#тренд | Машиналық оқыту

заманнан ғалымдар, олардың арасында Паскаль және Лейбниц, грезили туралы машиналарда қабілетті, көру, түсіну, қоршаған әлемді және онымен өзара іс-қимыл. Жазушылар мен режиссерлер сияқты Жюль Верн, Мэри Шелли, Джордж Лукас және Стивен Спилберг, жасаған батыл облики осындай ақылды құрылғылар. Осы шығарылымда біз туралы әңгімелесейік машиналық оқыту, ол қазірдің өзінде үлгерді дәлелдеуге, онда тереңдігі компьютерлер мен роботтар-жоқ мен қатты ерекшеленеді.

Бұл не машина? Егер қысқаша айтсақ, бұл-ғылыми пән, пытающаяся, келесі сұрақ: "Қалай біз-да бағдарламалауға жүйесін автоматты оқыту және жетілдіру, сатып алумен, жаңа тәжірибе ме?". Бұл тұрғыда тұрады емес, жаңа білім алу, анықтау күрделі паттернов және қабылдау зияткерлік шешімдерді қолда бар деректер негізінде. Негізгі қиындық байланысты, бұл жиынтығы барлық ықтимал шешімдер барлық келіп түсетін мәліметтер тым күрделі сипаттау үшін. Үшін бұл мәселені шешуге аясында машиналық оқыту әзірленеді алгоритмдер, извлекают қажетті білімдер нақты деректер мен тәжірибе негізінде статистикалық және есептеу принциптері.

қазақстан Тарихы машиналық оқыту, өзінен-өзі өте қызықты және паркінде қазірдің өзінде 70-тен астам жыл. 1946 жылы әзірленді бірінші компьютерлік жүйе ENIAC. Компьютер, яғни есептеуішпен жасалады, сол уақытта аталды адам жасаған есептеулер қағазда, ал ENIAC деп атала бастады есептеуіш машинаны. Управлялась ол қолмен, яғни адамға қажет болды қосудың бір-біріне компоненттері машиналар үшін орын алып, есептеу. Сонда жақсылыққа беруін мұндай машиналар адами тұрғыдан оқыту және ойлау болды әбден қисынды және выполнимой міндеті.

1950 жылы британдық математик Алан Тьюринг ұсынды өлшеу әдісі өнімділігі оқыту машиналар. "Тест Тьюринг" негізделген мынадай идеясы: біз анықтау, машина шынымен оқиды, тек егер қарым-қатынас барысында оған алмаймыз айыруға, оны басқа адам. Дегенмен сол уақытта бірде-бірі орын алған жүйелерін алмады өту "тест Тьюринг", берілген жоғары планка ынталандырған өнертапқыштар жасау өте қызықты машиналар.

Артур Самуил

1952 жылы Артур Сэмюэл компания IBM жазған компьютерлік ойын "Дойбы" қоя отырып, алдарына берілсін, оның осындай деңгейдегі шеберлік алатындай бәсекелеспен әлем чемпионы. Бағдарламаны машиналық оқыту Сэмюэла болды үлкен жетістік және жақсы көмектесті кәсіби ойыншыларға дойбы дағдыларын жақсарту ойында.

Тағы бір маңызды белес болды жүйесінің пайда болуы ELIZA әзірленген басында 60-шы жылдардың Йозефом Вайценбаумом. ELIZA болды симулятором психотерапевт және пайдаланды мұндай фокустар ретінде подстановка сөздер мен дайындалған жауаптар ретінде реакциялар, белгілі бір түйін сөздер. Алғаш рет кездескен ELIZA, кейбір қате қатысты оның тірі адамның.

Иллюзия нақты қарым-қатынас ощущалась мықтымыз, егер адам ограничивал әңгіме мен әңгімелер өзі туралы және өзінің өмірі туралы. Қарамастан жұмыс істеді ELIZA емес ең дұрысы, ол ерте болашағымыздың үлгісі қазіргі заманғы электрондық көмекшілері сияқты Siri және Cortana. Тағы бір маңызды жетістік деп атауға болады MYCIN жүйесін әзірленген басында 70-жылдардың Стэнфордском университетінде команда басшылығымен Тед Шортлифа. Арқылы тізбек сұрақтар мен жауаптар жүйесі көмектесті медициналық маманға дұрыс диагноз қоюға пациентке және таңдап ал-ең лайық емдеу тәсілі. MYCIN деп жиі атайды әлемдегі бірінші сараптама жүйесі.

