Machine Learning, czyli sztuczna inteligencja na co dzień

Uczenie maszynowe (machine learning) należy do najszybciej rozwijających się trendów technologicznych. To należące do obszaru sztucznej inteligencji rozwiązanie polega na tworzeniu systemów potrafiących samodzielnie uczyć się poprzez zautomatyzowane procesy pozyskiwania i analizy danych. Choć na pierwszy rzut oka może wydawać się, że jest to pojęcie z zakresu science fiction, to w rzeczywistości wszyscy na co dzień korzystamy z tego rodzaju rozwiązań.

Machine learning znajduje zastosowanie niemal we wszystkich sferach, w których wykorzystywane są nowoczesne technologie – począwszy od nawigacji GPS, poprzez automatyczne tłumaczenia, interaktywne biura obsługi, po rekomendacje odpowiednich książek, filmów czy produktów w sklepach.

Technologia machine learning opiera się na precyzyjnej analizie danych. Systemy stosujące to rozwiązanie zbierają informacje z różnych źródeł, badają zachodzące między nimi prawidłowości i znajdują wzorce, a także – co niezwykle istotne – “uczą się” w sposób samodzielny. Oznacza to, że w miarę pozyskiwania nowych danych, odnajdywania nowych powiązań i schematów, systemy takie optymalizują swoje działanie i stają się coraz lepsze w tym, co robią.

Przykładami zastosowania tego rozwiązania są:

  • Rekomendacje w serwisach VOD i na platformach streamingowych – firmy takie jak Netflix, HBO, czy YouTube wykorzystują uczenie maszynowe do rekomendowania swoim użytkownikom odpowiednich materiałów na podstawie zgromadzonych danych i wiedzy o wcześniej obejrzanych programach. Zaawansowane systemy rekomendacji samodzielnie “uczą się” gustów widzów i w miarę oglądania przez nich kolejnych materiałów coraz precyzyjniej dobierają warte do zaproponowania im treści.
  • Nawigacja GPS – rozwiązania takie jak Google Maps wykorzystują napływające na bieżąco dane o poziomie natężenia ruchu czy średniej prędkości panującej na danym odcinku drogi, by sugerować użytkownikom trasy, które pozwolą szybciej dotrzeć do celu.
  • Wyszukiwarki internetowe – rozwiązania machine learning obecne są też w algorytmach wyszukiwarek internetowych. Pozwala to na podpowiadania i sugerowanie treści, których dany użytkownik może poszukiwać, autouzupełnianie rozpoczętych wyszukiwań, eliminowanie z wyników treści spamowych.
  • Automatyczne tłumaczenia – rozwiązania do automatycznych tłumaczeń, takie jak Google Translate, usprawniają swoje działania dzięki uczeniu się rozpoznawania całych fraz i fragmentów tekstu, a nie tylko pojedynczych słów.
  • Monitoring internetu – systemy, które pozwalają na monitorowanie fraz w internecie (np. iPresso) mogą samodzielnie oznaczać wydźwięk (pozytywny, neutralny, negatywny) danej informacji czy komentarza znalezionego w sieci.
  • Rekomendacje produktów –  machine learning pozwala też na personalizację ofert sklepów internetowych dzięki przewidywaniu jakie produkty mogą zainteresować poszczególnych klientów,

 

Wszystkie te rozwiązania oparte są na pozyskiwaniu danych oraz ich analizie, na bazie której podejmowane są określone działania. Co ważne, z ogromnej ilości danych są one w stanie w inteligentny sposób wyłaniać powtarzające się wzory, schematy i prawidłowości (związane np. z wybieranymi przez kierowców trasami, specyficznym słownictwem tłumaczonego tekstu, powiązaniami między różnymi wynikami wyszukiwań haseł w sieci), a także uczyć się różnego rodzaju zależności, które pozwalają na coraz skuteczniejsze i precyzyjniejsze działanie.

Takie inteligentne, samouczące się systemy umożliwiają zautomatyzowanie pracy w wielu sektorach gospodarki, zapewniając przy tym oszczędność czasu i energii pracowników.  W praktyce możliwości zastosowania tego rozwiązania wydają się nieograniczone – już teraz machine learning wykorzystywane jest przez analityków finansowych, firmy produkujące autonomiczne samochody, graczy giełdowych, a nawet naukowców zajmujących się astronomią.

 

Komentarz

Możesz użyć następujących tagów oraz atrybutów HTML-a: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>