Z innowacjami i wynalazkami jest tak, że stanowią one sensację najczęściej w momencie, gdy są ogłaszane. Wtedy też zainteresowanie nimi jest największe i ludzie starają się poznać jak najwięcej szczegółów związanych z danym projektem. Jednakże „nowości” mają to do siebie, że z czasem po prostu przestają być „nowe”, a tym samym ich popularność zanika. Dzieje się tak szczególnie wtedy, gdy dane rozwiązanie zostaje rozpowszechnione i staje się praktycznie nieodzownym elementem naszej codzienności. Co bowiem może być ciekawego w czymś, do czego jesteśmy już przyzwyczajeni? W czymś niemal prozaicznym? Otóż bardzo wiele, ponieważ często nie zdajemy sobie sprawy z fascynujących mechanizmów, które stoją za naszym codziennym funkcjonowaniem i w przyszłości mogą być fundamentem czegoś wręcz rewolucyjnego. Jednym z takich, wartych przybliżenia pojęć jest np. uczenie maszynowe, bez którego m.in. nasze smartfony nie oferowałyby obecnych możliwości.
Uczenie maszynowe
Zanim przejdziemy do benefitów, jakie niesie ze sobą ta rewolucyjna, choć powszechna technologia, warto przybliżyć jej podstawy. Choć oczywiście funkcjonowanie tego rozwiązania opiera się na latach badań naukowych, a także na skomplikowanych i złożonych algorytmach, to samo pojęcie nie jest trudne do wyjaśnienia. Większość ludzi na świecie z pewnością jest zaznajomiona z terminem Sztuczna Inteligencja (SI lub AI – od angielskiego Artificial Intelligence). W największym uproszczeniu, ideą SI jest opracowywanie modeli oraz programów przejawiających cechy inteligencji, a jednymi z nich są umiejętności uczenia się i wyciągania wniosków. [1] Dokładnie tym jest uczenie maszynowe (z ang. machine learning), czyli są to algorytmy automatycznie poprawiające i rozwijające się w wyniku otrzymywania nowych danych, a także doświadczenia z tym związanego. Jest to więc dosłownie – mechanizm uczenia się maszyn, dzięki któremu nie opierają się one jedynie na tym, co zostało im zaprogramowane przez człowieka, ale stale same się udoskonalają poprzez przeprowadzane przez siebie procesy.
Za pierwszy przykład zastosowania uczenia maszynowego uznaje się program do szkolenia szachistów, stworzony przez Artura Samuela z firmy IBM, czyli jednego z najstarszych przedsiębiorstw związanych z informatyką na świecie. Projekt ten był rozwijany w latach 1952-1962, jednak to na Uniwersytecie Stanforda w 1965 roku opracowano system, który uznaje się za przełom w uczeniu maszynowym i SI w ogóle. Dendral, ponieważ taką nazwę nosił program, służył do analizy oraz identyfikacji molekuł związków organicznych. Wyniki badań, których dostarczył, były natomiast pierwszym odkryciem opublikowanym w specjalistycznej prasie, dokonanym przez sam komputer, a nie przez człowieka na bazie otrzymanych danych analitycznych. Od tamtego czasu jednak, technologia i tym samym algorytmy uczenia maszynowego przeszły długą drogę, w trakcie której znacznie się rozwinęły. Obecnie pojęcie to jest ściśle związane m.in. z wnioskowaniem indukcyjnym. Oznacza to, że maszyna już nie tylko wyciągnie wnioski na podstawie otrzymanych danych, ale jest też w stanie zweryfikować ich prawdziwość [2] i zastosować tę analizę w procesie adaptacyjnym, poprawiającym efektywność jej funkcjonowania. Podsumowując – maszynowe uczenie to technologia umożliwiająca uczenie się i tym samym stały samorozwój urządzeń oraz maszyn, będąca konsekwencją prac nad ideą SI. [3]
Można, ale po co?
Teoria to jedno, jednak co właściwie zawdzięczamy algorytmom uczenia maszynowego w praktyce? Choć może się to okazać dla niektórych zaskakujące, to systemy oparte na tej technologii, jak wspomniano na początku, są wręcz powszechne. Co więcej, na co dzień często z nich korzystamy nawet nie zdając sobie z tego sprawy. Wymiernym wynikiem stosowania maszynowego uczenia jest choćby funkcjonowanie wyszukiwarek internetowych, bowiem to właśnie dzięki omawianej tu technologii otrzymujemy podpowiedzi adekwatne do wpisywanych przez nas fraz i zagadnień. Niech więc „pierwszy rzuci kamieniem”, kto nie korzysta z przeglądarek i tym samym z algorytmów uczenia maszynowego. To jednak zaledwie początek.
