Gépi tanulás:mindenki beszél róla, de mi az?

Az emberi elme korlátozza az összegyűjthető és kezelhető adatmennyiséget, de a gépek ezt sokkal jobban képesek kezelni, mint mi. Tehát most megpróbáljuk még intelligensebbé tenni a gépeket, lehetővé téve számukra, hogy maguk tanuljanak, de mi célból?

• Google I/O 2017:minden, amit eddig tanultunk
• Miért fektessen be egy okosotthonba? 4 ok, amiért jó ötletnek tartjuk

Mi az a gépi tanulás?

A gépi tanulás (amelyet néha "automatikus tanulásnak" vagy "intelligens tanulásnak" is neveznek) egy gép vagy rendszer önálló tanulásra képessé tétele, ahogy a neve is sugallja. Ez jelentős eltérést jelez a klasszikus számítógépes programozástól, amely abból állt, hogy egy ember adott parancsot és a gép hajtja végre a parancsot. A gépi tanulás során a gép képes alkalmazkodni a helyzetekhez, és ezáltal önmagától tanulni. Ahhoz, hogy ez megtörténjen, nem csak a szoftveralgoritmusokról van szó, hanem a maguk helyén álló hardverelemekről is nagyon fontosak, mint például a Google által a múlt heti Google I/O során bejelentett TPU chip.

Az emberi beavatkozás a programozásba nem tökéletes, mert egy program evolúciója (új szabályok hozzáadása) ütközéseket okozhat a meglévő kóddal, ami instabilitást eredményez. Ha egy rendszer magától megcsinálja a "fejlődést", akkor semmi hülyeséget nem csinál (elméletileg...). Ennek ellenére a gépi tanulást sok más területen is fejlesztik, amire később még visszatérünk.

Mi a különbség a gépi tanulás és a mesterséges intelligencia között?

Bár a gépi tanulás és a mesterséges intelligencia nem teljesen különböző fogalmak, nem is teljesen ugyanazok. A gépi tanulás úgy foglalható össze, mint a gép azon képessége, hogy alkalmazkodni tudjon a helyzetekhez és önállóan fejlődjön. Bizonyos értelemben ez az egyik szükséges folyamat a mesterséges intelligenciához, amely viszont egy autonóm rendszer.

Vegyünk egy autonóm autó példáját – tehát egy olyan autót, amely a KRESZ-nek megfelelően tud A pontból B pontba menni. Ez magában foglalja a mesterséges intelligenciát, mert a gép képes alkalmazkodni. Ha tanulásra és megfigyelésre lett volna programozva, hogy alkalmazkodjon a forgalomhoz vagy a különböző helyzetekhez, akkor ez gépi tanulás lenne. Ha több milliárd előre meghatározott szabály követésére lett volna programozva, amelyek mindaddig fixek maradnak, amíg meg nem érkezik frissítés, akkor az lett volna a mesterséges intelligencia gépi tanulás nélkül.

Nyilvánvaló, hogy a gépi tanulásban rejlik a legnagyobb lehetőség a mesterséges intelligencia fejlesztésére, és ez olyan eszközt biztosít számunkra, amely hosszú távon működik.

Mi értelme a gépi tanulásnak?

A gépi tanulás lényege, hogy lehetővé tegye a számítógépes rendszer számára, hogy önállóan reagáljon, hogy megvédje magát vagy a hálózatot a kibertámadásoktól. Ennek számos előnye van, többek között az is, hogy az informatikusoknak már nem kell kapcsolatban lenniük a támadás idején a probléma kezeléséhez. Sok más modern technológiához hasonlóan a gépi tanulásnak is az a célja, hogy végül mindenki számára általánossá váljon, és ne csak egy szűk közönségre irányuljon.

