Машинное обучение для обывателя по сей день кажется неким футуристическим понятием. Тем не менее, люди каждый день используют продукты, которые успешно применяют алгоритмы машинного обучения – начиная от анализа пробок и заканчивая самоуправляемыми автомобилями.

Машинное обучение – это раздел искусственного интеллекта, который изучает, как построить алгоритмы, способные обучаться. Идея в том, чтобы компьютер не просто применял заранее написанный алгоритм, а сам обучился решению поставленной задачи.

Почему это важно

Сегодня компьютеры используются в областях, которые раньше считались доступными только человеку. Технологии все еще далеки от идеала, но компьютеры постоянно улучшаются. Теоретически, они могут развиваться бесконечно. В этом и вся прелесть машинного обучения.

С появлением различных гаджетов и повсеместного распространения интернета, объем цифровых данных резко увеличился и продолжает стремительно расти. С помощью мини-компьютеров в кармане генерируется бесконечный поток данных: мы совершаем онлайн-покупки, производим различные финансовые транзакции, делимся новостями в Фейсбуке, выкладываем фото в Инстаграмме и т.д.  Данные – это источник жизненной силы для любого бизнеса. Возможность быстро и точно обрабатывать информацию о вкусах и предпочтениях пользователей влияет на скорость принятия решений. Это, в свою очередь,  позволяет опережать конкурентов, экономить ресурсы и улучшать качество продуктов.

Где применяется

Существует множество применений машинного обучения. Технология помогает:

• распознавать речь виртуальных ассистентов;
• определять языки;
• рекомендовать на сайтах;
• различать рукописные буквы;
• видеть и классифицировать изображения;
• прогнозировать стоимость валют;
• анализировать спрос.

В финансовой отрасли алгоритмы машинного обучения помогают делать вычисления и принимать решения по кредитованию, страхованию, защите от мошенничества. Высокая скорость обработки тысяч потенциальных кредитных переменных за относительно короткое время позволяет лучше оценить возможности потенциального мошенничества, риск невыполнения обязательств и вероятность долгосрочных отношений с клиентами. В результате компания принимает взвешенные решения о предоставлении кредитов, что приводит к повышению доступности кредитов для заемщиков и увеличению процента их погашения.

В здравоохранении машинное обучение демонстрирует впечатляющие возможности. В начале 2017 года специалист в области систем искусственного интеллекта — Себастьян Трун с коллегами из Стэнфордского университета — продемонстрировали, как алгоритм машинного обучения диагностирует потенциальные раковые заболевания кожи. Диагноз ничем не отличался от диагноза профессиональных врачей.

Компания Medecision использует машинное обучение, чтобы вычислять факторы риска для различных заболеваний в больших населенных пунктах. Например, алгоритм определил восемь переменных, с помощью которых можно заключить, нуждается больной диабетом в госпитализации или нет.

Социальная сеть LinkedIn в феврале 2018 года запустила ИИ-ассистента, который помогает соискателям составлять резюме: помощник подбирает похожие анкеты в нужной области и дает советы. Также он предлагает использовать различные термины, позволяющие сделать документ информативным и интересным для работодателей.

Перспективы и возможности применения в Узбекистане

Одна из востребованных и перспективных отраслей для внедрения и развития – сельское хозяйство, что актуально для Узбекистана.  Ранняя и точная диагностика заболеваний растений может значительно повысить продуктивность агробизнеса. Традиционные методы – это визуальный осмотр. Но этот процесс неэффективен, т.к. человек склонен ошибаться.

Если эту задачу передать программе с технологией машинного обучения — эффективность выявления заболеваний растений значительно повысится. Программа проанализирует сотни тысяч фотографий больных растений, алгоритм машинного обучения далее может определить тип болезни и степень ее тяжести. В будущем программа сможет даже рекомендовать методы борьбы, чтобы ограничить потери урожая от болезней.

Кроме диагностики заболеваний, одной из основных задач современного сельского хозяйства является создание семян и средств защиты растений, которые повысят урожайность. Машинное обучение в растениеводстве помогает выбирать «эффективные» семена, которые лучше адаптируются к перемене внешних условий и дадут всходы. Машинное обучение может также предложить решения для рационального использования воды, эффективного применения питательных веществ и адаптации сельскохозяйственных культур к изменениям климата.

Наргиза Холматова