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

Био-механизм Био-механизм

Пауки, пожалуй, самые высокотехнологичные существа на планете

Вокруг света
Вторая попытка: тест Volkswagen Multivan T6.1 Вторая попытка: тест Volkswagen Multivan T6.1

Тест-драйв Volkswagen Multivan T6.1

Популярная механика
Начало бесконечности Начало бесконечности

Объяснения, которые меняют мир

kiozk originals
Китайское исследование Китайское исследование

Один из самых масштабных анализов связи между пищевыми привычками и болезнями

kiozk originals
История мира в шести стаканах История мира в шести стаканах

Как ваши любимые напитки изменили мир

kiozk originals
От слов к действиям: как доводить все дела до конца и не бросать их на полпути От слов к действиям: как доводить все дела до конца и не бросать их на полпути

Полезное руководство, которое поможет прийти к реализации самых смелых идей

Playboy
Магия математики Магия математики

Как найти Х и зачем это нужно

kiozk originals
Влияет ли среда обитания на запах и вкус пищи Влияет ли среда обитания на запах и вкус пищи

Почва, климат и микробы могут формировать вкус сельскохозяйственных культур

Популярная механика
Пластичность мозга Пластичность мозга

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

kiozk originals
Сметаной — нельзя, медом — можно. Что делать при разных видах ожогов Сметаной — нельзя, медом — можно. Что делать при разных видах ожогов

Как себя вести и что делать при ожогах разной степени тяжести?

РБК
Миры миров Миры миров

Как стать президентом в мультивселенной

Популярная механика
Правила успешного питчинга Правила успешного питчинга

Что такое питчинг, для чего он нужен и как презентовать свою идею спонсору

СНОБ
11 книг, которые надо прочитать всем, кто хочет быть богатым (и кто уже богатый — тоже) 11 книг, которые надо прочитать всем, кто хочет быть богатым (и кто уже богатый — тоже)

Книги, которые советуют бизнесмены, предприниматели и филантропы

Inc.
Сельская новь Сельская новь

Дом в старинном подмосковном поселке

AD
Черно-белое мышление, катастрофизация, ментальный фильтр: 6 типичных ловушек мышления — проверьте себя Черно-белое мышление, катастрофизация, ментальный фильтр: 6 типичных ловушек мышления — проверьте себя

Можно ли заставить мозг соблюдать баланс хороших и плохих мыслей?

Psychologies
10 врачей-дерматокосметологов 10 врачей-дерматокосметологов

Эти специалисты избавят от необходимости обрабатывать фотопортреты

Tatler
Как представляли Москву будущего в 1914 году Как представляли Москву будущего в 1914 году

Москва будущего: скоростные сани, монорельс и почему-то старомодная одежда

Maxim
Как Райан Гослинг приготовил идеальный коктейль Old Fashioned в фильме «Эта дурацкая любовь» Как Райан Гослинг приготовил идеальный коктейль Old Fashioned в фильме «Эта дурацкая любовь»

Обычно навыки барменов в фильмах не выдерживают критики, но есть одно исключение

Esquire
Эдвард Сноуден. Личное дело Эдвард Сноуден. Личное дело

Мемуары Эдварда Сноудена, скандально известного разоблачителя

kiozk originals
Пункт назначения Пункт назначения

Что можно разглядеть в «Звездной ночи» Ван Гога

Вокруг света
Тарантино, Ди Каприо, Уилл Смит и Клинт Иствуд вспоминают школу Тарантино, Ди Каприо, Уилл Смит и Клинт Иствуд вспоминают школу

Герои обложек Esquire делятся школьными воспоминаниями

Esquire
«Беспилотник не может проехать и километра, несмотря на $2,5 млрд инвестиций»: проблемы беспилотного подразделения Uber «Беспилотник не может проехать и километра, несмотря на $2,5 млрд инвестиций»: проблемы беспилотного подразделения Uber

У Uber ATG кончаются деньги, а внутри команды разгораются конфликты

VC.RU
Женщина, которую похитил серийный убийца, выжила и делится советами в TikTok Женщина, которую похитил серийный убийца, выжила и делится советами в TikTok

Пережившая насилие женщина ведет блог, вдохновляющий других людей

Cosmopolitan
Стесняюсь спросить: какие виды инъекций существуют в современной косметологии и что нужно знать об уколах красоты Стесняюсь спросить: какие виды инъекций существуют в современной косметологии и что нужно знать об уколах красоты

Ботокс и другие виды инъекций: что нужно о них знать

Esquire
Что делать по дороге на работу Что делать по дороге на работу

Чем люди предпочитают заниматься по дороге на работу и с работы

Psychologies
Робот собрал кокосы с пальмы Робот собрал кокосы с пальмы

Инженеры разработали телеуправляемого робота для сбора кокосов с пальм

N+1
Интервью с вампиром Интервью с вампиром

Почему даже три минуты беседы с ним для нас так мучительны?

Psychologies
Сильнейшие Сильнейшие

Бизнес по правилам Netflix

kiozk originals
Почему на меня не обращают внимания девушки? 7 возможных причин Почему на меня не обращают внимания девушки? 7 возможных причин

Как изменить себя и привлечь внимание девушек?

Playboy
Mercedes-Benz представила прототип водородного грузовика Mercedes-Benz представила прототип водородного грузовика

Концерн Daimler представил тягач, работающий на водородных топливных элементах

N+1
Открыть в приложении