Чому, коли ви гуглите «купити смартфон», то відразу ж після цього в усіх соцмережах приходить реклама таких же моделей смартфонів? Хто підбирає для вас варіанти, які можуть зацікавити? Та до чого тут машинне навчання?
Ми живемо у світі, де машини навчаються й адаптуються, як люди, виявляючи приховані закономірності, роблячи прогнози й навіть створюючи мистецтво. Це вже не наукова фантастика — це реальність машинного навчання, технологія, що стрімко змінює цифровий світ. Ось чому його активно застосовують як в офлайн, так і в онлайн-маркетингу для прогнозування поведінки користувача і рекомендацій за інтересами, і не тільки.
Machine Learning (ML) активно розвиває різноманітні індустрії — бізнес, медицину, фінанси, промисловість та IT-сферу.
Наприклад, ця технологія допомагає:
- розпізнавати мови у віртуальних асистентах;
- ідентифікувати рукописні літери;
- визначати мову;
- надавати рекомендації на вебсайтах;
- робити пошуку документів;
- виявляти підозрілі транзакції;
- прогнозувати вартість валют;
- аналізувати попит;
- навчати «смарт» техніки.
Що таке машинне навчання?
Багато хто з нас чув, що комп’ютер можна навчити самостійно знаходити розв'язання різних задач. Але як це відбувається? Відповідь проста — за допомогою алгоритмів.
Отже, простими словами про складне.
- По-перше, ми пам’ятаємо ще з уроків інформатики у школі, що алгоритм – «це послідовність кроків та інструкцій, які призводять до розв'язання певної задачі або досягнення певного результату», тобто — методи розв’язання задач.
- По-друге, уявіть собі мозок ML — складну систему, що може навчаться, подібно до людського. Цей «мозок» складається з цих самих алгоритмів, які, мов м'язи, що стають сильнішими з кожним новим набором даних, на якому вони «тренуються». Існує кілька типів алгоритмів ML, кожен з яких володіє своїми сильними сторонами та підходить для певних завдань.
Типи машинного навчання
Традиційне навчання
Таке навчання відбувається за участю вчителя або без нього.
По-перше, у випадку навчання з вчителем, людині необхідно підготувати марковану базу даних, по-друге, створити алгоритм, за допомогою якого машина може обрати той чи інший об’єкт серед цих даних.
Під час навчання без вчителя алгоритми повинні самостійно аналізувати не марковані дані (не оброблені) та виявляти закономірності, підбирати шаблони, виконувати класифікацію даних. Цей підхід зазвичай вимагає більше часу.
Навчання з підкріпленням
В ролі вчителя в цьому випадку — справжнє або віртуальне середовище. Цей процес я можу порівняти з тим, як геймер здобуває досвід у грі, роблячи спроби, навчаючись на своїх помилках і отримуючи заохочення за успіхи.
Таким чином машину навчають вижити в реальному середовищі, де вона може помилятися, вчитися на своїх помилках, обираючи кращий варіант серед багатьох або досягти складної мети за безліч ходів.
Ансамблі
Для розв’язання складних обчислювальних задач, коли жоден алгоритм не підходить ідеально, використовують ансамблі — поєднання відразу декількох алгоритмів. Вони навчаються одночасно і виправляють помилки один одного. Цей метод подібний до роботи команди фахівців, де кожен член команди має свої знання та досвід, що в сукупності дає кращий результат.
З цього привиду не можу не згадати яскравий приклад ML, всім відомий від «малих до старих» застосунок для вивчення мов — «Duolingo».
Но саме хочу звернути вашу увагу на модель штучного інтелекту «Birdbrain», яка є системою машинного навчання у «Duolingo».
Як же «Duolingo» узнає, що нам потрібно вивчити?
При відкритті додатка нас зустрічає простий інтерфейс з мультяшними персонажами, який включає роз'яснення деяких слів і понять, які ми пропустили на попередньому занятті. Цікаво, що застосунок для привертання уваги обирає слова сповіщення, спираючись на наші минулі вподобання та останні досягнення, додаючи в процес кожного разу щось новеньке.
Отже, алгоритми додатка готують спеціально для нас кожний наступний урок, що враховує наш рівень знань та дізнаються в який час дня нам зручніше займатися вивченням іноземної мови. Хто ховається за цією доброзичливою оболонкою?
Знайомтеся, «Birdbrain»
Уявіть собі, але ця система машинного навчання може навіть передбачити, наскільки ймовірно, що учень правильно виконає вправу. Все дуже просто, для цього «Birdbrain» оцінює складність вправи та поточний рівень знань кожного учня.
Як оцінюють?
- Складність вправи — це
підсумування складності її складових, таких, як тип вправи, словниковий запас, рівень мови тощо.
- Здібності учня — це відстеження його результатів у вправах. Коли учень виконує вправу правильно, його здібності підвищуються і відповідно навпаки.
Таким чином, кожна наша дія в додатку, чи то успішне виконання вправи, навіть пропущене слово, живить Birdbrain, дозволяючи йому динамічно адаптувати уроки. Шляхом постійного оновлення оцінок складності та наших здібностей, ця система створює унікальні сесії навчання, що точно відповідають нашому поточному рівню знань і потребам.
Не можна не погодитися з думкою творців (Луис фон Ан й Северин Хакер) цієї моделі машинного навчання, «Birdbrain» — це приклад не тільки гарної системи штучного інтелекту (ШІ) для вивчення іноземних мов, а відмінний старт для покращення будь-якого онлайн навчання, підвищення ефективності навчальних програм, що може привести до революції в освіті.
Отже, відкриваються перспективи для тих, хто хоче бути не просто спостерігачем, а й активним учасником цієї технологічної революції.
Пропоную звернути увагу абітурієнту 2024 на освітню програму «Штучний інтелект» (122 спеціальність «Комп'ютерні науки»).
Щоб зрозуміти про що ця освітня програма й почути реальні відгуки студентів, не завадить переглянути ось ці відео на офіційному ютуб-каналі університету — Nure TV.
« Спеціальність 122 ОП Штучний інтелект »
« 122 Освітня програма Штучний інтелект »
Та ознайомитися зі статтею ЧОМУ НАВЧАЮТЬ НА КАФЕДРІ ШТУЧНОГО ІНТЕЛЕКТУ.
ХНУРЕ — це найкращий вибір для отримання якісної освіти в галузі штучного інтелекту. Приєднуйся до нашої студентської спільноти «Першого серед кращих»!
Гребенюк Артем
