По словам Майкла И. Джордана, профессора Калифорнийского университета, лаборатории искусственного интеллекта в Беркли, история искусственного интеллекта - и история почти любого типа инженерии - на самом деле просто история попыток создать что-то. Во время своего выступления На пути к сочетанию машинного обучения и микроэкономики Джордан обсуждает историю ИИ и будущее машинного обучения и подчеркивает, что машинное обучение - это не просто отдельный алгоритм или инструмент. , но алгоритм является частью более крупной системы интеллекта.

[Бесплатная загрузка: Тенденции в области науки о данных на 2020 год]

История машинного обучения

Джордан начинает свою презентацию с изложения дорожной карты того, как мы пришли к этой версии отрасли науки о данных, в которой мы находимся сегодня. И хотя он говорит, что многие люди могут не соглашаться с ним в этой временной шкале, это имеет большой смысл, если вы разберете ее, как он. Вот график Джордана:

1990–2000: Наука о данных начинается с обнаружения мошенничества и управления цепочкой поставок. Начать с простого, но он прекрасно служил цели, которую никто раньше не видел и не пробовал. Это то, что привело к созданию многомиллиардной индустрии и стало ее основой.

2000–2010: Это когда мы перешли на «человеческую» сторону. Ученые и аналитики начали понимать, что им приходилось вычислять не просто числа или данные о неодушевленных объектах, а данные о людях. В результате были созданы системы рекомендаций и платформы социальных сетей, которые мы видим сегодня в повседневной жизни. Создать простую систему рекомендаций несложно, но создание такой, которая могла бы обслуживать миллионы пользователей и миллионы элементов контента, было огромным достижением в отрасли. И Джордан говорит, что мы даже не знаем, как полностью вовлечь людей в эту цифровую интеграцию.

2010-настоящее время. Что касается человеческих разработок, мы углубились в сложные концепции, такие как распознавание образов, нейронные сети и глубокое обучение. Люди рады этой эпохе, потому что данных и технологий достаточно для создания машин, имитирующих людей. Хотя мы все еще далеки от настоящего гуманоида, эта возможность волнует нас в глубине души. Мы имитируем людей, но пока не знаем, как их создавать.

Будущее машинного обучения

Однако сейчас мы переходим в новую систему - в систему рынков. Вместо того, чтобы думать о том, чтобы отдельный компьютер был умным и заменял человека в одной конкретной задаче (например, выигрыш в шахматы, вождение одной машины или игра в го), мы должны рассмотреть всю сеть систем ИИ. Возьмем, к примеру, сеть Uber, которая основана на данных о системе понимания и передвижения. Это полноценная картографическая система, у нее огромная база пользователей в 10 миллионов человек, она объединяет гонщиков и водителей и даже оптимизирует маршруты, что экономит время и может уменьшить загруженность дорог. Как мы видим, сама сеть должна быть интеллектуальной, даже в большей степени, чем компьютер, который просто пытается выполнять свою работу, основываясь на том, как ее спроектировал программист.

Будущее машинного обучения заключается не в загрузке правильной системы, а в отношениях между производителями и потребителями и сообществом, которое использует продукт и систему. Сети работали веками, и, хотя их постоянно настраивали и манипулировали, никто не спроектировал их. Таким образом, его возможности не ограничиваются одним человеком.

Применить это

[Статья по теме: 7 главных тенденций в области науки о данных в 2020 году, о которых стоит волноваться]

Поэтому в следующий раз, когда вы будете разрабатывать свой следующий большой проект или начнете создавать алгоритм, важно вспомнить историю ИИ и его будущее, как мы уже обсуждали. Вы быстро останетесь позади, если по-прежнему будете сосредоточены на индивидуальных результатах, а не на коллективных целях, которые достигаются за счет использования обширной сети, которую может использовать каждый. Ваше влияние будет больше, и ваше будущее будет обеспечено.

Полный текст выступления Джордана можно посмотреть здесь: