Сингулярность близка, а может быть, мы уже в ней. Как бы то ни было, машинное обучение и большие данные будут иметь огромное влияние на наше общество. Машинные умы выходят в сеть, и вам лучше научиться адаптироваться, если вы хотите добиться успеха.

Но что такое большие данные и машинное обучение? Продолжайте читать, чтобы узнать.

Большие данные и машинное обучение

У компьютеров есть определенные возможности. У них есть память для хранения информации. У них есть вычислительная мощность: одни машины выполняют больше «флопов» в секунду, чем другие.

Что происходит, когда эти машины сталкиваются с таким большим объемом данных, что традиционные методы анализа перестают работать? Это мир больших данных, и это мир, в котором мы живем сейчас.

Последний Polymath

Томас Янг был физиком, который жил с 1773 по 1829 год в Лондоне. Согласно Эндрю Робинсону в его книге Последний человек, который знал все, Янг был последним настоящим эрудитом в мире.

Вы можете быть умным человеком, но мы знаем в нашем современном мире, что вы должны быть специалистом, чтобы выжить. Никто больше не мастер на все руки.

Мир стал слишком сложным для людей, чтобы даже пытаться знать все. Вот что такое большие данные: это осознание того, что существуют груды данных, в которых традиционные человеческие методы анализа не работают. Мир слишком сложен для человеческого разума, чтобы разобраться в каждой его части. Это представляет собой серьезную проблему и открывает огромные возможности для предприимчивых людей, которые могут применять методы автоматизации для решения проблем.

Простой пример - фондовый рынок. Вы можете просмотреть всевозможную информацию о фондовом рынке, и время от времени вы можете совершить хорошую сделку, но вы вряд ли сможете угнаться за компьютеризированными торговыми платформами, которые совершают тысячи сделок в секунду. Ваш мозг не может обработать слишком много информации.

Вам нужно компьютеризированное решение, чтобы принять всю информацию, имеющую отношение к проблеме.

Почему так важно машинное обучение?

Вот тут-то и приходит на помощь машинное обучение. Машинное обучение - это область, которая объединяет в себе искусственный интеллект, компьютерное программирование, бизнес и философию.

Но что это? Когда ваши глаза воспринимают информацию (скажем, нападающий на вас буйвол бежит), ваш разум обрабатывает данные и принимает решение (уйти с дороги!). Машинное обучение - это компьютер, который обрабатывает огромные объемы данных и решает их для достижения наилучшего результата.

Машинное обучение - это способ для людей решать проблемы, фактически не зная, как их решать или почему работает тот или иной подход. Машины могут испробовать все возможные варианты и сделать это очень быстро. Если существует миллион вариантов, но только один из них правильный, компьютеры могут моделировать все миллионы событий и систематически определять правильный результат.

В фильме Военные игры Пентагон доверяет ИИ запускать ядерные симуляции против Советского Союза. Он пробует все возможные комбинации потенциальных атак, прежде чем придумать ответ: Единственный способ выиграть термоядерную войну - не играть.

Этот фильм был слишком идеалистическим для своего времени. Искусственный интеллект 1980-х годов не мог прийти к столь сложному выводу. Но машинное обучение в 2018 году действительно может решить серьезные проблемы, особенно для бизнеса и культуры.

Допустим, вы являетесь крупным дистрибьютором продукции. Вы продаете молотки по всему миру. Возникает вопрос: «Стоит ли строить еще одну молотковую фабрику?» Как вы ответите на такой вопрос?

Один из подходов - взять огромную кучу данных - скажем, 50 миллионов квитанций по кредитным картам - и попытаться угадать, покупают ли молотки больше людей или меньше людей. Но как это сделать? На анализ 50 миллионов записей по кредитным картам уйдет больше, чем несколько жизней!

Машинное обучение и большие данные могут решить эту проблему молотков. Или, по крайней мере, они могут указать нам правильное направление. В мире существует множество подобных проблем, и большие данные и машинное обучение начинают решать их.

GDPR и угроза чрезмерного регулирования

В 2018 году Европейский Союз принял Общий регламент по защите данных, который вызвал большой переполох в сообществе разработчиков программного обеспечения. Многие блоггеры указали на то, что GDPR делает определенные типы машинного обучения незаконными. Пока еще не известно, как регулирование и машинное обучение будут объединены в будущем.

Все хотят быть в безопасности, и никому не нравится мысль о том, что данные о них распространяются и попадают в чужие руки. Но существует реальная опасность того, что политическое регулирование упустит главное, когда дело доходит до данных. Одна из концепций GDPR заключается в том, что данные о себе принадлежат вам и вы должны иметь возможность запрашивать их использование только для тех целей, для которых они были собраны. Звучит хорошо, правда?

Что ж, может быть, но с машинным обучением компьютеры могут идентифицировать людей необычными способами, которые не всегда очевидны. Существует опасность ложного чувства безопасности в отношении «ваших» данных. Приложения машинного обучения могут обнаруживать в вас вещи, которые вы иначе не могли бы понять.

Это может быть хорошо, и у правительств есть законные причины для безопасности использовать аналитику машинного обучения для обнаружения угроз безопасности. Представьте себе мир, в котором вы можете купить взрывчатку, а затем заявить, что никто не может использовать эту информацию, чтобы выяснить, кто взорвал здание! Это смешно, но вы можете видеть, что наше общество еще не осознало все последствия больших данных и машинного обучения.

Информационная эпоха

Посмотрим правде в глаза: мир сбивает с толку! Существует множество данных, и человечество разрабатывает технические инструменты для работы с ними.

Хорошо это или плохо, но мы живем в век информации и данных. Никто не знает, куда он идет, но мы все вместе доберемся туда.