В статье автор изучил понятие «машинное обучение» и представил его методы и основные классы задач, которые решают с помощью машинного обучения.
Ключевые слова : искусственный интеллект, машинное обучение, ML- специалист, классы задач.
Эпоха цифровых технологий вносит свои коррективы во все сферы человеческой жизнедеятельности. Интернет и искусственный интеллект практически стирает грани между физической, цифровой и биологической реальностью. Меняется мышление человека, определяются новые правила его взаимодействия с искусственным интеллектом (ИИ). Системы последнего на сегодня способны на многое. Но для человека важно, чтобы ИИ имел возможности действовать подобно человеку. В связи с этим вопрос машинного обучения является как никогда актуальным.
Для рассмотрения видов задач, которые способно решать машинное обучение, обратимся к самому понятию. В настоящее время отсутствует общепринятое определение данного термина. Рассмотрим трактовку известных мировых IT-компаний в таблице 1.
Таблица 1
Трактовка понятия «машинное обучение» [2]
|
Компании |
Трактовка понятия «машинное обучение» |
|
Стэндфордский университет |
«Наука о том, как научить компьютеры функционировать без явного программирования» |
|
McKinsey & Co |
«Технология, основанная на алгоритмах, способных учиться на заложенных данных без помощи средств программирования» |
|
Вашингтонский университет |
«Алгоритмы, способные самостоятельно выбирать метод решения важных задач путем обобщения заложенных в систему примеров» |
|
Университет Карнеги Меллон |
«Сфера деятельности, функция которой состоит в поиске способов создания компьютерных систем, способных самообучаться и самостоятельно улучшаться по мере накопления опыта…» |
Таким образом, все определения содержат акцент на отсутствие программирования, это «способ обучать компьютеры без программирования и явных инструкций, используя только шаблоны и логические выводы» [6].
Представим основное определение: «Машинное обучение» (machine learning, ML) — «научная дисциплина, главная задача которой — научить искусственный интеллект на основе предоставляемой ему информации об окружающем мире самостоятельно принимать решения, самообучаться и постоянно совершенствоваться в своем самообучении» [2].
По мнению Д. Ветрова, профессора-исследователя, заведующего Центром глубинного обучения ВШЭ, компьютеры в состоянии находить такие способы решения, для которых отсутствует привычный алгоритм решения, или же он вообще не известен человеку [3].
Задача ML-специалиста— научить модель саму находить решение [5]. Рассмотрим основные методы машинного обучения на рисунке 1.
Рис. 1. Методы машинного обучения
Поскольку человек ожидает высокий уровень точности полученных данных — важно грамотно провести процесс обучения или сделать так, чтобы обучение компьютерами производилось самостоятельно, автоматические, без человека-учителя. Глубокое обучение идёт дальше: применяет нейронные сети. Это объясняется огромным количеством данных, который не в силах обработать один компьютер.
Актуальность и возможности машинного обучения позволяют сделать выводы о тех задачах, которые даёт решить человечеству машинное обучение. Рассмотрим классы задач машинного обучения в таблице 2.
Таблица 2
Классы задач машинного обучения [1]
|
Класс задачи |
Содержание |
Пример |
|
Регрессия |
Предсказание вещественного результата, опираясь на массив признаков или характеристик. Машина выдаёт конкретную цифру |
Ключевое слово и количество запросов по нему, бюджет контекстной рекламы, платежеспособность заёмщика |
|
Классификация |
По заданным количественным и качественным признакам определить категорию объекта |
По параметрам распознавание по снимку разыскиваемого человека, определить спам сообщения, выявление диагноза, болезни у человека |
|
Кластеризация |
Разбивка похожих данных по кластерам. |
Космические объекты имеют схожие признаки: удаленность, размер, планета или звезда и другие, поэтому их относят в конкретные категории или поиск похожих постов, сообществ в соц. сетях |
|
Уменьшение размерности |
Массивы данных сжимаются до меньшего количества признаков для дальнейшей визуализации или использования в работе |
Архивирование данных с целью передать по сети |
|
Прогнозирование временного ряда |
Фиксируются данные на определенный период времени, на их основе делается прогноз на перспективу |
Прогноз сейсмической активности или изменение стоимости ценных бумаг |
Задачи, которые позволяет решать машинное обучение, определяют те сферы, в которых они могут быть успешно применены. Например, медицина: анализ данных состояния пациента по ряду признаков, выявление патологий по рентгеновскому снимку, прогнозировать вероятность наличия заболевания, распознавание групп риска при распространении вирусов.
Промышленность: практически полная автоматизация технологических процессов. Безопасность: причем особенно актуально в виртуальном пространстве. Например, в банковской системе — защита персональных данных. В бизнесе — понимание особенностей бизнес-процессов (на основании анализа временных рядов) — посещаемость сайта компании, охваты аудитории и пр. В маркетинге: поисковые системы Google и Яндекс. Кастомизация предложений — в зависимости от персональных потребностей человека. Таким образом, машинное обучение стало неотъемлемой частью жизни каждого современного человека. По прогнозам экспертов, в 2025 году около 50 % аналитики данных будут автоматизированы [4]. ML технологии становятся активным способом развития сфер бизнеса, государств в целом.
Литература:
- Машинное обучение. [Электронный ресурс]. URL: https://www.calltouch.ru/blog/glossary/mashinnoe-obuchenie/
- Машинное обучение: типы, краткая история и принцип работы: [Электронный ресурс]. URL: https://gb.ru/blog/maschinnoe-obuchenie/
- РБК: Что такое машинное обучение и как оно работает. [Электронный ресурс]. URL:
- https://trends.rbc.ru/trends/industry/60c85c599a7947f5776ad409
- Рябенко М. Машинное обучение: просто о сложном. [Электронный ресурс]. URL: https://sbercloud.ru/ru/warp/blog/machine-learning-about
- Что такое машинное обучение. [Электронный ресурс]. URL: https://practicum.yandex.ru/blog/chto-takoe-mashinnoe-obuchenie
- Что такое машинное обучение: возможности и сценарии применения: [Электронный ресурс]. URL: https://cloud.yandex.ru/blog/posts/2022/10/machine-learning
