Общие сведения о машинном обучении
Искусственный интеллект – это совокупность различных технологических и научных решений и методов, позволяющих разрабатывать программы, действующие подобно человеческому интеллекту.
Машинное обучение – это набор методов в области искусственного интеллекта, предоставляющих алгоритмы для создания машин, обучающихся на собственном опыте. То есть это наука о том, как научить искусственный интеллект действовать подобно человеку, а также сделать так, чтобы он сам постоянно улучшал свои способности и принципы собственного обучения на основе предоставленных ему известных данных о реальном мире.
В качестве обучения машина обрабатывает огромные массивы входных данных в поиске определённых закономерностей. То есть, машина может находить различные закономерности в сложных и многопараметрических задачах (которые мозг человека не способен решить), отыскивая в результате более точные ответы на поставленные задачи.
С помощью применения методов машинного обучения можно научить компьютеры решать задачи, для которых не был предварительно построен человеком алгоритм их решения.
Иерархическая структура технологий искусственного интеллекта представлена на следующем рисунке:
Рисунок 1. Иерархическая структура технологий искусственного интеллекта. Автор24 — интернет-биржа студенческих работ
Глубокое обучение – это направление в области искусственного интеллекта (и, в частности, машинного обучения), которое основано на применении нейронных сетей, а также включает в себя исследование и разработку алгоритмов для машинного обучения.
Методы глубокого обучения позволяют правильно организовывать представление данных на нескольких уровнях абстракции. Системы глубокого обучения за последние десять лет добились особых успехов в таких областях, как обнаружение и распознавание объектов, преобразование текста в речь и поиск информации.
Нейронная сеть позволяет при помощи искусственных нейронов моделировать работу человеческого мозга (нейронов), решающего конкретную задачу, а также самообучаться с учётом предыдущего опыта, с каждым разом совершая всё меньше ошибок.
Основные этапы исторического развития машинного обучения
В основном, история развития машинного обучения началась в 50-х годах 20 века. В то время в этой области науки работали Алан Тьюринг и Артур Самуэль, который в 1959 году впервые ввёл термин «машинное обучение», создав на примере игры в шашки программу, способную к самообучению.
В тот же год Марвин Минский создал первую вычислительную машину SNARC на основе нейросети, которая была создана годом раньше Фрэнком Розенблаттом и называлась Персептрон. Он же создал и первый нейрокомпьютер «Марк-1».
В 1960-х годах проводились исследования, связанные с применением компьютерного зрения и использованием простых шаблонов распознавания.
Далее машинное обучение продолжало своё развитие и в 1997 году был создан компьютер Deep Blue, который сумел обыграть в шахматы чемпиона мира Гарри Каспарова.
В 21 веке появилось такое понятие, как глубокое обучение, а также было разработано много алгоритмов для распознавания содержимого на фотографиях и в видеороликах.
В 2016 году появилась программа AlphaGo, разработанная компанией DeepMind от Google, которая смогла победить чемпиона мира по игре в го Ли Седоля.
Также изучались вопросы, связанные с применением машинного обучения для анализа неструктурированных данных.
Современные результаты в области машинного обучения
Итак, с помощью машинного обучения искусственный интеллект может выполнять такие задачи, как:
- анализ данных,
- запоминание информации,
- составление различных прогнозов,
- воспроизведение готовых моделей,
- выбор наиболее подходящих вариантов из предложенных.
Искусственный интеллект по многим параметрам превосходит возможности человека, но по-прежнему не способен сам ставить себе новые задачи и решать их, подбирая нужные данные и условия.
В настоящее время машинное обучение постоянно развивается, позволяя создавать компьютеры, которые могут обучаться, т. е. они могут делать то, на что не были изначально запрограммированы. Это поможет эффективно использовать компьютеры при решении рутинных и затратных операций.
Таким образом, машинное обучение – это эффективная технология будущего, которая будет полезной в различных сферах нашей жизни, таких как образование, здравоохранение, бизнес, экономика и др.