фонында пайда сараптамалық жүйелерін пайда болған және басқа да проблемаларына машиналық оқыту. 1957 жылы американдық нейрофизиолог Френк Розенблатт әзірледі перцептрон — компьютерлік модель ақпаратты қабылдаудың ми өткізілген кейіннен электрондық машина "Марк-1" наминациясымен бірі әлемдегі модельдерін нейросетей. 23 маусым 1960 жылы Корнеллском университетінде көрсетілді бірінші нейрокомпьютер "Марк-1", ол қабілетті танып, кейбір әріптері ағылшын әліпбиінің.

Фрэнк Розенблатт

"үйрету" перцептрон жіктеуге бейнелері, әзірленген арнайы итерационный оқыту әдісі сынамалар мен қателер, еске түсіретін оқыту процесі адам — түзету әдісі қате. Сонымен қатар, зерттеу кезінде сол немесе басқа әріптер перцептрон еді бөлуге тән ерекшеліктері әріптер, статистикалық жиі кездесетін қарағанда, малозначимые ерекшелік жеке жағдайларда. Осылайша, перцептрон болды қорытуға қабілетті әріптер жазылған түрлі жолмен (жазумен), бір жалпылама бейнесі.

Дегенмен, барлық мутазилиттердің убежденность бұл тәсіл оқыту, компьютер көмегімен нейросетей дұрыс болып табылады. Кейін көрнекті ғалым, Марвин Минск көпшілік алдында сынға алды бұл тұжырымдамасын зерттеу көбінесе бағытталған құру, машиналар, алдын-ала бағдарламаланған астында орындау, нақты міндеттерді, обрекло индустриясына арналған тоқырау, продлившийся 10 жылдан астам.

басында тоқсаныншы машиналық оқыту қайтадан өте танымал тақырып салдарынан кесіп информатика және статистика. Мұндай синергия әкелді пайда болуына, жаңа тәсіліне, ойлау саласындағы, жасанды интеллект — вероятностного тәсіл. Бұл тәсіл ерекшеленді деп основывался көлемдерде деректер емес, тұжырымдалған умениях, сараптамалықжүйелерде появлявшихся бұрын. Көптеген бүгінгі табысты қолдану жағдайлары машиналық оқыту нәтижесі болып табылады идеялар туындаған болса.

Маңызды аспектісі машиналық оқыту болып табылады мұндай феномен ретінде Big Data, немесе үлкен деректер. "Тоқсаныншы болды әлбетте, бұл көп статистикалық ақпарат "азықтандыруға" есептеуіш жүйесі, көп ықтималдығы тұжырымдауға оған шынайы түсіну оған берілетін мәліметтер.

Арқасында пайда болуына Интернет және арзандату құрылғылар ақпаратты сақтау үшін ел өз қарамағына алып көлемі деректер туралы елу жыл бұрын зерттеушілер мен армандай алмады. Бұл мәліметтер көлемі өсуде геометриялық прогрессияда. Мысалы, биология, бүгін бар 1 эксабайтом туралы деректер геномах, тең 10 байтам 18 дәрежесі. Бұл 2024 жылы жаңа ұрпақ радиотелескопов жасайды мұндай ақпарат көлемі күн сайын. Үшін өңдеуге мұндай үлкен көлемі деректер құрылды жаңа ғылыми пән айналысатын үлкен деректермен — оларды жылдам іздеуге, талдауға және балды саралай.

бірі-аты шулы сәттілік соңғы жыл деп атауға болады ынтымақтастық ғалым Джеффри Хинтона және компанияның негізін қалаушы ImageNet менторлары фэй-менторлары фэй, олар бірлесіп айтарлықтай ілгерілетуге қол жеткіздік дамуы осындай феномені ретінде терең үйрету. Пайдаланудың арқасында көп қабатты нейросетей және миллион суреттерді, жиналған ImageNet, зерттеушілер қол жеткізе алдық, сонымен қатар компьютерлер үйренді қабылдауға ақпарат негізінде логика, ересек адамдар, ал деректер негізінде органдарынан сезім — онда бар, сондықтан да бұл бала, познающий. Ойы бойынша ғалымдардың, терең оқыту керек болады мүмкіндік алшақтау бақыланатын, оқыту және қамтамасыз ету машиналар қабілеті өз бетінше оқуға, қандай да бір тәлімдемелерді тарапынан адам.

