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

Как кофеин влияет на мозг и тело: неожиданные факты Как кофеин влияет на мозг и тело: неожиданные факты

Исследования выявили ряд интересных фактов, связанных с кофеином

Psychologies

Как изменилась жизнь известных ведущих новостей?

Cosmopolitan
6 признаков глупого человека 6 признаков глупого человека

Как понять, кого нужно избегать? Да и нужно ли на самом деле?

Psychologies
Лайфхаки для Windows: создаем идеальную систему Лайфхаки для Windows: создаем идеальную систему

Windows 10 хоть и далека от совершенства, но предлагает много возможностей

CHIP
Хюэ 1968 Хюэ 1968

Поворотный момент войны во Вьетнаме

kiozk originals
Зэки, мерзлота и тотемные животные. Отрывок из нового романа Алексея Поляринова «РИФ» Зэки, мерзлота и тотемные животные. Отрывок из нового романа Алексея Поляринова «РИФ»

Фрагмент из новой работы Алексея Поляринова о вечной войне поколений

СНОБ
Мозг, исцеляющий себя Мозг, исцеляющий себя

Реальные истории людей, которые победили болезни и преобразили свой мозг

kiozk originals
Многообразие религиозного опыта Многообразие религиозного опыта

Исследование человеческой природы

kiozk originals
Пластичность мозга Пластичность мозга

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

kiozk originals
6 самых сложных компьютерных игр 6 самых сложных компьютерных игр

Cколько джойстиков, мониторов и мышек было разбито во время прохождения этих игр

Maxim
Академик Юрий Наточин: главная забота почки — чтобы каждая клетка организма могла жить своей жизнью Академик Юрий Наточин: главная забота почки — чтобы каждая клетка организма могла жить своей жизнью

Академик Юрий Наточин: жизнь появилась не в морях, а в калиевых озерах

Наука
10 лучших кинофильмов по книгам Агаты Кристи 10 лучших кинофильмов по книгам Агаты Кристи

Эти экранизации романов Агаты Кристи ты точно должен увидеть

Maxim
Каждые два ребенка из ста — аутисты Каждые два ребенка из ста — аутисты

Научные исследования о природе возникновения и возможностях лечения аутизма

Наука
Шэринг по-новому: как оставить науку ради сервиса аренды электросамокатов и зарабатывать 2,6 млн рублей в месяц Шэринг по-новому: как оставить науку ради сервиса аренды электросамокатов и зарабатывать 2,6 млн рублей в месяц

Как проект «Мой самокат» эффективно перестроился во время кризиса

Forbes
Душа осьминога Душа осьминога

Тайны сознания удивительного существа

kiozk originals
Тест-драйв Porsche Panamera GTS Sport Turismo Тест-драйв Porsche Panamera GTS Sport Turismo

Этот автомобиль — фактически первый «универсал» от Porsche

СНОБ
Сера: из отходов в материал будущего Сера: из отходов в материал будущего

В мире ежегодно производится почти 80 миллионов тонн серы

Наука и жизнь
Как NXIVM заставил голливудских звезд и влиятельную элиту Америки стать частью жестокого Как NXIVM заставил голливудских звезд и влиятельную элиту Америки стать частью жестокого

Как была устроена преступная организация NXIVM

Esquire
Какую программу может предложить лидер оппозиции после выздоровления Какую программу может предложить лидер оппозиции после выздоровления

Алексей Навальный окончательно стал политической фигурой, эквивалентной Путину

СНОБ
Надоел блонд? Как вернуться к своему натуральному цвету волос — мнение эксперта Надоел блонд? Как вернуться к своему натуральному цвету волос — мнение эксперта

Покрасилась, а через пару месяцев поняла, что цвет надоел — знакомая история?

Cosmopolitan
Приручить энергию звезд Приручить энергию звезд

Каким ученые видят решение грядущего энергетического дефицита

N+1
Хотите перестать тратить время впустую — научитесь говорить «нет» Хотите перестать тратить время впустую — научитесь говорить «нет»

У вас бывает ощущение, что день прошел совершенно зря?

Psychologies
Интимный разговор Интимный разговор

Для чего вообще нужна эстетическая гинекология?

Glamour
Ослабленная связь коры и таламуса нарушила социализацию мышей Ослабленная связь коры и таламуса нарушила социализацию мышей

Из-за социальной изоляции в раннем возрасте у мышей нарушается связь в мозге

N+1
Ты моя рыба Ты моя рыба

Как добавки с коллагеном помогают сохранить здоровье и красоту

Vogue
Физики нашли следы темного бозона в спектрах изотопов иттербия Физики нашли следы темного бозона в спектрах изотопов иттербия

Ученые нашли отклонение от Стандартной модели в крайне точном измерении

N+1
Оксана Карас: «Мне только ленивый не позвонил перед съемками и не сказал:«Оксана, беги!» Оксана Карас: «Мне только ленивый не позвонил перед съемками и не сказал:«Оксана, беги!»

Оксана Карас, режиссер: мы все чокнутые, постоянно говорим про кино

Grazia
Два исторических маршрута в Царицыне Два исторических маршрута в Царицыне

С сентября в Царицыне запускаются исторические прогулочные маршруты по парку

Seasons of life
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
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
Открыть в приложении