Norint suprasti, kas yra mašininis mokymasis, pradėti reikėtų nuo dirbtinio intelekto sąvokos. Ši sritis nagrinėja galimybes priversti mūsų sukurtas mašinas, pavyzdžiui, kompiuterius, galvoti kaip žmones.
Tuo tarpu mašininis mokymasis yra viena iš dirbtinio intelekto atšakų, siekianti apmokyti tam tikrus algoritmus atlikti specifines užduotis, naudojantis dideliais duomenų kiekiais. Tai – ne paprasti duomenys, o savotiškos instrukcijos, kuriose atsispindi su minėtomis užduotimis susijusi patirtis. Galima sakyti, kad šis procesas yra panašus į tai, kaip žmogus išlavina savo įgūdžius.
Mokosi spręsti specifines užduotis
Anot „Oxylabs“ vadovaujančiojo analitiko Martyno Juravičiaus, suprasti šį fenomeną gali padėti konkrečios iliustracijos ir analogijos.
„Įsivaizduokime, kad žmogus įsigyja nesurinktą baldą, kurį nuo nulio turi surinkti pats. Suprantama, kad patį pirmą kartą jis nagrinės instrukcijas, jog suprastų, kur atsidurti turėtų tam tikras varžtas ar detalė. Tačiau jeigu tas pats žmogus penkis kartus per dieną, tris paras iš eilės turėtų sukonstruoti tą patį ar labai panašų baldą, po keleto dienų instrukcijų jam nebereikės, o ir lova ar spinta įgaus norimą pavidalą gerokai greičiau“, – pasakoja mašininiu mokymusi paremtus sprendimus kuriančios bendrovės ekspertas.
Pasak jo, mašininis mokymasis veikia labai panašiai: „Išsirinkus tam tikrą algoritmą, labiausiai atitinkantį sprendžiamą problemą, jam yra perduodami dideli kiekiai informacijos. Pagal šias instrukcijas, algoritmas pradeda mokytis atlikti daug panašių vienos srities užduočių, o įsisavinus informaciją, jis įgyja savotišką nuojautą, kaip vykdyti šias užduotis. Tiesa, šių algoritmų gausa – milžiniška. Vieni labiau tinka spręsti vaizdinėms problemoms, kiti – garsinėms ir taip toliau. Tačiau tai yra normalu – juk ir ne visi žmonės turi vienodus gebėjimus.“
Su algoritmais susiduriame kasdien
Ekspertas pratęsia, kad nors kartais ir nesusimąstome, mašininiu mokymusi paremti sprendimai šiandien lydi bene kiekvieną mūsų žingsnį.
„Įsijungus „Netflix“, jums iškart yra pasiūlomas patinkantis filmas. Kodėl taip nutinka? Atsakymas paprastas – „Netflix“ naudoja jūsų peržiūrėto turinio istoriją, o algoritmas pasiūlo tokį filmą ar serialą, kuris turėtų atitikti jūsų skonį. Algoritmus naudoja ir išmaniuosiuose telefonuose esantys balso asistentai. Vienas algoritmas mūsų balsą paverčia mašininiu kodu, kitas – suinterpretuoja, ką mes sakome, o trečias randa, ką mums atsakyti. Mašininiu mokymusi pagrįsta ir veido atpažinimo technologija, esanti telefonų kamerų programėlėse.
Pavyzdžių – apstu, o kartais atrodo, kad netgi namuose esantis dulkių siurblys robotas kasdien mokosi ir naudoja mašininį algoritmą, nes kuo toliau, tuo labiau jis manęs nemėgsta ir vis dažniau trankosi į kojas“, – juokauja M. Juravičius.
Panaudojimo spektras tampa vis platesnis
Bendrovei vadovaujantysis analitikas pažymi, kad per kelerius paskutinius metus mašininio mokymosi sritis keičiasi ir tobulėja itin sparčiai, o algoritmais paremti sprendimai vis labiau paplinta po skirtingus sektorius.
Pavyzdžiui, mašininio mokymosi algoritmai gali išmokti dideliu tikslumu nustatyti ligas iš rentgeno nuotraukų, paciento nusiskundimų ar jo ligos istorijos.
„Nieko nebestebina faktas, kad kelyje Vilnius-Kaunas galime sutikti autonominį „Tesla“ automobilį, kurio vairo laikyti nereikia. Daug dėmesio sulaukia ir algoritmai arba kitaip, modeliai, susiję su kalbos generavimu ir jos interpretavimu. Vienas populiariausių ir įspūdingiausių modelių – „GPT 3“ yra sudarytas iš 175 milijardų parametrų. Jo mastą suprasti padės šis pavyzdys: vos kelių šimtų parametrų mašininio mokymosi modelis geba atskirti ranka parašytas raides ar skaičius. Tai reiškia, kad „GPT 3“ yra toks galingas, jog itin sunku suprasti, ar jo parašytą straipsnį bet kokia tema sukūrė žmogus, ar robotas“, – sako M. Juravičius.
Pašnekovas pratęsia, kad nors tendencijos rodo aiškų mašininio mokymosi pasitelkimą geriems ketinimams, kaip ir didelė dalis žmogaus sukurtų technologijų, algoritmai gali būti panaudoti ir kitokiame kontekste.
„Pavyzdžiui, mašininiu mokymusi paremta „Deepfake“ technologija leidžia neatpažįstamai klastoti žmonių veidus vaizdo įrašuose. Tačiau tai – itin neetiškas ir visai žmonijai pavojingas algoritmų panaudojimo būdas, neatspindintis nei mūsų, nei gausybės kitų su mašininiu mokymusi dirbančių bendrovių, siekiančių pasitelkti juos mūsų kasdienybės palengvinimui“, – teigia pašnekovas.
Jis akcentuoja, kad taip pat pastaruoju metu mašininio mokymosi sritis tapo daug labiau prieinama ir patirties šiame segmente neturintiems žmonėms: „Norint dirbti su algoritmais tikrai nereikia būti perskaičius dešimčių sudėtingų knygų ar būti matematikos genijumi. Tokios paslaugos kaip „Google Cloud“ ar „Amazon Web Services“ leidžia pasinaudoti jų siūlomais šablonais su grafine aplinka ir pačiam sukurti mašininio mokymosi modelį paprastoms užduotims atlikti.“
Į kasdienybę įsišaknys vis giliau
Kalbėdamas apie mašininio mokymosi perspektyvas, M. Juravičius akcentuoja, kad susidomėjimas šia sritimi auga ir toliau augs šviesmečiais. Anot jo, pastaruoju metu vis daugiau įmonių aktyviai diegia mašininio mokymosi algoritmus, norėdamos paspartinti vidinius procesus ir pagerinti savo produktų kokybę.
„Neabejoju, kad viena iš sričių, kurioje žaibišku greičiu plis mašininiu mokymu paremti sprendimai – medicina. Be to, ši dirbtinio intelekto atšaka padės sukurti dar saugesnius autonominius automobilius, žvitresnius balso asistentus ir palengvins daugybę kitų veiklų, susijusių su žmonių darbu, buitimi, sveikata ar saugumu“, – teigia įmonės vadovaujantysis analitikas.
