Как машинное обучение изменит наш мир

kiozk originalsHi-Tech

Верховный алгоритм

Как машинное обучение изменит наш мир

Автор: Педро Домингос – профессор информатики Университета Вашингтона, один из ведущих экспертов в своей области. Домингос является лауреатом премии SIGKDD Innovation Award, высшей награды в области информатики, а также членом Ассоциации развития искусственного интеллекта

0:00 /
1508.65

Для кого эта книга?

Доступным, легким языком Педро Домингос объясняет, что такое алгоритмы, машинное обучение и большие данные. Для этого он использует наглядные примеры и переводит разговор о сложных информационных технологиях в бытовую, понятную каждому, плоскость. Из книги «Верховный алгоритм» вы узнаете, как работает машинное обучение и почему данные – это «новая нефть». И если это правда, то главный, верховный алгоритм – это не просто ценнейшее из будущих достижений человечества. Это ключ от всех дверей. Он позволит выявить решение таких проблем, над которыми люди бьются веками.

Наш обзор не заменит вам прочтение книги «Верховный алгоритм» в полном объёме. Однако, мы готовы разжечь ваше любопытство и побудить к её самостоятельному изучению. Начнём?

Узнайте, как алгоритмы меняют мир.

Одна из величайших загадок мира заключается в том, как всего фунт серого вещества в голове новорожденного может в конечном итоге породить поток сознания, способного воспринимать мир и взаимодействовать с ним. И уж куда более поразительным является то, как мало учится мозг, пока он претерпевает эту трансформацию.

Ни одна машина в истории человечества не обладает способностью к обучению, сравнимой с человеческим мозгом. Но все меняется. Наша способность создавать все более сложные технологии означает, что в будущем они смогут бросить вызов человеческому мозгу.

Машины могут даже превзойти человеческие способности к обучению. Они способны изучать огромный объем данных, с которыми мы сталкиваемся и который игнорируем каждый день. Так что давайте серьезно об этом задумаемся и исследуем увлекательный мир алгоритмов и машинного обучения.

Из этого обзора вы узнаете:

  • как в будущем машины смогут учиться без инструкций;
  • почему иногда очень сложно увидеть закономерности;
  • как алгоритм выигрыша в «Тетрис» может оптимизировать ваш путь до работы.

Машинное обучение может решить важные проблемы, находя после просмотра данных алгоритм их объяснения.

Вас когда-нибудь выводили из себя рецепты с неточными инструкциями, например, «готовить на среднем огне 15-20 минут»? Если да, то вы тот, кто предпочитает четкий алгоритм действий.

В отличие от подобных рецептов, алгоритмы – это последовательности точных инструкций, которые каждый раз дают один и тот же результат.

Хотя вы можете и не знать об их существовании, алгоритмы используются повсюду. Они планируют рейсы, отправляют посылки и обеспечивают бесперебойную работу заводов.

Эти стандартные алгоритмы предназначены для приема информации в качестве входных данных, затем для выполнения задачи и получения результата.

Допустим, задача алгоритма – задать направление. Если вы введете две точки, машина выдаст вам самый короткий маршрут между этими двумя точками.

Но алгоритмы машинного обучения (МО), на один шаг более абстрактны: это алгоритмы, которые выводят другие алгоритмы! С учетом множества примеров пар «ввод-вывод», на которых нужно учиться, они изобретают алгоритм, который преобразует вводные данные в нужный результат.

Это удобно при разработке алгоритмов для задач, которые программист не может точно описать, например, чтение чьего-то почерка. Подобно езде на велосипеде, расшифровка почерка – это то, что мы делаем бессознательно. Нам было бы трудно выразить этот процесс словами, не говоря уже об алгоритме.

Благодаря машинному обучению, нам не приходится этого делать. Мы просто даем алгоритму машинного обучения множество примеров рукописного текста в качестве вводных данных и значение текста в качестве желаемого результата. В результате получится алгоритм, который сможет преобразовать одно в другое.

