5 ПРОГНОЗОВ О БУДУЩЕМ МАШИННОГО ОБУЧЕНИЯ

Перевод статьи Дэмиена Вольфа. Оригинальный материал по ссылке: https://readwrite.com/2018/07/19/5-forecasts-about-the-future-of-machine-learning/

Машинное обучение или machine learning – это способ искусственного интеллекта обучаться в процессе решения задач. Различают два типа обучения: через предыдущий опыт на основе анализа данных или через знания экспертов и их перенос в компьютер в виде базы знаний.

Машинное обучение – революционная технология, которая применяется во многих отраслях промышленности. Компьютеры получают доступ к скрытым данным и прогнозируют результаты, что приводит к значительным изменениям в бизнесе.

Wei Lei, вице-президент и генеральный директор Intel, говорит, что «машинное обучение становится все более сложным с каждым годом. И мы еще не видим его полного потенциала помимо беспилотных автомобилей, устройств обнаружения мошенничества или анализа розничных тенденций».

Итак, каково будущее машинного обучения? Как это повлияет на наш мир в будущем?

Вот пять ключевых сценариев будущего машинного обучения.

1. Улучшенные алгоритмы, не требующие контроля

Алгоритмы в искусственном интеллекте, в основном, контролируемые, то есть результат уже известен. Такие алгоритмы применяются в монотонных, однотипных действиях.

Неконтролируемые алгоритмы в машинном обучении используются для создания прогнозов из наборов данных, когда доступны только входные данные без соответствующих выходных переменных.

По-настоящему неконтролируемый алгоритм тесно связан с истинным искусственным интеллектом – концепцией, согласно которой машина может научиться идентифицировать сложные процессы и закономерности без какого-либо прямого вмешательства человека.

Отсутствие контроля позволит исследовать и представить интересные закономерности в данных, которые, возможно, было бы трудно получить с помощью контролируемых методов.

В ближайшие годы мы, вероятно, увидим улучшения в алгоритмах неконтролируемого машинного обучения. Достижения в разработке лучших алгоритмов приведут к более быстрым и точным прогнозам машинного обучения.

2. Расширенные возможности персонализации

В социальных сетях вам случайным образом рекомендуют нужные сайты или аккаунты. При разработке этих рекомендаций применяются алгоритмы персонализации машинного обучения. С помощью таких алгоритмов можно синтезировать информацию в данные и сделать соответствующие выводы, например, об интересах человека.

Алгоритм может проанализировать активность человека на веб-сайте интернет-магазина и обнаружить, что он заинтересован в покупке нового холодильника. Без этого покупатель мог бы покинуть веб-сайт.

Но, согласитесь, некоторые из таких рекомендаций являются уже неактуальными и раздражающими, что не нравится пользователям. Однако, в будущем алгоритмы персонализации, вероятно, будут доработаны, что приведет к взаимовыгодным результатам. Как для потребителя, так и продавца.

3. Более широкое внедрение квантовых вычислений

Если квантовые компьютеры будут интегрированы в машинное обучение, это может привести к более быстрой обработке данных, что может ускорить способность синтезировать информацию и формулировать идеи.

Квантовые системы обеспечат гораздо более быстрые и мощные вычисления, как для управляемых, так и для неконтролируемых алгоритмов.

Повышение производительности откроет удивительные возможности машинного обучения, которые, возможно, не были реализованы с помощью классических компьютеров.

4. Улучшение когнитивных услуг

Интеллектуальные службы состоят из набора машинного обучения пакетов SDK, API и служб, которые позволяют разработчикам включать интеллектуальные возможности в свои приложения.

Именно благодаря таким сервисам разработчики могут расширить возможности своих приложений для выполнения различных функций, например, распознавание изображений и речи.

По мере того, как эта технология продолжает развиваться, мы, вероятно, станем свидетелями развития высокоинтеллектуальных приложений, которые могут все чаще говорить, слышать, видеть и даже беседовать со своим окружением.

Все эти разработки позволит сделать приложения привлекательнее и эффективнее выполнять поручения потребителя.

5. Популяризация роботов

Эволюция роботов невозможна без машинного обучения. Роботы станут чаще привлекаться к выполнению задач, поумнеют и будут жить вместе с нами. Как результат, правила использования роботов будут регулироваться на государственном уровне. Борьба за права роботов уже стартовала в Европе.

Машинное обучение является одной из самых прорывных технологий 21-го века. И, если сейчас не совсем понятно будущее роботов, хоть один из пяти сценариев вполне реален.


Последние новости


Комментарии: 0

Комментариев пока нет.

Оставьте комментарий