Google で最も美しいエンジニアの目から見た機械学習

美しいキャシー・コジルコフは、Google のチーフ意思決定インテリジェンスエンジニアであることに加えて、統計学者および神経科学者でもあります。

彼女の機械学習に対する理解は、一般的な主流の見解とは異なります。機械学習は専門家が言うほど魔法ではなく、AI 分野に 300 億米ドルのベンチャーキャピタル資金が流入する主な理由でもないと信じています。 . ハッカーのニュースや知識はありません 上で述べたことと同じくらい奥が深いです。

若い女性の Cassie Kozyrkov 氏によると、上記はすべて機械学習についての文書による説明であり、実際の応用シナリオでは、機械学習は本質的に「物にラベルを付ける機械」です。説明を記録し、それに応じてラベルを付けることで、コンピュータの次のアクションをガイドできます。

機械学習は AI のサブセットであり、現在市場にあるほとんどの AI 製品は基本的に機械学習に依存しているため、2 つの概念は同等であると考えられています。

AI に関する SF の想像力は、無意識のうちに機械学習にも転移しています。たとえば、『アイアンマン』に登場するアイアンマンの AI アシスタント、ジャービスは、辺境の国の知らない通りにいる犯罪者を常に瞬時に見つけ出すことができます。実際、SF映画のシーンを機械学習で実現するのは難しく、現在のAIでも実現することはできません。

現在、AIにせよ機械学習にせよ、コンピュータの作業効率の向上や応用シーンの拡大のために広く活用されています。これらは、巨大なデータ プロジェクトを処理し、いくつかの手続き的なタスクを解決するために使用できます。SF 映画と比較して、実用性に重点が置かれています。

以下は猫の写真です。人間の脳はさまざまな感覚や経験を通じて猫を簡単に認識できますが、コンピューターの場合は多くの「精神活動」を必要とします。

コンピュータには、写真を猫か猫ではないかに分類 (またはラベル付け) するというタスクが与えられます。機械学習システムと従来のプログラミング手法では、2 つの異なる操作エクスペリエンスが得られます。

従来のプログラミング手法では、人間のプログラマーがピクセルとラベルについて真剣に考え、他のユーザーとコミュニケーションをとり、アイデアをインスピレーションを得て、最終的に手動でモデルを作成します。

モデルとは、コンピューターが認識できるようにピクセル データをラベルに変換するためにコンピューターが実行する必要がある一連の命令を指します。これらの命令は、コンピューターが入力を出力に変換するために使用する単なるコードであり、プログラマーによって手動で記述されるか、アルゴリズムを通じてデータから導出されます。

コードを使用して、この画像に含まれる各ピクセル ブロックを記述するにはどうすればよいでしょうか?

これは人間の脳にとって非常に困難であり、人間の脳は写真を認識することはできますが、写真内のピクセル ブロックをコード化することが困難です。したがって、人間の脳がコンピュータに指示を出して写真を識別することは、負荷が大きいだけでなく、非常に複雑で非現実的です。

したがって、従来のプログラミング手法を画像認識の分野に適用することは困難です。

しかし、機械学習はこの問題を非常にうまく解決できます。これはまったく異なるプログラミング パラダイムであり、明示的な指示なしで分類と同様の方法でプログラムできます。公式の説明は、「データ内の固定パターンを見つけて、それを命令に変換する」です。

上の写真を例にとると、機械学習はすべての関連データを合成し、「猫ではない」例と「猫」の例をまとめてから、「猫かそうでないか」を決定するまで、関連する特徴に基づいてそれらを再分類します。猫" "。

機械学習は、言葉では言い表せない多くのことをコンピューター言語で表現できます。これは、特別な指示を与える必要がなく、コンピュータが望む結果を得ることができることを意味します。

これは、指示を必要とせずに人間の意図を解釈するという、AI と機械学習が作成された主な目的でもあります。

この変革により、コンピューターはますますインテリジェントになり、人間の脳だけが解決できる多くの問題を解決できるようになりました。これは人間のテクノロジーの質的飛躍であり、コンピューター サイエンスが新たな扉を開く兆しです。