Będąc już przy Internecie i komputerach nie można w kontekście uczenia maszynowego zapomnieć o programach do ochrony danych. Ich skuteczne działanie jest wynikiem właśnie omawianej technologii i dotyczy to wszelkich zapór, od ochrony przed spamem, aż po zaawansowane programy antywirusowe. Opracowanie i wdrożenie uczenia maszynowego jest też podstawą m.in. rozpoznawania przez maszyny obrazów, czyli tzw. widzenia komputerowego. Dzięki temu systemy są w stanie za pomocą kamer i skanerów interpretować zarejestrowany obraz np. z kamer miejskich. [4] To samo dotyczy także rozpoznawania głosu i mowy ludzkiej, a następnie m.in. przetwarzania zarejestrowanych dźwięków na pismo, tłumaczenia wypowiedzi na języki obce, czy też reagowania w odpowiedzi na polecenia głosowe. Kolejną sprawą jest nawigacja, automatyczne sterowanie systemami produkcji w fabrykach, jak również poruszanie się autonomicznych pojazdów. To wszystko jest wynikiem stosowania algorytmów uczenia maszynowego i jednocześnie z benefitów tych rozwiązań korzystamy na co dzień.
Zatem podsumowując, również wspomniane wcześniej funkcje dzisiejszych smartfonów, które zawdzięczamy uczeniu maszynowemu są dość rozległe, od systemów rozpoznawania twarzy, przez obsługę przeglądarek internetowych, nawigację, sterowanie za pomocą głosu (np. asystentem Google), czy choćby programy do tłumaczenia mowy. Nie zapominajmy także o programach zabezpieczających nasze urządzenie przed szkodliwymi treściami i wirusami. Większość z nas bez tych funkcji oraz możliwości nie wyobraża już sobie niemal życia, a na pewno korzystania z naszych mobilnych urządzeń. Choć powyższe przykłady to już naprawdę dużo, jednocześnie jest to dopiero zalążek perspektyw dalszego wykorzystania uczenia maszynowego.
Pod jeszcze bardziej zaawansowanym kątem, technologia ta przyczynia się do stałego rozwoju Internetu, rozpowszechnienia pojazdów autonomicznych oraz całej dziedziny robotyki. Oczywiście w tym celu konieczne są także inne zabiegi, jak choćby implementacja i wdrożenie kolejnej generacji sieci bezprzewodowej 5G. Obecna bowiem nie jest w stanie obsługiwać dostatecznej ilości urządzeń i pojazdów mobilnych, jak również konstrukcji robotycznych, natomiast piata generacja pozwoli na obsługę nawet do miliona urządzeń bezprzewodowych na jednym kilometrze kwadratowym. [5] Jak więc widać, nowe technologie niejednokrotnie wspomagają i napędzają siebie nawzajem, co doskonale widać na przykładzie kolaboracji uczenia maszynowego i 5G.
Wracając jednak do głównego tematu oraz szerszego zastosowania omawianej technologii, może ona skutecznie wspomagać również rynki finansowe, a nawet medycynę. W pierwszym przypadku uczenie maszynowe umożliwia poszczególnym programom analizę trendów na rynkach finansowych, co uskutecznia działania podejmowane w tym zakresie. W kwestiach zdrowotnych natomiast, technologia ta stanowi podstawę zaawansowanych rozwiązań pozwalających np. na rozpoznawanie konkretnej przypadłości na podstawie jej symptomów, a także na modelowanie i rozwijanie terapii lekowych. Wpływa więc bezpośrednio na przyspieszenie i uskutecznienie diagnostyki, jak również opracowywanie leków ratujących ludzkie zdrowie.
Problemy i nadzieje
Jak każda nowa technologia, również uczenie maszynowe spotyka na swojej drodze pewne problemy. Nadal bowiem programy oparte na tej technologii są w znacznej mierze uzależnione od człowieka, co naukowcy starają się z każdym krokiem minimalizować. Liczne wątpliwości pojawiają się także odnośnie wiarygodności oraz trafności wyciąganych przez maszyny wniosków, na podstawie rzeczonych algorytmów. Dlatego też ustalono szereg norm, które powinny spełniać takie systemy i należą do nich m.in. kontrola ze strony człowieka oraz możliwość argumentacji udzielonych przez program wyników.
Przestrzegając tych zasad i nadal rozwijając uczenie maszynowe przyczyniamy się bezpośrednio do postępu całej ludzkości. Dotyczy to nie tylko codziennych, nieco przyziemnych już funkcji i technologii samej w sobie, ale też rozwoju wielu dziedzin naukowych, jak medycyna, a nawet matematyka i astronomia. [6] Co więcej, algorytmy uczenia maszynowego wspierając technologie kosmiczne, wspierają także eksplorację kosmosu. Jak więc widać, nawet o tym nie wiedząc, praktycznie każdego dnia wykorzystujemy rewolucyjne technologie, których przyszłe perspektywy zastosowania są niemal nieograniczone. Zadziwiające, prawda?
Źródła:
[1] https://pl.wikipedia.org/wiki/Sztuczna_inteligencja
[2] https://pl.wikipedia.org/wiki/Rozumowanie_indukcyjne
[3], [6] https://pl.wikipedia.org/wiki/Uczenie_maszynowe
[4] https://pl.wikipedia.org/wiki/Rozpoznawanie_obraz%C3%B3w