Машинное обучение: новая инфраструктура для всего
Первая половина информационного века заключалась в программировании компьютеров, чтобы они делали то, что мы хотим. Во второй половине информационного века компьютеры будут программировать сами себя.
За последние 30 лет возможности кодирования росли с феноменальной скоростью, которую превосходят только объем производимых данных и сложность проблем, с которыми мы сталкиваемся. Примите участие в расцвете машинного обучения - программирования компьютеров для обучения на основе данных. С хорошим алгоритмом машинного обучения больше данных означает больше обучения.
Педро Домингос из Вашингтонского университета считает машинное обучение практическим подмножеством искусственного интеллекта - новым центром усилий по добавлению интеллекта во все сферы жизни.
В своей новой книге Главный алгоритм: как поиски совершенной обучающей машины переделают наш мир он напоминает нам, что мы постоянно взаимодействуем с компьютерами - мы постоянно обучаем компьютеры тому, что мы из себя представляем. Результаты приходят с Amazon в виде рекомендаций по книгам и с Netflix в качестве рекомендаций по фильмам.
В его новой книге показано, как машинное обучение опирается на нейробиологию, эволюцию, психологию, физику и статистику для создания более совершенных алгоритмов. Домингос сказал Кэтрин Горман в подкасте Talking Machines:
«Машинное обучение затрагивает всех и каждый аспект их жизни».
Он написал руководство по машинному обучению для непрофессионала, чтобы повысить осведомленность и продвинуться в этой области. Как только мы осознаем, что машинное обучение работает на заднем плане нашей жизни, мы можем быть недовольны существующим положением дел, потому что алгоритмы могут только делать выводы о нашем поведении. В настоящее время вы не можете сообщить алгоритму Zappos, что вы только что купили сандалии и вам не нужна другая пара. (Я не могу сказать рекламной машине Performance Bike, что я купил шоссейный велосипед в местном магазине и мне не нужен другой).
Значение Edu. Летняя программа Университета Райса признала, что:
«Последние достижения в области машинного обучения открывают новые возможности для решения вышеуказанных проблем путем сбора и анализа данных, которые студенты генерируют при взаимодействии с системой обучения».
Они отметили недавний прогресс в:
- Учебная аналитика, которая строит статистические модели знаний учащихся для обеспечения компьютеризированной и персонализированной обратной связи по изучению успеваемости учащихся и их преподавателей;
- Контент-аналитика, которая систематизирует и оптимизирует элементы контента, такие как оценки, разделы учебников, видео лекций и т. Д .;
- Алгоритмы планирования, которые ищут оптимальную и адаптированную политику обучения, которая помогает студентам учиться более эффективно;
- Системы выставления оценок, которые оценивают и оценивают ответы учащихся на оценки и компьютерные задания в крупном масштабе либо автоматически, либо посредством выставления оценок сверстниками;
- Когнитивная психология, где интеллектуальный анализ данных становится мощным инструментом для проверки теорий, разработанных в когнитивной науке, и способствует разработке новых теорий для улучшения процесса обучения и сохранения знаний; и
- Активное обучение и экспериментальный дизайн, которые адаптивно выбирают оценки и другие учебные ресурсы для каждого ученика индивидуально для повышения эффективности обучения
В начальном и среднем образовании развитие машинного обучения делает алгебраическое и вероятностное мышление более важным, чем когда-либо. Это подчеркивает важность раннего внедрения программирования, как это было в Парк-сити при поддержке BoardDocs.
По словам Домингоса, для университетов машинное обучение - это новый академический коммутатор. Департаменты работают разрозненно, но «все области используют машинное обучение».
Педагоги и поставщики образовательных услуг должны продолжать разрабатывать способы продвижения персонализированного обучения, обеспечивая при этом конфиденциальность учащихся. Профили учащихся, управляемые родителями, вероятно, будут важной частью решения K-12.
Как отмечает Домингос, специалист по машинному обучению должен продолжать участвовать в дискуссиях о конфиденциальности и будущем работы.
Эта вторая фаза информационного века, подъем машинного обучения, принесет огромную пользу. Это расширит глобальный доступ к персонализированному обучению и приведёт в действие модели недорогих школ (№7, №16, №17 в нашем списке 20 инноваций #SmartPlanet), поможет решить серьезные проблемы со здоровьем и разработать новые источники энергии. Нам нужно воспользоваться этим, ограничить его ненадлежащее использование и добавить гражданские способности, чтобы обуздать его.
Для получения дополнительной информации: