Непрерывное обучение — must-do не только для людей, но и для машин. Способность искусственного интеллекта обучаться и настройка этого навыка уже много лет остаются популярным трендом в области информационных технологий. Рассказываем, для чего нужно машинное обучение и почему нельзя просто ИИ решать задачи.

Что такое машинное обучение?

Машинное обучение — особый навык искусственного интеллекта, благодаря которому система, решая задачу, обучается решению аналогичных задач. Примерно как школьник на уроке математики, решив двадцать задач о скорости движущегося поезда или трубах в бассейне, сможет решить двадцать первую, даже если там не будет ни поездов, ни труб. Машина собирает алгоритмы решения похожих задач и, когда ей дают новую проблему для решения, она относит ее к уже известным группам и подбирает подходящее решение или формулу.

Машинное обучение бывает двух типов: дедуктивное и индуктивное.

  • При индуктивном обучении ИИ выявляет закономерности в задачах и ищет ответ, имея алгоритм или формулу решения для всей группы задач.

  • При дедуктивном обучении в ИИ загружаются базы данных экспертных знаний, прецедентов и требуемых для них решений. Этот метод используется для поисковых и экспертных систем, когда при появлении задачи «А», искусственный интеллект выдает соответствующий этой задаче ответ «Б» (например, при поиске по ключевому слову или строке из песни).

Научиться анализировать Большие Данные и начать управлять «Матрицей» вам поможет наш курс «Big Data».

Для чего используется машинное обучение?

Основные задачи, которые решаются с помощью машинного обучения, связаны с анализом больших объемов данных и выявлением подобия или — наоборот — различий.

  • Распознавание и конвертация информации: распознавание речи и голосовой ввод; распознавание рукописного текста; машинный перевод с одного языка на другой; распознавание лиц и объектов на фотографиях (этой функцией активно пользуются маркетплейсы при поиске товара по фотографиям).

  • Кластеризация (обобщение вводных данных в группы по определенному признаку): поиск по фотографии и по строке песни.

  • Прогнозирование: при биржевом анализе, выявлении кредитоспособности лица и прогнозирование ухода или притока клиентов.

  • Выявление аномалий на фоне общей выборки: выявление спама, обнаружение мошенничества. Этим же алгоритмом пользуются соцсети при поиске «накрученных» аккаунтов.

Решение этих задач используется в smart-технологиях, в том числе в умном доме, браслетах и даже весах. Например, в такие весы изначально закладываются характеристики здорового индекса массы тела и комплекции.

Машинное обучение позволяет сократить процент участия человека в вычислительных операциях, но не исключает его полностью. Многие операции и подведение окончательных итогов все еще требуют креативного подхода, которым пока обладает только человек.

Будем на связи! Подписывайтесь на нашу рассылку и получайте каждую неделю подборки актуальных и интересных статей от нашей команды.