Ez az az út, amelyre a gépi tanulás irányul, és különböző szektorokban használják, amelyekben, ahogy el lehet képzelni, több a közös, mint amilyennek elsőre látszik. A múlt heti Google I/O vitaindító során a Google kifejtette, hogy ezt a koncepciót használja a Google Fotók alkalmazásában. Ez utóbbi tanul az alkalmazás használatából, és nyilvánvalóan felhasználja a telefonon elérhető adatokat (fotók, nevek stb.), és igyekszik olyan élményt nyújtani, amelyet elvár tőle.

A Google stratégiája nem korlátozódik a Google Fotókra:stratégiája szolgáltatásainak többsége (vagy talán az összes?) összevonása. Ennek a stratégiának az arca nyilvánvalóan a mesterséges intelligencia:a Google Asszisztens. Az Asszisztens mindenből tanul, amit megfigyel, és a Google ökoszisztémája csak javítja a rendelkezésre álló információk minőségét (és ezáltal az alkalmazkodás lehetőségét).

• Tippek és trükkök a Google Asszisztenshez:minden, amit a kezdőtől a szakértőig tudnia kell

Érdekes technológia, de nem szabad túl kényelmesnek éreznie magát

"Csábító elvetni a rendkívül intelligens gépek fogalmát, mint puszta sci-fit. De ez hiba lenne, és talán a történelem legrosszabb hibája. [...] Sajnos lehet, hogy az utolsó is, hacsak nem tanuljuk meg, hogyan kerülje a kockázatokat." Stephen Hawking fizikus így gondolja a mesterséges intelligenciát, amely, emlékeztessük, a gépi tanulás csúcspontja. Ennek a technológiának tehát jelentősek a következményei, de szükséges, hogy néhány elemet a látóterünkben tartsunk.

Definíció szerint a gépi tanulás tanul, tehát ha az a célja, hogy megismerjen Önt (mint a Google esetében is), akkor természetesen etikai kérdéseket kell feltennünk magunknak, ezzel konfliktusba kerülve a modern pragmatizmussal. Elfogadható, hogy valaki (vagy inkább valami) ennyi információhoz juthat rólunk? Ahogy Hans-Georg kollégám rámutatott, nem szabad megfeledkeznünk arról, hogy a Google és több amerikai ügynökség (kormányzati osztály) is hozzáfér ezekhez az adatokhoz.

Egy másik szempont, amelyet figyelembe kell venni, az a hatás, amelyet ez gyakorolhat társadalom. Ahogy Stefan kollégám is rámutatott a Google I/O-val kapcsolatos benyomásaiban, a Google Asszisztens egyfajta "központtá" válik, egyetlen kapcsolattartó ponttá minden tevékenységéhez (útvonalkérés, ételrendelés stb.). A társas interakcióinkra gyakorolt ​​következmények mellett (amelyek hatásait csak hosszú távon fogjuk látni), megfontolhatjuk a „gondolkodó gép” fogalmát is, vajon ez a technológia helyettesítheti az embert? Ezt nem sci-fiként értem, hanem szakmai szempontból:a gépek már sok feladatban helyettesítik az embert, a gépi tanulás tovább lendítheti ezt a lendületet. Ráadásul a Google nagyon is tudatában van ennek a foglalkoztatásra gyakorolt ​​hatásának, mivel a cég a Google I/O-n is élt a lehetőséggel, hogy elindítsa új Google Jobs szolgáltatását, egy álláskereső portált.

Végezetül tehát ne feledkezzünk meg egy nyilvánvaló tényről:a technológia annak a szabályainak engedelmeskedik, aki létrehozza. Ha jóra lehet használni, akkor rosszra is lehet használni. Természetesen nem a Terminátorban, egy (gépvezérelt) univerzumban élünk, de a kibernetikai konfliktusok egészen más módon is kialakulhatnak.

Röviden:a gépi tanulási rendszer nagyon hasznos, és hosszú jövő áll előtte, de az ezzel járó idő- és erőfeszítés-megtakarítást félvállról kell venni.

Ön szerint hol lesz a leghasznosabb a gépi tanulás? Hol lesz a legnagyobb hatása? Ossza meg velünk gondolatait az alábbi megjegyzésekben.