Strona główna Aktualności
Świat

Ekspertka: dostępność uczenia maszynowego to efekt wielu badań

12.03.2017 Świat

Fot. Fotolia

Coraz większe znaczenie w badaniach nad sztuczną inteligencją zyskuje koncepcja uczenia maszynowego. Jednak gwałtowny rozwój tej dziedziny nie jest wynikiem przełomowego odkrycia, a kilkudziesięciu lat badań – opowiadała Anna Ukhanova z Google Research.

Uczenie maszynowe (ang. machine learning) to koncepcja zakładająca, że zamiast programować komputery do wykonywania konkretnych zadań – jak podchodzono do tego wcześniej – można zaprogramować je tak, aby potrafiły rozpoznawać skomplikowane wzorce i doskonaliły swoje działanie w oparciu o zdobyte doświadczenie.

 

„W starym podejściu maszyny miały zostać zaprogramowane tak, aby były mądre – podczas gdy założeniem uczenia maszynowego jest to, by same nauczyły się być mądre” – tłumaczyła naspotkaniu z mediami w Warszawie Anna Ukhanova z europejskiego oddziału Google Research w Zurychu – największego biura inżynierskiego poza Stanami Zjednoczonymi.

 

Ukhanova zastrzegła, że nie oznacza to mądrości czy inteligencji podobnej do ludzkiej: "Mamy tutaj na myśli raczej zdolność rozwiązania konkretnego problemu bądź typu problemów".

 

Choć koncepcja systemów uczących się znana jest od kilku dekad, głośno zrobiło się o niej dopiero w ostatnich kilku latach. Idea ta zaczęła bowiem odgrywać ważną rolę w badaniach nad sztuczną inteligencją. Jak tłumaczy Anna Ukhanova, sytuacja ta jest wynikiem równoczesnego zaistnienia kilku czynników. Jednym z nich jest wzrost mocy obliczeniowej komputerów oraz rozwiązania chmurowe, dzięki którym większa moc obliczeniowa jest łatwo dostępna.

 

"W tym momencie moc obliczeniowa jest towarem" – mówi Ukhanova. Jak tłumaczy, pozwala to na obniżenie bariery wejścia: aby korzystać z dużej mocy obliczeniowej firmy nie muszą już posiadać własnej infrastruktury z tym związanej.

 

O wiele większa niż jeszcze pięć lat temu jest również dostępność samych algorytmów uczenia maszynowego, umieszczanych na platformach typu open source. Firmy i osoby, które z kolei nie chcą poświęcać czasu na doskonalenie algorytmów, mają dostęp do odpowiednio wytrenowanych modeli. W połączeniu z masą danych dostępnych w internecie tworzy to przyjazne środowisko dla firm pragnących wykorzystać w swoich produktach systemy uczące się – podkreśla Ukhanova.

 

Środowisko to jednak pozostałoby niewykorzystane, gdyby nie ludzka wizja i kreatywność. "Jest to zarazem najważniejszy, jak i najbardziej wymagający element" – stwierdza Ukhanova, dodając, że najważniejsze jest wynajdywanie nowych zastosowań dla uczenia maszynowego. "Choć czasem trudno jest nawet ubrać w słowa odpowiednie pytanie, jest to właśnie ta rzecz, nad którą wszyscy powinniśmy teraz myśleć" - mówi.

 

Dzięki obniżeniu bariery wejścia, narzędzia potrzebne do stosowania uczenia maszynowego są gotowe do wykorzystania przez firmy, które nie muszą zatrudniać specjalistów do prowadzenia badań. "Zamiast tego mogą zacząć myśleć nad tym, jak zastosować [systemy uczące się] w ich konkretnych produktach, jakie przeznaczyć na niego środki, jakich danych potrzebują do osiągnięcia celu".

 

Anna Ukhanova zaznacza jednak, że rozwój i rozprzestrzenianie się uczenia maszynowego w ostatnich latach nie jest wynikiem nagłej rewolucji – a powolnej, trwającej kilka dekad ewolucji.

 

"Historia niektórych z podstawowych algorytmów uczenia maszynowego używanych przez nas dzisiaj sięga lat 80." – przypomniała. – "Choć z perspektywy obserwatora zewnętrznego może się to wydawać kwestią jednego przełomowego odkrycia, to tak naprawdę doprowadziła nas do tego momentu ewolucja tych algorytmów i związanych z nich systemów. Historia zwiększania mocy obliczeniowej jest tutaj dobrym przykładem".

 

Ukhanova podkreśliła, że dla rozwoju technologii kluczowy jest fakt, że wykorzystywana jest teraz w "namacalnych rzeczach, nie tylko w laboratoriach" – dzięki korzyści z uczenia maszynowego mogą czerpać również zwykli ludzie.

