Machine Learning — najprostsze wyjaśnienie jakie kiedykolwiek przeczytasz
Tłumaczył Dawid Ostrowski na podstawie oryginału Cassie Kozyrkov
Na pewno słyszeliście o uczeniu maszynowym (ang. Machine learning) i o sztucznej inteligencji. Czy jednak naprawdę wiecie, czym to się je? Jeżeli zrozumienie tych zagadnień sprawia Wam trudność, to nie czujcie się osamotnieni. Szum medialny nie pomaga niestety w odróżnieniu prawdziwej nauki — od fantastyki naukowej. Zacznijmy więc od nazewnictwa…
Machine learning nadaje rzeczom etykiety
Z wykształcenia jestem statystykiem i neuro-naukowcem, a my statystycy słyniemy z wybierania najnudniejszych nazw. Lubimy prawdziwe “suchary” i lubimy, żeby etykieta na puszce sucharów, dokładnie opisywała suchary, które są w środku. Wiecie jak my nazwalibyśmy machine learning? Etykietowanie-rzeczy-za-pomocą-przykładów!
Wbrew powszechnej opinii, uczenie maszynowe nie jest jakąś magiczną skrzyneczką pełną magicznej magii. Nie jest również powodem, żeby dostać 30 miliardów dolarów inwestycji z funduszu VC. W swojej istocie, uczenie maszynowe jest etykieciarką rzeczy, która na podstawie opisu danej rzeczy, jest w stanie stwierdzić, jaką etykietę powinna ta rzecz otrzymać. Nie brzmi to oczywiście aż tak ekscytujaco, jak artykuły na Hacker News, ale czy zainteresowałaby Was ta dziedzina, gdybyśmy po prostu nazwali ją “etykietowaniem rzeczy”? Prawdopodobnie nie, co pokazuje, że odrobina szumu i marketingu jest potrzebna, aby technologia ta zdobyła uwagę, na jaką zasługuje (Choć nie z powodów, o których myślicie).
Fantastycznie użyteczna, ale nie aż tak fantastyczno-naukowa, jak się wydaje
A co ze sztuczną inteligencją? (ang. AI) Podczas gdy akademicy spierają się o to czym jest, a czym nie jest AI, praktycy używają tego terminu, aby opisać szczególny typ uczenia maszynowego. W większości przypadków, ludzie używają tych dwóch terminów zamiennie i właściwie można z tym żyć. Zatem — AI to również etykietowanie rzeczy. Spodziewaliście się robotów? Czegoś z filmów science-fiction, człekokształtnego i z własnym rozumem? Nic z tych rzeczy! Choć jako ludzie, we wszystkim — także we współczesnym AI — dostrzegamy ludzkie cechy. Widzimy twarze na tostach, postacie w chmurach, a gdybym przyszyła dwa guziki do skarpetki, to mogłoby się to skończyć dłuższą konwersacją. Tak jak pacynka ze skarpety nie jest osobą, tak nie jest nią również sztuczna inteligencja — warto to zapamiętać. Zawiedzeni? Rozchmurzcie się. To, czym AI jest naprawdę, okazuje się być dużo bardziej użyteczne.
Spróbuję pokazać wam, co jest najbardziej ekscytujące. Co widzicie na poniższym zdjęciu?
Właśnie pochłonęliście zmysłami dużą ilość skomplikowanych informacji, a następnie, trochę magicznie, oznaczyliście je etykietą z napisem “kot”. Dla was to proste! A jeśli chcielibyśmy, aby to komputer wykonał to samo zadanie i sklasyfikował zdjęcia oznaczając je etykietami “kot” lub “nie-kot”?
Uczenie maszynowe to nowe podejście do programowania i nowy sposób na przekazywanie maszynie swoich żądań
W podejściu tradycyjnym, programista pogłowiłby się nad pikselami i nad etykietami, zasięgnął opinii reszty świata i tak zainspirowany, w końcu “wyrzeźbił” pewien model. Model to oczywiście bardziej chwytliwe słowo oznaczające tutaj przepis — zestaw instrukcji, które musi wykonać komputer, aby przypisać etykietę do zdjęcia.
Zastanówmy się — jakie muszą być te instrukcje? Co tak dokładnie robimy z tymi pikselami? Czy umiemy to wyrazić? Nasze mózgi mają przewagę milionów lat ewolucji, więc dla nas ten proces po prostu działa, nawet jeśli nie wiemy jak. Trochę trudno będzie coś takiego powtórzyć.
Zamiast instruować, wytłumacz na przykładach.
Czy nie byłoby lepiej, gdybyśmy mogli po prostu powiedzieć do komputera: “Popatrz, tu masz trochę przykładowych kotów, a tu jest trochę przykładów, które nie są kotami. Możesz resztę samodzielnie ‘wykombinować’?” To jest esencja uczenia maszynowego. Zupełnie nowe podejście do programowania. W tym podejściu, zamiast narzucać komputerowi konkretne instrukcje, programujemy poprzez przykłady, a algorytm uczenia maszynowego sam doszukuje się wzorców w danych i zamienia je na instrukcje, których nie bylibyśmy wstanie napisać samodzielnie. Koniec z ręcznym ‘rzeźbieniem’ modeli!
AI pozwala automatyzować to, co trudno wysłowić
Dlaczego to takie ekscytujące? Bo chodzi o przekazywanie naszych żądań komputerom, w sposób wcześniej niedostępny. Lubimy, gdy komputery coś dla nas robią. Lecz jak mamy poinstruować komputer, skoro sami nie możemy wymyślić odpowiednich instrukcji? Co zrobić, gdy instrukcje są trudne do wysłowienia?
Sztuczna inteligencja i uczenie maszynowe umożliwiają automatyzację “niewysłowionego”. Pozwalają się nam wyrazić nie za pomocą instrukcji, lecz poprzez przykłady. To z kolei odblokowuje ogromny zbiór zadań, przy których komputery nie były do tej pory zbyt pomocne, ponieważ nie umieliśmy odpowiednio wyrazić instrukcji dla nich. Obecnie, wszystkie te zadania, stały się możliwe, a uczenie maszynowe już teraz stanowi olbrzymi skok w postępie ludzkości. ML jest przyszłością i ta przyszłość już nadeszła.