После проведения данного процесса обучения мы сможем использовать полученный алгоритм всякий раз, когда захотим автоматически расшифровать почерк. И, действительно, именно так в почтовом отделении считывают почтовый индекс, который вы пишете на своих посылках.

Примечательно то, что алгоритмы машинного обучения, подобные этому, можно использовать для множества различных задач, а решение возникающих проблем – это только вопрос сбора достаточного количества данных.

Это означает, что исходный алгоритм часто один и тот же и не требует никаких корректировок для решения, казалось бы, несвязанных между собой проблем.

Например, можно подумать, что для постановки медицинского диагноза, фильтрации спама из электронной почты и определения лучшего шахматного хода могут потребоваться совершенно разные алгоритмы. Но, на самом деле, с помощью одного алгоритма МО и правильных данных можно решить все эти проблемы.

Чтобы избежать сбоев, алгоритмы обучения должны быть ограничены и проверены на достоверность.

Видеть галлюцинации – это видеть то, чего на самом деле нет. Интересно, что «галлюцинации» – центральная проблема в мире алгоритмов. В 1998 году в бестселлере «Библейский код» утверждалось, что Библия содержит скрытые предсказания, которые обнаруживаются выборочным пропуском определенных строк и букв.

Однако критики опровергли это утверждение, продемонстрировав, что подобные «закономерности» можно найти в «Моби Дике» и даже в постановлениях Верховного суда.

Это хороший пример «галлюцинаций», которые на языке МО являются результатом переобучения. Переобучение происходит, когда алгоритм настолько мощный, что может «выучить» что угодно. Дело в том, что когда вы бросаете достаточно вычислительной мощности на такой набор данных, как Библия, вы всегда найдете некоторые закономерности, потому что компьютер может выводить все более сложные закономерности до тех пор, пока некоторые из них не сработают. Но полученная закономерность не будет работать ни с какими другими данными.

Поэтому, чтобы взять под контроль алгоритмы, их мощность должна быть ограничена путем уменьшения их сложности.

Чтобы вывести правильную степень ограничений, вы должны убедиться, что область применения вашего алгоритма не слишком обширна, и гарантировать, что результаты будут достоверными и последовательными. Если алгоритм слишком универсален, он может привести к таким же данным, как и в «Библейском коде» и найти закономерности в любом тексте или наборе данных.

Но что, если ваш алгоритм обнаруживает несколько закономерностей, которые объясняют ваши данные, но не согласуются с новыми данными? Какому результату вы должны верить? И как вы можете быть уверены на 100% в том, что ваши результаты – это не просто случайность?

Тогда на помощь приходят тестовые данные.

Когда вы готовите исходный набор данных для обучения алгоритма, важно разделить его на тренировочный набор, который алгоритм использует для обучения, и тестовый набор данных, с помощью которого его можно перепроверить.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Шелковый Путь Шелковый Путь

Дорога тканей, рабов, идей и религий

kiozk originals
Социальная сеть Социальная сеть

Как основатель Facebook заработал $4 млрд и приобрел 500 млн друзей

kiozk originals
Пластичность мозга Пластичность мозга

Потрясающие факты о том, как мысли способны менять структуру и функции мозга

kiozk originals
Удивительные люди. Как одно знакомство может перевернуть жизнь Удивительные люди. Как одно знакомство может перевернуть жизнь

Какая встреча изменила вашу судьбу?

Forbes
Жизнь 3.0 Жизнь 3.0

Быть человеком в эпоху искусственного интеллекта

kiozk originals
Как объяснить детям, что с деньгами сейчас туго Как объяснить детям, что с деньгами сейчас туго

Надо ли детям знать о том, что финансовые обстоятельства изменились?

Psychologies
Homo Deus Homo Deus

Краткая история будущего

kiozk originals
Как разлюбить плюшки Как разлюбить плюшки

Как сделать, чтобы плюшек не хотелось вовсе?