 

W produktach Google'a technologia ta stosowana jest m.in. do ulepszania automatycznych tłumaczeń, tras w mapach czy wyszukiwania. W 2016 r. uczenie maszynowe używane było w ponad 2 tys. projektach firmy.

 

Jeden z tych projektów to uruchomiona w listopadzie 2015 r. platforma TensorFlow – obliczony na "zwiększenie dostępności i użyteczności uczenia maszynowego" system open source. Pozwala on zainteresowanym osobom czy instytucjom na stosowanie uczenia maszynowego w swoich własnych projektach.

 

"Narzędzie to jest szczególnie ważne dla środowiska naukowego" – podkreśla Anna Ukhanova, która przed rozpoczęciem pracy dla Google pracowała na uniwersytecie. O TensorFlow mówi jako o alternatywie dla tradycyjnego sposobu nawiązywania współpracy naukowej pomiędzy uczonymi z dużych ośrodków.

 

"W tym momencie TensorFlow staje się językiem komunikacji pomiędzy badaczami [w tej dziedzinie – PAP], ponieważ mogą oni współpracować poprzez swoją pracę w kodzie, dzielić się wynikami badań jeszcze w czasie trwania projektu" – mówi. (PAP)

 

kflo/ zan/

Podziel się
Ocena: 0 głosów

Logowanie



Nie pamiętam hasła

Rejestracja

Komentarze: 0
Skomentuj Zobacz wszystkie  

Uwaga Redakcje!

Wszelkie materiały PAP (w szczególności depesze, zdjęcia, grafiki, pliki video) zamieszczone w serwisie "Nauka w Polsce" chronione są przepisami ustawy z dnia 4 lutego 1994 r. o prawie autorskim i prawach pokrewnych oraz ustawy z dnia 27 lipca 2001 r. o ochronie baz danych.

 

PAP S.A. zezwala na bezpłatny przedruk artykułów z Serwisu Nauka w Polsce pod warunkiem mailowego poinformowania nas raz w miesiącu o fakcie korzystania z serwisu oraz podania źródła artykułu. W portalach i serwisach internetowych prosimy o zamieszczenie podlinkowanego adresu: Źródło: www.naukawpolsce.pap.pl a w czasopismach adnotacji: Źródło: Serwis Nauka w Polsce - www.naukawpolsce.pap.pl. W przypadku portali społecznościowych prosimy o umieszczenie jedynie tytułu i leadu naszej depeszy z linkiem prowadzącym do treści artykułu na naszej stronie, podobnie jak to jest na naszym profilu facebookowym. 

 

Powyższe zezwolenie nie dotyczy: informacji z kategorii "Świat" oraz wszelkich fotografii i materiałów video.

 

Informacje tekstowe z kategorii "Świat" można pozyskać odpłatnie abonując Serwis Nauka i Zdrowie PAP. Serwis ten zawiera ponadto wiele innych najnowszych doniesień naukowych z zagranicy oraz materiałów dotyczących szeroko rozumianej problematyki zdrowotnej. 

 

Informacje na temat warunków umowy można uzyskać w Dziale Sprzedaży i Obsługi Klienta PAP, tel.: (+48 22) 509 22 25, e-mail:  pap@pap.pl

 

Informacje o przedruku artykułów z Serwisu Nauka w Polsce, prośby o patronaty medialne, informacje o prowadzonych badaniach, organizowanych konferencjach itd., prosimy przesyłać na adres: naukawpolsce@pap.pl

 

 

Najpopularniejsze materiały

więcej

Książka

Polskie tłumaczenie jednego z najważniejszych źródeł o historii Egiptu Polskie tłumaczenie jednego z najważniejszych źródeł o historii Egiptu

Do odczytania hieroglifów w 1822 r. jego zapiski stanowiły jedno z najważniejszych źródeł na temat historii faraonów Egiptu. Ukazało się pierwsze polskie tłumaczenie tekstów pozostawionych przez Manethona - kapłana egipskiego, który żył ponad 2 tys. lat temu.

Więcej

Myśl na dziś

Jeśli starszawy, uznany naukowiec mówi, że coś jest możliwe, niemal z pewnością ma rację, lecz jeśli mówi, że to jest niemożliwe, najprawdopodobniej się myli.
Arthur Charles Clarke

Nasz blog

Rektorzy, naukowcy! Doceńcie rolę popularyzacji! Rektorzy, naukowcy! Doceńcie rolę popularyzacji!

Rola komunikacji naukowej na polskich uczelniach wciąż nie jest dostatecznie doceniona. Ani przez naukowców, ani przez władze uczelni. Zdawałoby się, że prezentowanie osiągnięć naukowców to zadanie biur prasowych. Te jednak często mają ustalone zupełnie inne priorytety.

Więcej

Tagi