Введение:
Машинное обучение — это идея или система, созданная на основе, похожей на то, как человек воспринимает или изучает вещи. Он основан на так называемом искусственном интеллекте, который представляет собой набор алгоритмов внутри него для автоматического создания алгоритмов из других в соответствии с анализом, сравнением, статистикой, вероятностью и заключением. Они несколько близки к тому, как работает биологический интеллект, так что искусственный интеллект характеризуется скоростью, точностью и одновременным анализом огромного количества информации, а в некоторых случаях он может превосходить человеческий интеллект в предоставлении более точных результатов, особенно в статистике и вероятностях.
История:
С момента появления машин и технологий идея искусственного интеллекта занимала многих исследователей и умы, в том числе британского математика Алана Тьюринга и его концепцию универсального компьютера 1936 года, которую называют компьютером сегодня. Алан Тьюринг был первым, кто представил правила машинного обучения в своей статье Компьютер и интеллект, опубликованной в 1950 году, в которой он объяснил тест Тьюринга, чтобы определить, обладают ли компьютеры интеллектом или нет. В 1952 году Артур Сэмюэл написал первую компьютерную обучающую программу. Программой была игра в шашки, и компьютер IBM совершенствовался в этой игре, чем больше он играл, изучая, какие ходы составляли выигрышные стратегии, и включая эти ходы в свою программу. 1957 Франк Розенблатт разработал первую нейронную сеть для компьютеров (персептрон), которая имитирует мыслительные процессы человеческого мозга. В 1967 году был написан алгоритм ближайшего соседа, который позволил компьютерам начать использовать самое простое распознавание образов. Это можно использовать для составления маршрута для коммивояжеров, начиная со случайного города, но гарантируя, что они посетят все города во время короткого тура. 1979 Студенты Стэнфордского университета изобретают Стэнфордскую тележку, которая может самостоятельно преодолевать препятствия в комнате.
1981 Джеральд Дежонг вводит концепцию обучения на основе объяснений (EBL), в которой компьютер анализирует обучающие данные и создает общее правило, которому он может следовать, отбрасывая неважные данные. 1985 Терри Сейновски изобретает NetTalk, который учится произносить слова так же, как ребенок. 1990-е Работа по машинному обучению переходит от подхода, основанного на знаниях, к подходу, основанному на данных. Ученые начинают создавать программы для компьютеров, чтобы анализировать большие объемы данных и делать выводы или «учиться» на результатах.
1997 Deep Blue от IBM побеждает чемпиона мира по шахматам.
2006 Джеффри Хинтон вводит термин «глубокое обучение» для объяснения новых алгоритмов, которые позволяют компьютерам «видеть» и различать объекты и текст в изображениях и видео.
2010 Microsoft Kinect может отслеживать 20 человеческих черт со скоростью 30 раз в секунду, позволяя людям взаимодействовать с компьютером посредством движений и жестов.
2011 IBM Watson побеждает своих конкурентов-людей в Jeopardy.
2011 Разработан мозг Google, и его глубокая нейронная сеть может научиться обнаруживать и классифицировать объекты так же, как это делает кошка.
2012 Google’s X Lab разрабатывает алгоритм машинного обучения, способный автономно просматривать видео на YouTube, чтобы идентифицировать видео, в которых есть кошки.
2014 Facebook разрабатывает DeepFace, программный алгоритм, способный распознавать или проверять людей на фотографиях на том же уровне, что и люди.
2015 Amazon запускает собственную платформу машинного обучения. 2015 Microsoft создает набор инструментов распределенного машинного обучения, который позволяет эффективно распределять задачи машинного обучения на нескольких компьютерах. 2015 Более 3000 исследователей искусственного интеллекта и робототехники при поддержке Стивена Хокинга, Илона Маска и Стива Возняка (среди многих других) подписывают открытое письмо, предупреждающее об опасности автономного оружия, которое выбирает цели и поражает их без вмешательства человека. 2016 Алгоритм искусственного интеллекта Google побеждает профессионального игрока в китайской настольной игре Го, которая считается самой сложной настольной игрой в мире и во много раз сложнее шахмат. Алгоритму AlphaGo, разработанному Google DeepMind, удалось выиграть пять игр из пяти в соревновании по го. Так приближаемся ли мы к искусственному интеллекту? Некоторые ученые считают, что на самом деле это неправильный вопрос. Они считают, что компьютер никогда не будет думать так, как это делает человеческий мозг, и что сравнивать вычислительный анализ и алгоритмы компьютера с махинациями человеческого разума все равно, что сравнивать яблоки и апельсины. Несмотря на это, возможности компьютеров видеть, понимать и взаимодействовать с окружающим миром растут с невероятной скоростью. И по мере того, как количество данных, которые мы производим, продолжает расти в геометрической прогрессии, возможности наших компьютеров обрабатывать, анализировать и извлекать уроки из этих данных будут расти и расширяться.