Худеем правильно
Магия математики Магия математики

Как найти Х и зачем это нужно

kiozk originals
10 забытых продуктов компании Apple 10 забытых продуктов компании Apple

10 идей Apple, о которых сегодня многие позабыли (или не слышали вовсе)

Популярная механика
Новые имена славянского фэнтези, которые стоит знать не только поклонникам жанра Новые имена славянского фэнтези, которые стоит знать не только поклонникам жанра

Пять фэнтези циклов, которые прогремели в последние годы

Maxim
Что выдает мужчину-невротика? Рассуждает Михаил Лабковский Что выдает мужчину-невротика? Рассуждает Михаил Лабковский

Как распознать мужчину с неврозом и избежать токсичных отношений с ним

Cosmopolitan
Богатый папа, бедный папа Богатый папа, бедный папа

Чему учат детей богатые родители – и не учат бедные

kiozk originals
Преждевременную смерть 31 миллиона китайцев в XXI веке связали с пыльным воздухом Преждевременную смерть 31 миллиона китайцев в XXI веке связали с пыльным воздухом

Ранняя смерть в Китае связана с длительным вдыханием частиц мелкодисперсной пыли

N+1
Как микробы управляют нами Как микробы управляют нами

Тайные властители жизни на Земле

kiozk originals
Теория разумного пофигизма. 13 правил счастья в семейной жизни Теория разумного пофигизма. 13 правил счастья в семейной жизни

Как сосуществовать вместе долго и счастливо?

Maxim
Естественный отбор Естественный отбор

Матильда Шнурова о своих новых проектах

OK!
Нечеловеческий секс Нечеловеческий секс

Почему мы все еще занимаемся сексом по старинке – с живыми людьми?

Популярная механика
10 самых безумных грузов, перевезенных по воздуху 10 самых безумных грузов, перевезенных по воздуху

Авиаперевозки, не поддающиеся никакой классификации.

Популярная механика
Гормоны стресса — виновники лишнего веса! Как «приручить» кортизол и адреналин? Гормоны стресса — виновники лишнего веса! Как «приручить» кортизол и адреналин?

Как работают гормоны стресса и как сохранить здоровье и красоту?

Cosmopolitan
Чем нас привлекают «ужастики» Чем нас привлекают «ужастики»

Почему хорроры настолько популярны?

Psychologies
(Не) конкурент: в чем нейросеть уступает человеку, а в чем нет (Не) конкурент: в чем нейросеть уступает человеку, а в чем нет

Какие человеческие качества все еще невозможно воспроизвести в нейросетях?

РБК
9 самых популярных памятников архитектуры, которые поначалу считали уродливыми 9 самых популярных памятников архитектуры, которые поначалу считали уродливыми

Оказывается, когда-то признанные архитектурные памятники подвергались гонениям

Maxim
10 военных фильмов с самым большим количеством исторических ляпов 10 военных фильмов с самым большим количеством исторических ляпов

Для некоторых фильмов фраза «основан на реальных событиях» ничего не значит

Maxim
Игры, в которые играют люди Игры, в которые играют люди

Психология человеческих взаимоотношений

kiozk originals
Идем в школу: как улучшить память и внимание Идем в школу: как улучшить память и внимание

Зная, как работает мозг, можно добиться от него удивительных результатов

Популярная механика
Стоит ли соглашаться на повышение? Как принять сложное карьерное решение Стоит ли соглашаться на повышение? Как принять сложное карьерное решение

Как принять решение о повышении, если вы не уверены, что справитесь со стрессом

Forbes
Как правильно гладить брюки со стрелками: пошаговая инструкция Как правильно гладить брюки со стрелками: пошаговая инструкция

Руководство по созданию стрелок утюгом и парогенератором на мужских брюках

Playboy
(Нео)сознанное (Нео)сознанное

Как бессознательный ум управляет нашим поведением

kiozk originals
10 лучших кинофильмов по книгам Агаты Кристи 10 лучших кинофильмов по книгам Агаты Кристи

Эти экранизации романов Агаты Кристи ты точно должен увидеть

Maxim
Открыть в приложении