Strojové učení: všichni o tom mluví, ale co to je?

Co je strojové učení?

Strojové učení (někdy nazývané „automatické učení“ nebo „inteligentní učení“) je, jak název napovídá, o vytvoření stroje nebo systému schopného se samostatně učit. To znamená významnou odchylku od klasického počítačového programování, které sestávalo z toho, že člověk vydal příkaz a stroj příkaz provedl. Ve strojovém učení je stroj schopen přizpůsobit se situacím a učit se tak sám za sebe. Aby se tak stalo, nejde jen o softwarové algoritmy, ale velmi důležité jsou také hardwarové komponenty, které se mohou udržet, jako například čip TPU oznámený společností Google během Google I/O minulý týden.

Lidský zásah do programování není dokonalý, protože vývoj programu (přidání nových pravidel) může způsobit konflikty se stávajícím kódem, což vede k nestabilitě. Pokud systém udělá „vývoj“ sám, neudělá žádnou hloupost (teoreticky…). Strojové učení se však vyvíjí v mnoha dalších oblastech, ke kterým se vrátíme později.

Jaký je rozdíl mezi strojovým učením a umělou inteligencí?

Přestože strojové učení a umělá inteligence nejsou úplně odlišné pojmy, nejsou ani úplně stejné. Strojové učení lze shrnout jako schopnost stroje přizpůsobit se situacím a vyvíjet se sám. V jistém smyslu je to jeden z procesů nezbytných pro umělou inteligenci, která je zase autonomním systémem.

Vezměme si příklad autonomního vozu – tedy vozu, který dokáže jet z bodu A do bodu B v souladu s dálničním zákonem. To zahrnuje umělou inteligenci, protože stroj je schopen se přizpůsobit. Kdyby byl naprogramován tak, aby se učil a pozoroval, aby se přizpůsobil provozu nebo různým situacím, pak by to bylo strojové učení. Pokud by byla naprogramována tak, aby se řídila miliardami předem definovaných pravidel, která zůstanou pevná, dokud nebude aktualizace, pak by to byla umělá inteligence bez strojového učení.

Je zřejmé, že strojové učení má nejvyšší potenciál pro zlepšení umělé inteligence a poskytuje nám zařízení, které funguje dlouhodobě.

Strojové učení má nejvyšší potenciál pro zlepšení umělé inteligence

Jaký je smysl strojového učení?

Hlavním bodem strojového učení je umožnit počítačovému systému reagovat samostatně a chránit sebe nebo síť před kybernetickými útoky. To má mnoho výhod, včetně toho, že počítačoví vědci již nemusí být v době útoku připojeni, aby se s problémem vypořádali. Stejně jako mnoho jiných moderních technologií má strojové učení nakonec přejít do hlavního proudu, aby jej mohl používat kdokoli, a nezůstat orientováno pouze na úzce specializované publikum.

Toto je cesta, na kterou směřuje strojové učení, které se používá v různých sektorech, které, jak si dokážete představit, mají více společného, ​​než se na první pohled zdá. Během hlavní přednášky Google I/O minulý týden Google vysvětlil, že tento koncept používá ve své aplikaci Fotky Google. Ten se učí z toho, jak aplikaci používáte, a samozřejmě využívá data dostupná ve vašem telefonu (fotografie, jména atd.) a snaží se vám nabídnout zážitek, který si myslí, že od ní očekáváte.

Strategie Google se neomezuje pouze na Fotky Google: jeho strategií je konsolidovat většinu (nebo snad všechny?) svých služeb. Tváří této strategie je zjevně umělá inteligence: Google Assistant. Asistent se učí ze všeho, co pozoruje, a ekosystém Googlu pouze zvyšuje kvalitu dostupných informací (a tedy potenciál pro přizpůsobení).

• Tipy a triky Asistenta Google: vše, co potřebujete vědět od začátečníků po experty

Zajímavý kus technologie, ale neměli byste být příliš pohodlní

“Je lákavé zavrhnout představu vysoce inteligentních strojů jako pouhé sci-fi. Ale to by byla chyba a potenciálně naše nejhorší chyba v historii.” […] Bohužel může být také poslední, pokud se nenaučíme, jak se rizikům vyhnout.” To si myslí fyzik Stephen Hawking o umělé inteligenci, která, připomeňme, je vyvrcholením strojového učení. Důsledky této technologie jsou proto významné, ale je nutné ponechat některé prvky v našem zorném poli.

Strojové učení se podle definice učí, takže pokud je jeho cílem dozvědět se o vás (jako je tomu v případě Googlu), měli bychom si samozřejmě klást etické otázky, čímž se dostáváme do rozporu s moderním pragmatismem. Je přijatelné, že se někdo (nebo spíše něco) může dostat k tolika informacím o nás? Jak zdůraznil můj kolega Hans-Georg, neměli bychom zapomínat, že Google a několik amerických agentur (vládních ministerstev) má také přístup k těmto údajům.

Dalším úhlem pohledu, který je třeba zvážit, je dopad, který to může mít na společnost. Jak upozornil kolega Stefan ve svých dojmech z Google I/O, Google Assistant se stává jakýmsi „centrem“, jednotným kontaktním místem pro všechny vaše akce (ptání se na cestu, objednávání jídla atd.). Kromě důsledků na naše sociální interakce (jejichž účinky budeme moci vidět až v dlouhodobém horizontu), můžeme také uvažovat o konceptu „stroje, který myslí“, mohla by tato technologie nahradit člověka? Nemyslím to jako sci-fi, ale spíše z profesionálního hlediska: stroje již v mnoha úkolech nahrazují lidi, strojové učení by mohlo tuto dynamiku nadále posouvat. Google si navíc velmi dobře uvědomuje dopady, které to bude mít na zaměstnanost, protože společnost také využila příležitosti na Google I/O a spustila svou novou službu Google Jobs, portál pro uchazeče o zaměstnání.

Na závěr tedy nezapomínejme na zřejmý fakt: technologie se podřizuje pravidlům toho, kdo ji vytváří. Může-li být použit pro dobro, může být použit pro zlo. Samozřejmě nežijeme v Terminátorovi, (strojem řízeném) vesmíru, ale kybernetické konflikty by se mohly vyvíjet úplně jinak.

Stručně řečeno, systém strojového učení je velmi užitečný a má před sebou dlouhou budoucnost, ale úsporu času a úsilí, které s ním souvisí, je třeba brát na lehkou váhu.

Kde bude podle vás strojové učení nejužitečnější? Kde to bude mít největší dopad? Dejte nám vědět své myšlenky v komentářích níže.