Strojno učenje:svi pričaju o tome, ali što je to?

Ljudski um ima ograničenje količine podataka koje može prikupiti i njima upravljati, ali strojevi su sposobni s tim se nositi puno bolje od nas. Dakle, sada pokušavamo učiniti strojeve još pametnijima dopuštajući im da sami uče, ali s kojim ciljem?

• Google I/O 2017:sve što smo do sada naučili
• Zašto ulagati u pametnu kuću? 4 razloga zašto mislimo da je to dobra ideja

Što je strojno učenje?

Strojno učenje (ponekad zvano "automatsko učenje" ili "inteligentno učenje") je, kao što ime sugerira, stvaranje stroja ili sustava sposobnih za samostalno učenje. Ovo označava značajno odstupanje od klasičnog računalnog programiranja, koje se sastojalo od toga da čovjek daje naredbu i stroj izvršava naredbu. U strojnom učenju, stroj se može prilagoditi situacijama i tako učiti za sebe. Da bi se to dogodilo, ne radi se samo o softverskim algoritmima, već su vrlo važne i hardverske komponente koje se mogu održati, kao što je TPU čip koji je Google najavio tijekom Google I/O prošlog tjedna.

Ljudska intervencija u programiranju nije savršena jer evolucija programa (dodavanje novih pravila) može uzrokovati sukobe s postojećim kodom, što rezultira nestabilnošću. Ako sustav radi "razvijanje" sam, neće napraviti ništa glupo (u teoriji...). Rekavši to, strojno učenje se razvija u mnogim drugim poljima, na koja ćemo se vratiti kasnije.

Koja je razlika između strojnog učenja i umjetne inteligencije?

Iako strojno učenje i umjetna inteligencija nisu potpuno različiti koncepti, nisu ni potpuno isti. Strojno učenje može se sažeti kao sposobnost stroja da se prilagodi situacijama i samostalno razvija. U određenom smislu, to je jedan od procesa nužnih za umjetnu inteligenciju, koja je, opet, autonoman sustav.

Uzmimo primjer autonomnog automobila – dakle automobila koji može ići od točke A do točke B u skladu s pravilima autoceste. To uključuje umjetnu inteligenciju jer se stroj može prilagoditi. Da je programiran da uči i promatra kako bi se prilagodio prometu ili različitim situacijama, onda bi to bilo strojno učenje. Da je programiran da slijedi milijarde unaprijed definiranih pravila koja ostaju fiksna dok ne dođe do ažuriranja, tada bi to bila umjetna inteligencija bez strojnog učenja.

Očito je da strojno učenje ima najveći potencijal za poboljšanje umjetne inteligencije i daje nam uređaj koji dugoročno funkcionira.

Koja je svrha strojnog učenja?

Glavna svrha strojnog učenja je omogućiti računalnom sustavu da sam reagira kako bi zaštitio sebe ili mrežu od cyber napada. To ima mnogo prednosti, uključujući i to da informatičari više ne moraju biti povezani u trenutku napada kako bi riješili problem. Kao i mnoge druge moderne tehnologije, strojno učenje bi s vremenom trebalo postati mainstream kako bi ga mogli koristiti svi, a ne ostati orijentirano samo na nišu publike.

Ovo je put kojemu teži strojno učenje, koje se koristi u različitim sektorima koji, kao što možete zamisliti, imaju više zajedničkog nego što se na prvi pogled čini. Tijekom uvodne riječi Google I/O prošlog tjedna, Google je objasnio da koristi ovaj koncept u svojoj aplikaciji Google Photos. Potonji uči iz načina na koji koristite aplikaciju i očito koristi podatke dostupne na vašem telefonu (fotografije, imena itd.) i pokušava vam ponuditi iskustvo za koje misli da očekujete od njega.

Googleova strategija nije ograničena na Google fotografije:njegova strategija je konsolidirati većinu (ili možda sve?) svojih usluga. Lice ove strategije očito je lice umjetne inteligencije:Google Assistant. Asistent uči iz svega što promatra, a Googleov ekosustav samo poboljšava kvalitetu dostupnih informacija (a time i potencijal prilagodbe).

• Savjeti i trikovi Google pomoćnika:sve što trebate znati od početnika do stručnjaka

Zanimljiv komad tehnologije, ali ne biste se trebali previše osjećati udobno

"Primamljivo je odbaciti pojam visoko inteligentnih strojeva kao puku znanstvenu fantastiku. Ali to bi bila pogreška, i potencijalno naša najgora pogreška u povijesti. [...] Nažalost, mogla bi biti i posljednja, osim ako ne naučimo kako izbjeći rizike". Tako fizičar Stephen Hawking misli o umjetnoj inteligenciji koja je, podsjetimo, vrhunac strojnog učenja. Posljedice ove tehnologije su stoga značajne, ali je potrebno zadržati neke elemente u našem vidokrugu.

Po definiciji, strojno učenje uči, pa ako mu je cilj učiti o vama (kao što je slučaj s Googleom), naravno da si trebamo postavljati etička pitanja, ulazeći tako u sukob s modernim pragmatizmom. Je li prihvatljivo da netko (ili bolje rečeno nešto) može doći do tolikog broja podataka o nama? Kao što je moj kolega Hans-Georg istaknuo, ne treba zaboraviti da Google i nekoliko američkih agencija (vladinih odjela) također imaju pristup tim podacima.

Još jedan kut koji treba razmotriti je utjecaj koji to može imati na društvo. Kako je u svojim dojmovima o Google I/O-u istaknuo kolega Stefan, Google Assistant postaje svojevrsni „centar“, jedinstvena kontaktna točka za sve vaše radnje (pitanje za upute, naručivanje hrane i sl.). Osim posljedica na naše društvene interakcije (čije ćemo učinke moći vidjeti tek dugoročno), možemo razmotriti i koncept "stroja koji misli", može li ova tehnologija zamijeniti ljude? Ne mislim ovo kao znanstvenu fantastiku, već iz profesionalne perspektive:strojevi već zamjenjuju ljude za mnoge zadatke, strojno učenje moglo bi nastaviti poticati ovaj zamah. Štoviše, Google je vrlo svjestan učinaka koje će to imati na zapošljavanje jer je tvrtka također iskoristila priliku na Google I/O za pokretanje svoje nove usluge Google Jobs, portala za traženje posla.

Dakle, u zaključku, ne zaboravimo očitu činjenicu:tehnologija se pokorava pravilima onoga tko je stvara. Ako se može koristiti za dobro, može se koristiti i za zlo. Naravno, ne živimo u Terminatoru, (strojno vođenom) svemiru, ali bi se kibernetski sukobi mogli razviti na potpuno drugačiji način.

Ukratko, sustav strojnog učenja vrlo je koristan i ima dugu budućnost pred sobom, ali uštedu vremena i truda koja dolazi s njim treba shvatiti olako.

Po vašem mišljenju, gdje će strojno učenje biti najkorisnije? Gdje će to imati najveći utjecaj? Javite nam svoje mišljenje u komentarima ispod.