Приближается ли время, когда искусственный интеллект начнет совершенствоваться без помощи человека? Или мы уже вступили в эту эру, не заметив этого? В любом случае, машинное обучение и большие данные по-своему влияют на общество. И какие понятия нам нужно знать, чтобы адаптироваться к требованиям времени и добиться успеха?
Большие данные и машинное обучение
У компьютеров есть определенные способности. Они запоминают информацию. У них есть вычислительная мощность, некоторые могут выполнять больше операций одновременно, чем другие.
Но что происходит, когда приходится обрабатывать огромные объемы данных, с которыми не справляются традиционные методы анализа? Это эпоха больших данных, в которой мы живем.
Последний мудрец
Томас Янг – физик, живший в Лондоне с 1773 по 1829 год. Писатель Эндрю Робинсон написал книгу о нем под названием «Последний человек, знавший все на свете».
Вы можете быть очень умным человеком, но в наше время для выживания необходимо специализироваться в определенной области. На земле больше нет людей, которые могли бы сделать все.
Мир стал слишком сложным, поэтому нет смысла пытаться знать все. Это и есть большие данные: понимание того, что существует огромное количество информации, которую мы не можем проанализировать традиционными способами. Отдельный человек не может постичь все части мира. Это большая проблема, и она открывает большие возможности для проницательных людей, которые могут использовать автоматизированные методы для ее решения.
Хорошим примером этого является фондовый рынок. Вы можете просмотреть всю информацию о нем и иногда совершать успешные сделки. Но вы не можете конкурировать с компьютерными платформами, которые совершают тысячи сделок каждую секунду. Человеческий мозг не способен анализировать такой объем информации.
Обработка всех связанных данных без помощи компьютера невозможна.
Важность машинного обучения
В таких случаях необходимо машинное обучение. Машинное обучение – это область, где пересекаются искусственный интеллект, компьютерное программирование, бизнес и философия.
Что это значит? Если вы что-то увидите, например, животное, бегущее на вас, ваше сознание обработает данные и примет решение уйти с его пути. Машинное обучение – это компьютеры, которые собирают огромные объемы данных и ищут пути достижения наиболее эффективного решения.
Машины могут быстро рассмотреть множество вариантов решения проблемы. Если есть миллион способов, и только один из них правильный, компьютеры проверят их все и систематически найдут правильный путь.
В фильме «Военные игры» Пентагон поручил искусственному интеллекту смоделировать ядерную войну против Советского Союза. Он протестировал все возможные варианты нападения и ответил: «Единственный способ выиграть термоядерную войну – не начинать ее».
Это был фильм, опередивший свое время. В 1980-х годах искусственный интеллект не смог бы прийти к такому сложному выводу. Но сегодня машинное обучение действительно может решать важные проблемы, особенно в сферах бизнеса и культуры.
Возьмем компанию, которая продает определенный продукт, например, молотки, по всему миру. Ей нужно принять решение о строительстве еще одного нового завода.
Один из способов решить это – проанализировать 50 миллионов чеков и узнать, увеличился ли спрос на молотки. Но даже на просмотр такого количества чеков не хватит всей жизни человека.
А машинное обучение и большие данные могут решить эту проблему. В мире существует множество таких сложных проблем, и с помощью этих инструментов мы начали их решать.
Общий регламент по защите данных
В 2018 году Европейский Союз принял Общий регламент по защите данных. Это вызвало большие споры в сообществе разработчиков программного обеспечения. Многие говорят, что этот документ сделал некоторые виды машинного обучения незаконными.
Все хотят чувствовать себя в безопасности, никто не хочет, чтобы его личные данные попали в чужие руки. Но есть риск, что политическое регулирование запоздает. Согласно одной из концепций Общего регламента по защите данных, каждый человек считается владельцем своих данных и имеет право знать, для каких целей они собираются.
Однако, когда дело доходит до машинного обучения, компьютеры могут распознавать людей незаметными способами. В такой ситуации наша уверенность в безопасности наших данных может оказаться ложной. Мы можем даже не заметить, что программы машинного обучения собирают информацию о нас.
С одной стороны, это может быть полезно. Власть имеет законное основание использовать анализ машинного обучения для выявления угроз обществу. Например, предположим, кто-то купил взрывчатое вещество. Но представьте мир, в котором эту информацию нельзя использовать для определения того, кто взорвал здание. Конечно, это немыслимо, но это показывает, что общество еще не полностью осознает последствия больших данных и машинного обучения.
Информационная эпоха
Скажем прямо: мир очень сложен. Существует множество типов данных, и человечество совершенствует инструменты для их обработки.
В любом случае, мы живем в эпоху информации и данных. Никто еще не знает, к чему это приведет. Но все мы сделали шаг на этом пути.
Оригинал статьи: medium.com