Машинное обучение (ML) по-прежнему неизвестно некоторым из нас, хотя большинство из нас ежедневно извлекают из него пользу, особенно если вы читаете эту статью со своих устройств.
Однако компьютерные инженеры (в том числе и я) не самые лучшие в объяснении. Вот моя попытка поделиться тем, как машинное обучение влияет на нашу повседневную жизнь, из блога Google Research 2021: https://ai.googleblog.com/2022/01/google-research-themes-from-2021-and.html
#1 Больше задач можно лучше автоматизировать
Задачи, которые мы выполняем, обычно имеют комбинацию текста, голоса, изображений и видео в качестве входных данных. Мы, как люди, принимаем эти входные данные и обрабатываем их на основе того, чему мы обучены, и в результате получаем результаты.
Например, мой муж уговаривал меня заказать еду для моей кошки (Леди Мяу-Мяу), так как у нее заканчивается еда. Благодаря технологии голос моего мужа может быть преобразован для отправки напрямую нашему поставщику. Или, что еще лучше, изображение пакета с кошачьим кормом выглядит мало на складе, и заказ отправляется автоматически.
#2 Задачи/вычисления можно выполнять быстрее
Существуют достижения как в аппаратном, так и в программном обеспечении, чтобы сделать утомительные вычисления более эффективными. (Лично меня это больше всего волнует, так как это была моя предыдущая область исследований, но для большинства это самая непривлекательная тенденция.)
№3 Технологии могут помочь нам жить лучше
Наши устройства могут помочь нам делать более качественные фотографии и видео, более четко общаться, лучше писать и даже более безопасно управлять автомобилем. Есть и другие интересные приложения, такие как ваши агенты машинного обучения, ожидающие вас или автоматически проверяющие звонки.
Хорошие новости для бедных фотографов среди нас! Машинное обучение может помочь исправить размытые изображения и сохранить прекрасные моменты с близкими. Конечно, это лишь одно из многих приложений.
№ 4 Воздействие на науку, здоровье и устойчивое развитие
Достижения в области компьютерного зрения помогают нам более точно прогнозировать погоду и обеспечивают быструю оценку ущерба после стихийных бедствий.
С точки зрения здоровья МО может не только увидеть скрытые характеристики данных геномики, но и помочь в диагностике.
Оптимизируя маршрут через карты Google, мы можем снизить расход топлива и сократить выбросы углерода.
#5 Строить инклюзивные и непредвзятые общества
Существующие модели машинного обучения могут быть смещены в сторону мужской и западной демографии из-за данных, на которых обучаются эти модели. Это та же проблема, с которой сталкиваются многие медицинские исследования, и предубеждения в области медицины могут привести к неправильному диагнозу.
Были проведены тематические исследования для изучения таких вопросов, как гендерная и возрастная предвзятость в наборах данных.
Я надеюсь, что это полезно для вас! Пожалуйста, не стесняйтесь обращаться, если у вас есть какие-либо вопросы. Я наиболее доступен через LinkedIn: https://www.linkedin.com/in/teojanine/
