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

Жизнь на полной мощности Жизнь на полной мощности

Управление энергией – ключ к высокой эффективности, здоровью и счастью

kiozk originals
История одной песни: американский шансон «Tie a Yellow Ribbon…», 1973 История одной песни: американский шансон «Tie a Yellow Ribbon…», 1973

Песня Тони Орландо для американцев звучала как блатняк

Maxim
С особым подходом: почему хакеры атакуют компании разных отраслей по-разному С особым подходом: почему хакеры атакуют компании разных отраслей по-разному

Как бизнес-интересы определяют способы атак на сайты российских компаний

Forbes
Как пьют шнапс: история и способы употребления крепкого фруктового напитка Как пьют шнапс: история и способы употребления крепкого фруктового напитка

Подробный рассказ об истории, технологии приготовления и том, как пьют шнапс

Playboy
Краткая история мысли Краткая история мысли

Трактат по философии для подрастающего поколения

kiozk originals
Как правильно пить абсент: 4 основных способа + лучшие гастрономические сочетания Как правильно пить абсент: 4 основных способа + лучшие гастрономические сочетания

Из чего изготавливается абсент, как принято его употреблять

Playboy
Ликбез: все мифы и научные факты о мужском организме Ликбез: все мифы и научные факты о мужском организме

Какие мифы о мужчинах правда, а какие — выдумка?

Популярная механика
Перламутровые губы возвращаются? 10 не старомодных звездных макияжей Перламутровые губы возвращаются? 10 не старомодных звездных макияжей

В тренды вновь возвращаются перламутровые помады

Cosmopolitan
«Современный музей — это не хранение, а диалог с посетителем». Разговор сотрудниц Политеха об инклюзивности, образовании и новых форматах взаимодействия «Современный музей — это не хранение, а диалог с посетителем». Разговор сотрудниц Политеха об инклюзивности, образовании и новых форматах взаимодействия

Зачем музею говорить о правах человека

СНОБ
Неделя в Москве: как увидеть знаковые места столицы. Часть вторая Неделя в Москве: как увидеть знаковые места столицы. Часть вторая

Маршруты для идеального путешествия по Москве. Продолжение

Культура.РФ
Взломанная Взломанная

Насколько защищена "умная" кофемашина?

Популярная механика
Вернитесь в зону комфорта Вернитесь в зону комфорта

«Сделано в Италии» — очаровательная история и личный проект Лиама Нисона

СНОБ
Плыть по течению или бороться до конца? Рассуждает Алина Фаркаш Плыть по течению или бороться до конца? Рассуждает Алина Фаркаш

"Надо работать над собой" — такими установками нас уродуют с детства.

Cosmopolitan
Экстракт из личинок мух эффективен в борьбе с патогенами растений Экстракт из личинок мух эффективен в борьбе с патогенами растений

Метод, позволивший получить экстракт биологически активных веществ из личинок

Популярная механика
Иммунитет Иммунитет

Роль иммунной системы

kiozk originals
Материнство раннее и позднее: в чем разница? Материнство раннее и позднее: в чем разница?

Что лучше: родить в юности или завести ребенка в зрелом возрасте?

Psychologies
Кто такой глава «Церкви Последнего Завета» Виссарион, задержанный Следственным комитетом Кто такой глава «Церкви Последнего Завета» Виссарион, задержанный Следственным комитетом

Эта секта действует у нас в стране уже почти 30 лет

Maxim
Тина Канделаки: «Я не бесстрашная, я просто опытная» Тина Канделаки: «Я не бесстрашная, я просто опытная»

Тина Канделаки о риске и своем легендарном трудолюбии

Cosmopolitan
Мы из будущего: лучшие фильмы о судьбе человечества Мы из будущего: лучшие фильмы о судьбе человечества

Лучшие фильмы о том, как режиссеры и сценаристы представляли себе будущее

Популярная механика
Целуй кольцо Целуй кольцо

Виктория Шелягова прислала «Татлеру» собственную версию Золотого кольца

Tatler
Продолжение следует Продолжение следует

О том, что помогло группе Hurts побороть депрессию и продолжить свой путь

Grazia
Азиатская модель управления Азиатская модель управления

Удачи и провалы самого динамичного региона в мире

kiozk originals
Они легенды! Моника Беллуччи и другие звезды, в честь которых называли сумки Они легенды! Моника Беллуччи и другие звезды, в честь которых называли сумки

На создание этих моделей сумок дизайнеров вдохновили модницы и иконы стиля

Cosmopolitan
Как есть палочками: самый полный гид Как есть палочками: самый полный гид

Брось вызов гегемонии ножа и вилки на обеденном столе!

Maxim
Техника — молодежи Техника — молодежи

О популярности STEM-подхода в школьном образовании

Tatler
Дышите глубжe Дышите глубжe

Как сказал Будда: «Медитация устраняет страдания, причиняемые неукрощенным умом»

Vogue
Победа «томского пациента»: как Навальный изменил политический ландшафт на последних выборах Победа «томского пациента»: как Навальный изменил политический ландшафт на последних выборах

Прошлогодний успех «Умного голосования» на выборах не был случайностью

Forbes
Тайна завитка под буквой «Д» Тайна завитка под буквой «Д»

История раскрытия, изложенная в двух частях с предисловием

Наука и жизнь
Банки выдают карты подросткам. К чему готовиться родителям? Банки выдают карты подросткам. К чему готовиться родителям?

Количество банковских карт для подростков будет только расти

Forbes
«Мама, познакомься…»: неподходящие избранники наших детей «Мама, познакомься…»: неподходящие избранники наших детей

Что делать, если ваш знакомит вас с тем, кто ей или ему совершенно не подходит?

Psychologies
Открыть в приложении