Machine learning, deep learning. Что это? Зачем это?

Информация о материале

Категория: ИТ статьи

Опубликовано: 28.02.2019, 10:56

Автор: HelpDesk

Просмотров: 1230

Сейчас многие интернет-СМИ декларируют очередной бум технологий в области искусственного интеллекта.

Предлагаю разобраться с терминологией и понять, что это за «интеллектуальный» кот в мешке.

Многие считают, что это робот с искусственным разумом, который «мыслит» как человек и представляют угрозу для человечества.

Так ли это?

На сегодняшний день под термином «искусственный интеллект» понимают конкретную группу технологий, которые заточены на определенные цели, такие технологии часто называют когнитивными.

Возможности применения их провоцируют существенные изменения бизнес-процессов во многих отраслях бизнеса и нашей повседневной жизни.

Вашему вниманию представляю порцию терминов, связанных с данными технологиями:

Машинное обучение (от англ. – machine learning) – алгоритмы, позволяющие компьютеру делать выводы на основании данных, не следуя определенным правилам.

Принято выделять 2 направления:

1. Обучение на основе выявления закономерностей в данных.

2. Обучение, основанное на формализации знаний экспертов и их перенос в виде базы знаний.

Целью машинного обучения является разработка алгоритмов с возможностью воспроизведения работы человеческого мозга при анализе информации и в ходе принятия решения.

Текущая стадия развития обучающихся алгоритмов такова, что под термином «обучение» понимается способность решать уравнения на основе определенных данных.

Глубинное обучение (от англ. – deep learning) - набор алгоритмов машинного обучения, в которых понятия более высокого уровня определяются на основе понятий более низкого уровня.

Алгоритмы глубинного обучения легли в основу таких технологий как:

Машинное зрение – способность машины идентифицировать и анализировать объекты, действия и ситуации в изображениях.

Ключевыми характеристиками такой системы являются чувствительность и разрешение.

Данная технология позволяет расширить диапазон видимости и улучшить качество контроля изучаемых объектов.

Обработка естественного языка – способность машины работать с текстом, извлекая смысл, так как это делают люди.

Данные технологии открывают возможности для создания нового класса машин – решающих когнитивные задачи.

Данные технологии смогут существенно повысить качество жизни человека.

Также в данном направлении имеет место высокая инвестиционная активность со стороны венчурных инвесторов. Стартапы, работающие в области машинного обучения, активно финансируются венчурными фондами, такими как Data Collective. WorkDay’s Machine Learning fund,и Bloomberg Beta, а также крупными российскими и зарубежными корпорациями. В настоящее время Сбербанк и Google на регулярной основе анонсируют мероприятия и хакатоны с фокусом в данном сфере.

Практические сферы применения машинного обучения

Целью машинного обучения является частичная или полная автоматизация решения сложных профессиональных задач в самых разных областях человеческой деятельности.

Машинное обучение имеет широкий спектр приложений:

Распознавание речи

Распознавание жестов

Распознавание рукописного ввода

Распознавание образов

Техническая диагностика

Медицинская диагностика

Прогнозирование временных рядов

Биоинформатика

Обнаружение мошенничества

Обнаружение спама

Категоризация документов

Биржевой технический анализ

Финансовый надзор

Кредитный скоринг

Предсказание ухода клиентов

Хемоинформатика

Обучение ранжированию в информационном поиске

Сфера применений машинного обучения постоянно расширяется. Повсеместная информатизация приводит к накоплению огромных объёмов данных в науке, производстве, бизнесе, транспорте, здравоохранении. Возникающие при этом задачи прогнозирования, управления и принятия решений часто сводятся к обучению по прецедентам. Раньше, когда таких данных не было, эти задачи либо вообще не ставились, либо решались совершенно другими методами.