Kako tehnologija napreduje, a svjetska populacija raste, raste i količina podataka koje svakodnevno stvaramo. Njihovo prikupljanje, sortiranje i analiziranje može biti poprilično težak zadatak.
No i to se pomalo mijenja s pojavom strojnog učenja, ogranka računalne znanosti koje se bavi učenjem i samostalnim poboljšavanjem računalnih programa. Pogledajte video ispod kako biste vidjeli primjere na koji se način strojno učenje danas koristi.
Kako stvar funkcionira?
Računala su u prošlosti mogla raditi samo ono za što su bila programirana. Strojno učenje omogućava im da uče na sličan način kako to rade ljudi: stroj prikuplja znanje bazirano na prošlom iskustvu. Umjesto da mu se stalno mora ažurirati softverski kod, on je, kako vrijeme prolazi, samostalno sposoban poboljšavati svoj rad.
Strojno učenje može biti poprilično komplicirano, ali pojednostavljeno rečeno, recimo da želimo program koji može razlikovati slike jabuka od slika banana. Prvo mu damo nekoliko označenih primjera jednog i drugog, a on na njima traži uzorke kako bi ih zapamtio. Nakon toga, kad mu damo neoznačene slike, on koristi ova sjećanja da bi odredio što je jabuka, a što banana, bez da mu mi pomažemo.
Pogledajte ovaj video Oxford Sparksa koji malo dublje pojašnjava kako stvar funkcionira.
Kako se strojno učenje koristi?
Primjećivali vi to ili ne, vjerojatno je da ste i sami svakodnevno u doticaju s njim. Evo liste nekih primjera popularnih aplikacija i uređaja koji ga koriste.
- – Google koristi strojno učenje da poboljša preciznost rezultata traženja,
- – Facebook vam prikazuje postove ovisno o vašim interesima i prošlom ponašanju na društvenoj mreži,
- – Netflix vam daje preporuke koje stvara zahvaljujući strojnom učenju,
- – samovozeći automobili prate objekte iz okruženja i koriste te podatke da bi poboljšali svoje vozačke sposobnosti,
- – digitalni pomoćnici koriste strojno učenje da bi unaprijedili tehnologiju prepoznavanja govora.
Zanimljivo je napomenuti da i zdravstvena industrija eksperimentira s velikim brojem primjena, uključujući predviđanje životnog vijeka, organiziranje pacijentovih podataka, čak i dijagnosticiranje određenih bolesti. Prikupljanjem podataka poput rentgenskih slika, genetskih profila i krvnih testova, računala bi mogla dati dijagnozu brže i sigurnije.
I poslovni svijet je počeo koristiti strojno učenje. Neke tvrtke već koriste ‘chatbotove’ koji strojno uče, kako bi poboljšali korisničku službu. Neki vjeruju da se i proces zapošljavanja može ubrzati ako strojevi predhodno provjere prijave i životopise.
Neki jednostavno eksperimentiraju sa strojnim učenjem da vide do kuda će to dovesti. Možda ste čuli za pojam neuralna mreža o kojem se u zadnje vrijeme dosta priča; riječ je o posebnom načinu strojnog učenja koje pojedinci koriste kako bi stvarali zanimljive projekte.
Budućnost strojnog učenja
I dok se mnoge stvari ovdje čine pozitivnima, ljudi sve više brinu da će zbog strojnog učenja gubiti poslove. To ovisi o industriji, ali potencijal za dramatičnu promjenu mnogih poslova, poput vozača, bankara, čak i određenih liječnika, je definitivno tu.
Mnogi su zabrinuti zbog moralnosti strojnog učenja i naglašavaju njegov potencijal da naruši vašu privatnost. Primjerice, ne bi bilo teško stvoriti program koji bi prikupljao vaše poruke i onda se u razgovoru s nekim predstavljao kao vi. Strojno učenje može biti vrlo moćan alat, ali važno je imati na umu i njegove negativne posljedice i efekte.
Piše: M.V.
