Читать книгу Jak myślą inteligentne maszyny - Sean Gerrish - Страница 6

Od mojego pierwszego spotkania z Seanem minęło ponad dziesięć lat. Pracowałem wówczas w Google, gdzie kierowałem zespołami odpowiedzialnymi za tworzenie systemów uczenia maszynowego na szeroką skalę, które wspomagały oferowane przez firmę reklamy wyszukiwarkowe. Sean, będąc w mojej grupie jednym z głównych inżynierów, pracował nad złożonymi zagadnieniami lokującymi się na granicy tego, co w ogóle było wówczas możliwe w obszarze uczenia maszynowego. Odkąd rozpoczęliśmy wspólną pracę, sztuczna inteligencja urzeczywistniana w metodach statystycznego uczenia maszynowego, będąca najpierw niedostępną, tajemną sztuką, a jednocześnie domeną zastrzeżoną dla naukowców i firm zajmujących się najbardziej zaawansowanymi technologiami, stawała się coraz bardziej przystępnym i niezwykle użytecznym zestawem technik i narzędzi, które teraz powinny znaleźć się w skrzynce każdego programisty.

Gwałtowny postęp, który dokonuje się właśnie w dziedzinie uczenia maszynowego, jest po części wynikiem eksplozji danych, a po części skutkiem odrodzenia architektury komputerowej wysokiej wydajności; owocem rywalizacji między dostawcami usług chmurowych w tworzeniu skalowalnych platform sztucznej inteligencji dla programistów i naukowców, a także następstwem gorączkowego wdrażania działającej w czasie rzeczywistym inteligencji do sprzętów przenośnych, samochodów, elektroniki użytkowej i coraz powszechniejszych urządzeń brzegowych w chmurze. Choć ów gwałtowny postęp obejmuje osiągnięcia, które zaskakują obserwatorów zdumionych tym, że maszyny osiągnęły lub nawet prześcignęły zdolności człowieka w wielu wąskich obszarach – jak opisywanie obiektów na zdjęciach, rozpoznawanie mowy, granie w gry strategiczne czy tłumaczenie z jednego języka na drugi – wciąż jesteśmy u początków rozwoju tych technologii, a w następnych dekadach czekają nas kolejne innowacje i odkrycia.

Programiści i naukowcy próbujący zrozumieć, na czym polega uczenie maszynowe, dokonują mądrego zakładu o stawkę, którą jest ich własna kariera. Doświadczenie w obszarze wspomnianych technologii już teraz jest dobrem bardzo pożądanym w największych firmach technologicznych. Wiele z tych spółek – takich jak Microsoft, Amazon, Google, Apple czy Baidu – tworzy API, pakiety narzędzi i infrastruktury obliczania w chmurze, by pracę nad rozwojem uczenia maszynowego przekazać w ręce dziesiątków tysięcy programistów na całym świecie. Jest bardzo prawdopodobne, że w nadchodzących latach większość programistów będzie musiała dodać uczenie maszynowe do swojego repertuaru, jako że coraz więcej zastosowań wykorzystuje „inteligentną” funkcjonalność. Oto dlaczego książka ta okaże się nieocenionym źródłem.

Praca Jak myślą inteligentne maszyny zrodziła się z żywionego przez Seana pragnienia zrozumienia, na czym opiera się współczesne uczenie maszynowe. Opisując podstawy tych systemów w zrozumiały i przystępny sposób, Sean czerpie z ponaddziesięcioletniego doświadczenia uniwersyteckiego i branżowego, by rozwikłać najtrudniejsze zagadnienia tej problematyki. A że systemy uczenia maszynowego bywają zdolne reprodukować ludzką inteligencję w niektórych aspektach, licentia poetica może zostać rozszerzona do granic wytrzymałości. Opisywanie tych technologii w sposób dokładny i praktyczny wynika z lat spędzonych przez Seana na polu bitwy, gdzie o tym, iż uczenie maszynowe to nie magia, człowiek dowiaduje się czasem bolesną metodą prób i błędów. Stanowi ono narzędzie niezwykle przydatne, jeśli wiemy, jak je zastosować i jakie ma ograniczenia; gdy zaś tego nie wiemy – staje się bezwartościowe.

Sean uprzystępnia idee nowoczesnego uczenia maszynowego dzięki technikom motywacyjnym i wziętym z życia przykładom, unikając jednocześnie zbędnego żargonu. W książce Jak myślą inteligentne maszyny przyjęto założenie, że czytelnik o uczeniu maszynowym i informatyce wie niewiele, stąd stanowi ona tak bardzo przystępną pozycję dla szerszego grona odbiorców. Biorąc pod uwagę gorące debaty toczone wokół opartej na uczeniu maszynowym sztucznej inteligencji, a także wpływ, jaki technologie te wywrą na naszą przyszłość, wypada, by każdy, kto chce uczestniczyć w tym dialogu, dowiedział się tyle, ile tylko może. Zważywszy na niedostatek przystępnych, a jednocześnie wiarygodnych pod względem naukowym wprowadzeń do problematyki uczenia maszynowego, praca ta jest idealną okazją do samodzielnego zgłębienia leżących u jego podłoża technologii, a jednocześnie pomaga dokonać rozstrzygnięć między tym, czemu należy dać wiarę, a tym, co należy odrzucić jako przesadę czy nonsens.

Kevin Scott

Dyrektor ds. technologii, Microsoft