Маңызды үлгісі растайтын дұрыстығы осы көзқарас, тәжірибе, болашақ " Google компаниясы 2012 жылы, содан көп ұзамай оған жұмысқа Джеффри Хинтон. Экспериментке пайдаланылған 1000 серверлердің шамамен 16 мың ядролардың. Сынақтар барысында нейросеть шешілмеген мәселелерге тоқталып 10 миллион скриншотов түрлі кездейсоқ видео с YouTube, олардың интеллектуалдық дәрежесі жоғары дәлдігін анықтау сурет мысықтарды. Бұл эксперимент, өткен жоба шеңберінде Google Brain, дәлелдеді, бұл тәсіл Хинтона - машинному оқыту болып табылады дұрыс және өте әсерлі әлеуетін коммерциялау үшін. Мысалы, қазіргі кезде машиналық оқыту арқылы тұтыну бейнелерді үлкен санын мүмкіндік береді табысты жобасын іске самоуправляемого автокөлік Google.

Эксперимент Google иттерді

Ең қатты сезінуге әсері машиналық оқыту болады, ол араласатын құрал-саймандар басқа да әдістемелер жасанды интеллект осылайша, ол әлі бірде-бір рет жасалынды. Мысалы, жоба DeepMind барлық сол Google компаниясының алды көрсетуге керемет нәтижелері, совместив терең оқыту техникасымен, алған атауы күшейтілген. Компания жүйесін жасады AlphaGo, ол 2015 жылдың наурыз айында " интеллектуалдық жарыс бойынша әлем чемпионы қытай үстелдік ойыны. Айырмашылығы-компьютер IBM Deep Blue ұтып, шахмат у Гарри каспаров арасындағы бәсекелестікте, 1997 жылы AlphaGo емес программировалось көмегімен деп аталатын ағаштың шешімдер немесе теңдеулер үшін жағдайды талдау тақтада. Жүйесі негізінен оқыған, ойынды бақылай отырып, оған қалай ойнады мамандар. Бақылау нәтижелері бойынша AlphaGo ойнады өзі өзімен миллион партиялардың, нәтижелерін талдау және қалыптастыра отырып, өзіндік стратегиясын.

Бүгін машиналық оқыту белсенді қатысады біздің өмір әрбір адамға қатысты, тіпті егер сіз тікелей емес замечаете. Бұл жүйенің ұсыныстар тауарларды онлайн-дүкендерде және сүзгілеу жүйесі спам электрондық пошта арқылы. Ал кейде қолдау қызметіне қоңырау соғып, белгілі бір компанияның, біз әрең айқындай аламыз, сөйлеседі бізбен тірі адам немесе сандық ассистент, распознающий сөйлеу және еңбек жауаптар догадываясь туралы контекстінде.

бұдан Басқа, айқын ар-намысы, бұл феномен болып табылады және елеулі көзі-мазасыздану. Істі тіпті, бұл білім алушылар адамның қатысуынсыз машиналар бір күні орныңыздан бізді жойып жіберген. Теріс әсері, жасанды интеллект және машиналық оқыту біз ощутим өзіне ең жақын болған жылдары еңбек биржасында бермейтіндіктен, мың әкімшілерінің, хатшылар, аудармашылар, сатушылар мен өкілдерінің, басқа да көптеген кәсіптер. Біраз уақыттан кейін оған қосыла алады жүргізушілері, поездардың машинистері және, мүмкін, тіпті журналистер. Дүниежүзілік экономикалық форумның мәліметтері бойынша, алдағы бес жылға компьютерлер мен роботтар қақ бес миллион жұмыс орнын, олар адамдарға тиесілі, оның ішінде барлық осы істеу үшін, меніңше, жоқ, ойлайды ешкім.