym mechanizmie zawarte jest poważne ograniczenie. Polega ono na tym, że komputer, wykonując zadania, korzysta z doświadczenia „nadzorowanego”. Oznacza to, że w całej operacji przetwarzania informacji kluczową rolę odgrywa człowiek – programista, operator, nauczyciel. Jego rolą jest wspomaganie maszyny poprzez wprowadzanie do niej porcji danych, „ręczne’ weryfikowanie stanu powstającego w wyniku analiz czy też eliminacja blokad systemu. Obecnie samodzielnośćkomputera jest więc ciągle ograniczona, bo uzależniona od kierującego nim specjalisty. Przyjmuje się, że pierwszy raz z uczeniem maszynowym zetknęli się specjaliści z koncernu IBM próbujący opracować algorytm, który miał pomagać szachistom w doskonaleniu ich umiejętności. Natomiast bardzo ważnym momentem w rozwoju zjawiska był system informatyczny Dendral stworzony w 1965 roku na Standford  Univercity. Jego zadaniem była automatyzacja analiz związków chemicznych. Uznaje się dziś, że efektem tych badań były pierwsze w historii związki, odkryte przez komputer.

Najnowsze prace dążą do tego aby rola człowieka, jako nauczyciela została wyeliminowana lub mocno ograniczona, tak aby algorytmy były w stanie uczyć się samodzielnie.

 

Czas na samodzielność nieograniczoną

Obecnie, jednym z najintensywniej eksplorowanych obszarów związanych z  machine learning jest deep learning, traktowane zresztą jako podkategoria tego pierwszego. Za pomocą bardzo rozbudowanych struktur matematycznych, umożliwiających przetwarzanie wielowątkowe, zwane sieciami neuronowymi algorytmy są stanie podejmować decyzje, modyfikować te decyzje w oparciu o popełniane błędy czy zadane wzorce i wybierać z dostępnych danych te najbardziej odpowiadające na zadane pytanie, problem. Czyli są w stanie samodzielnie się uczyć, wykorzystując metody deep learning. Deep learning umożliwia takie procesy jak: rozpoznawanie głosu, języka naturalnego, tłumaczenia z różnych języków czy rozpoznawanie obrazów. A wszystkie te funkcje są teraz szczególnie interesujące dla koncernów takich jak Facebook czy Google.

Zapraszam do lektury pełnego artykułu – link

 

Powiązane artykuły:

– Dlaczego tak bardzo zależy nam na technologii blockchain?

– Blockchain, czyli ostateczny krach systemu finansowego

– Blockchain – święty Graal systemu finansowgo?

– Co to jest blockchain? Wszystko co trzeba o nim wiedzieć

– Blockchain ma potencjał do wzruszenia podstawowych filarów naszego społeczeństwa

 

 

Skomentuj

9 comments

  1. Alibaba

    A myślisz, że po co Microsoft straszy ludzi przed ML? I jak do tego dołoży się to, że są jedną z firm, która pompuje miliardy rocznie w rozwój tej technologii, to wynik jest jasny, że chodzi o kasę, bo chcą być tym rycerzem na białym koniu, który to „ujarzmił” 🙂 A to i tak bardzo prosta algebra liniowa, póki co ML nie wszedł w nic bardziej skomplikowanego typu quantum 🙂

  2. CabbH

    No dość znaczna, od rozpoznawania obrazów do zniszczenia świata jest daleka droga. Trzeba zacząć od tego żeby AI potrafiło samo się implementować i długo poczekać żeby coś z tego było. Zbyt długa droga od „napisz poprawnie kawałek kodu” do „zniszcz ludzkość”

  3. MJarosz99

    I jeszcze jedno – w kwestii samochodu. Koncept „mass simulator” – czyli bezwartościowy ładunek do wyniesienia na rakiecie testowej. Bezwartościowy, bo ryzyko awarii jest wysokie i nikt drogiego satelity nie zawierzy nieprzetestowanej rakiecie. Zwykle stosowane były bloki betonu odpowiadające z grubsza gabarytami i masą satelitom. Musk stwierdził, że bloki betonu są nudne i zrobił sobie reklamę Tesli – w porównaniu z kosztami rakiety auto i blok betonu to takie same grosze, a reklama była głośna. Innymi słowy, gdyby nie wystrzelił auta, wystrzeliłby blok betonu, bo Falcon Heavy trzeba było przetestować tak czy inaczej.

  4. MJarosz99

    Tak mnie natchnęło: co jeśli Musk kombinuje z AI w „bezpiecznych i kontrolowanych” warunkach? Bo przecież:
    Hawking, Job i chyba nawet Gates przestrzegają(li) przed zagrożeniami ze strony sztucznej inteligencji.
    W strefie poza ziemskiej jako terenie niczyim można robić wszystko (!).
    Sam fakt wystrzelenia auta w kosmos jako reklama czy zrobienie czegoś bo można mimo wszystko do mnie nie trafia.
    Swoją drogą, jeśli to prawda, bezpieczne i kontrolowane warunki mogą okazać się niedostateczne – AI może „ewoluować”. Jako że w jakiś sposób należy badać postęp badań, Musk labs będą próbowali się skontaktować ze swoim obiektem. Podczas „połączenia” może coś przeskoczyć – dzisiaj do drugi nastolatek potrafi złamać wiele zabezpieczeń i rootować systemy operacyjne co najmniej telefonów. Strach się bać!

  5. Jacek B2

    Przejrzystość w tym, w jaki sposób algorytmy generują swoje przewidywania czy analizy, jest kluczowa. Nie znaczy to, że jej osiągnięcie jest łatwe. To nie jest temat, który dotyczy wyłącznie sposobu działania sztucznej inteligencji. To także pytanie, do kogo należą dane, na których ona pracuje.

  6. Jacek B2

    Z pewnością nastąpią zmiany w strukturze pracy. Powstanie wiele zawodów, o których dziś nie mamy pojęcia. Będą powstawały nowe stanowiska pracy w różnych dziedzinach, właśnie w związku z rozwojem sztucznej inteligencji. Temat sztucznej inteligencji i zmian, jakie spowoduje ona w strukturze rynku pracy, jest bardzo ważny. Nie sądzę, żeby jakaś firma była w stanie zaproponować samodzielnie adekwatne rozwiązania wszystkich problemów. Razem możemy jednak wiele osiągnąć. Zdecydowanie jednak sztuczna inteligencja jest dla nas szansą, a nie zagrożeniem.