Курт Воннегут, один из моих любимых писателей, назвал науку «действующей магией».
И действительно, когда я впервые научился программировать, в этом было что-то волшебное. Как можно вычислить результат, которого раньше не было. Из ничего, просто ваше собственное ментальное представление об этом процессе. Но, к сожалению, со временем к этому привыкаешь. А потом я открыл для себя машинное обучение — и снова влюбился. Магия машинного обучения более сильна — вы не вычисляете результат, которого раньше не знали, а получаете знания, о которых раньше не знали (и, возможно, даже не ожидали). И это здорово.
Я очарован человеческой изобретательностью, которая пронизывает область машинного обучения. Это может показаться странным, поскольку мы обычно не думаем о машинном обучении и искусственном интеллекте как об очень человеческих областях. Однако я не могу не чувствовать вдохновения, когда изучаю новый алгоритм машинного обучения. Мне нравится, насколько разнообразны и далеко идущие алгоритмы машинного обучения.
И, наконец, потенциал. Потенциал машинного обучения (и потенциальная отдача) огромны — на данный момент пределов нет, и время, необходимое для исследования следующего прорыва, кажется нашим самым большим препятствием. Многие проблемы машинного обучения ограничены нашими текущими алгоритмами, данными или доступной вычислительной мощностью. Но кто знает, что будет через десять лет?
Мы также находимся в то время, когда нет большого барьера для входа в эту область — вы можете начать сейчас и относительно легко наверстать упущенное, если вы готовы приложить усилия. Машинное обучение в значительной степени построено на основе линейной алгебры, исчисления, статистики и теории оптимизации (и иногда черпает вдохновение из биологии и неврологии, среди прочего)!
Это очень захватывающее время для искусственного интеллекта и машинного обучения — именно здесь вы можете буквально изобретать будущее! Что еще можно спросить?
Первоначально опубликовано на obiwit.com.
