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 /
-25:08

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

Цивилизация Цивилизация

Чем Запад отличается от остального мира

kiozk originals
44 года со дня тарана самолетом дома в Новосибирске 44 года со дня тарана самолетом дома в Новосибирске

Столкновение, случившееся в 1976 году, было не случайностью

Maxim
На понятном языке На понятном языке

Как появился Kotlin, и правда ли, что он идеален для программирования

Популярная механика
Поматросил и бросил? Почему Тимати не женился ни на одной из своих девушек Поматросил и бросил? Почему Тимати не женился ни на одной из своих девушек

С кем у рэпера Тимати были отношения и почему они не привели к браку?

Cosmopolitan
Неизбежно Неизбежно

12 технологических трендов, которые определяют наше будущее

kiozk originals
9 лучших автомаршрутов для путешествия по Великобритании и Ирландии 9 лучших автомаршрутов для путешествия по Великобритании и Ирландии

Великобритания – страна с одними из самых живописных пейзажей в мире

GQ
Пластичность мозга Пластичность мозга

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

kiozk originals
Мы видим ориентир Мы видим ориентир

В 2020 году ответственные бьюти-бренды помогают нам заботиться о себе

Glamour
Где лечиться? Где лечиться?

В какую поликлинику идти – государственную или частную

Домашний Очаг
Чего я не знала, начиная бизнес: Ольга Зиновьева, Elementaree Чего я не знала, начиная бизнес: Ольга Зиновьева, Elementaree

Основательница Elementaree о своих ошибках и неожиданных решениях

Inc.
Разбитое сердце Брэда Питта Разбитое сердце Брэда Питта

Каково будущее у Брэда Питта, который в 61 год должен строить жизнь заново?

Караван историй
Быстрый рост деревьев отрицательно сказался на продолжительности их жизни Быстрый рост деревьев отрицательно сказался на продолжительности их жизни

Чем быстрее растут деревья, тем раньше они умирают

N+1
Будущее медицины Будущее медицины

Ваше здоровье в ваших руках

kiozk originals
От От

Из простого мальчика в кумира зрителей TikTok

Cosmopolitan
Богатый папа, бедный папа Богатый папа, бедный папа

Чему учат детей богатые родители – и не учат бедные

kiozk originals
10 зданий, построенных в рекордные сроки 10 зданий, построенных в рекордные сроки

Сегодня даже самые большие и помпезные здания строятся буквально в мгновение ока

Популярная механика
Сила мифа Сила мифа

Что такое архетипы и почему некоторые фильмы и книги становятся популярными

kiozk originals
Никита Джигурда признался, что военные хирурги лишили его ежедневного секса Никита Джигурда признался, что военные хирурги лишили его ежедневного секса

Никита Джигурда откровенно рассказал о своем расставании с Мариной Анисиной

Cosmopolitan
Судьбы главных красавиц: что стало с победительницами конкурса Судьбы главных красавиц: что стало с победительницами конкурса

Корона "Мисс России" не гарантирует счастья и успеха

Cosmopolitan
Риф Риф

Отрывок из нового романа Алексея Поляринова «Риф»

Esquire
Девелопер из расследования об утечке из финразведки США Павел Фукс объяснил перевод $1 млн в адрес бывшего вице-мера Москвы Девелопер из расследования об утечке из финразведки США Павел Фукс объяснил перевод $1 млн в адрес бывшего вице-мера Москвы

Девелопер Павел Фукс одолжил бывшему вице-мэру Москвы Иосифу Орджоникидзе $1 млн

Forbes
Scrum Scrum

Революционный метод управления проектами

kiozk originals
Интерьер для коллекционеров Интерьер для коллекционеров

Квартира как музей современного искусства

SALON-Interior
Бойбэнд Бойбэнд

Феномен кулачных боев – одного из главных трендов российского YouTube этого года

Esquire
Без слез не взглянешь Без слез не взглянешь

Что делать, если дочь выбрала явно «не того» парня?

Лиза
10 самых крутых археологических находок Севера 10 самых крутых археологических находок Севера

Мечи викингов, загадочные следы, лабиринт и корабль — что скрывает Север?

Популярная механика
Превратил обман в публичную компанию за $20 млрд: в чём обвиняют производителя электрогрузовиков Nikola и его основателя Превратил обман в публичную компанию за $20 млрд: в чём обвиняют производителя электрогрузовиков Nikola и его основателя

Американский стартап хотел конкурировать с Tesla, но провалился

VC.RU
Темные рыцари Темные рыцари

После двух лет затишья дуэт Hurts выпустил альбом саундтреков к пандемии

GQ
Самолет-заправщик сел в поле после столкновения с F-35 Самолет-заправщик сел в поле после столкновения с F-35

Заправка самолета в воздухе — мероприятие рискованное

Популярная механика
Это важнее IQ Это важнее IQ

Что такое эмоциональный интеллект и как его измерить?

Лиза
Открыть в приложении