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

Где лечиться? Где лечиться?

В какую поликлинику идти – государственную или частную

Домашний Очаг
Нейросеть заставили «развидеть» самолёты Нейросеть заставили «развидеть» самолёты

Обнаружен способ ввести нейросеть в заблуждение путём замены камуфляжа

Популярная механика
Путешествия во времени Путешествия во времени

Почему людям так хочется вернуться в прошлое и заглянуть в будущее?

kiozk originals
10 причин, почему инопланетяне не будут похожи на нас 10 причин, почему инопланетяне не будут похожи на нас

Выглядеть наши братья по разуму будут совсем иначе, чем люди

Популярная механика
Жизнь на полной мощности Жизнь на полной мощности

Управление энергией – ключ к высокой эффективности, здоровью и счастью

kiozk originals
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
11 способов становиться немного умнее каждый день 11 способов становиться немного умнее каждый день

Интеллект, как и тело, требует правильного питания и регулярных тренировок

Psychologies
Хилиазм: хеппи-энд истории Хилиазм: хеппи-энд истории

Что такое хилиазм и чем он отличается от докетизма

Weekend
Ислам Ислам

Краткая история от начала до наших дней

kiozk originals
Как платить смартфоном вместо карты? Как платить смартфоном вместо карты?

Как использовать свой смартфон для оплаты в магазинах

CHIP
Гипноз во сне с точки зрения науки: эффективная терапия или очередная Гипноз во сне с точки зрения науки: эффективная терапия или очередная

Разбираемся в гипнотическом сне: что это, эффективная терапия или шарлатанство?

ТехИнсайдер
Почему нам нравится смотреть на выдуманные апокалипсисы, когда миру угрожает реальный Почему нам нравится смотреть на выдуманные апокалипсисы, когда миру угрожает реальный

Отрывок из книги Дэвида Уоллеса-Уэллса «Необитаемая Земля»

Forbes
Переменная величина Переменная величина

Насколько важен для нас секс

Psychologies
Смотрим на ключицы! Звезды, подчеркивающие декольте безумно дорогими украшениями Смотрим на ключицы! Звезды, подчеркивающие декольте безумно дорогими украшениями

Подчеркнуть ключицы можно разными способами, но звезды выбирают самый дорогой

Cosmopolitan
Безуглеводная диета Безуглеводная диета

Насколько безуглеводная диета полезна для организма?

Лиза
Дом отдыха Дом отдыха

Квартира в стиле уютной и респектабельной американская классика

SALON-Interior
Сооснователь сервиса «Самокат» — о «темных магазинах» и семейном бюджете Сооснователь сервиса «Самокат» — о «темных магазинах» и семейном бюджете

Вячеслав Бочаров об особенностях сервиса «Самокат» и его отличиях от конкурентов

РБК
Алкогений: Михаил Ефремов Алкогений: Михаил Ефремов

«Сам себя он любит называть паяцем и клоуном». История Михаила Ефремова

Maxim
7 вещей, которые нужно сделать в Сочи 7 вещей, которые нужно сделать в Сочи

Адлерский рынок, чайные плантации и еще 5 вещей, которые нужно увидеть в Сочи

Лиза
Одни и те же грабли: как перестать на них наступать Одни и те же грабли: как перестать на них наступать

Человека, который дважды не наступал на одни и те же грабли, не существует

Cosmopolitan
Причины терпимости к вербальной агрессии следует искать в детстве Причины терпимости к вербальной агрессии следует искать в детстве

Почему некоторые из нас легко позволяют себя оскорблять?

Psychologies
Не помню – значит, не было Не помню – значит, не было

Зачем наш мозг обманывает нас, изменяя память?

Лиза
Каким получился сериал Романа Волобуева «Просто представь, что мы знаем» Каким получился сериал Романа Волобуева «Просто представь, что мы знаем»

Кинокритик о сериале Романа Волобуева «Просто представь, что мы знаем»

РБК
Семь навыков высокоэффективных людей Семь навыков высокоэффективных людей

Мощные инструменты развития личности

kiozk originals
5 «абсолютно безопасных» автомобилей 5 «абсолютно безопасных» автомобилей

Подборку самых уродливых ESV-автомобилей в истории

Популярная механика
Недетская история о подростках: отрывок из «Падения» Анне Провост — о подростковом одиночестве, агрессии и страхе Недетская история о подростках: отрывок из «Падения» Анне Провост — о подростковом одиночестве, агрессии и страхе

Начало нового подросткового романа Анны Провост

Esquire
Принципы, правила и риски, на которые идёт Netflix, чтобы быть первым: опыт сооснователя сервиса Рида Хастингса Принципы, правила и риски, на которые идёт Netflix, чтобы быть первым: опыт сооснователя сервиса Рида Хастингса

Главное из разговора руководителя Netflix с Forbes и Bloomberg

VC.RU
Почему мы до сих пор верим мошенникам и как избежать обмана в интернете Почему мы до сих пор верим мошенникам и как избежать обмана в интернете

Почему на крючок мошенников попадаются не только пенсионеры из регионов

СНОБ
Аллергия на кошек: что делать, чтобы не расставаться с пушистым другом Аллергия на кошек: что делать, чтобы не расставаться с пушистым другом

Как жить одновременно с кошкой и аллергией на кошек?

Cosmopolitan
Как правильно хвастаться на работе: уроки от писательницы и PR-специалиста Мередит Файнман Как правильно хвастаться на работе: уроки от писательницы и PR-специалиста Мередит Файнман

Простые стратегии и приемы, которые помогут развить ваш личный бренд

Forbes
Открыть в приложении