Czym jest uczenie maszynowe (machine learning)?

Czym jest uczenie maszynowe (machine learning)?

Coraz więcej firm jest zainteresowanych tematem wykorzystania sztucznej inteligencji oraz uczenia maszynowego. Nowe technologie nie są łatwe do wdrożenia, ale oferują nowy poziom działalności.

Co kryje się pod pojęciem machine learning? Jak wprowadzić uczenie maszynowe do biznesu i do czego może się ono przydać?

Sztuczna inteligencja (AI) jest tematem stale obecnym w naszym życiu. Fani Netflixa pewnie znają serial „Black Mirror”, gdzie pokazano mroczną stronę świata opanowanego przez AI. W rzeczywistości jednak sztuczna inteligencja i związany z nią proces uczenia maszynowego (machine learning, w skrócie ML) są wykorzystywane w wielu sferach codziennego życia. Coraz odważniej w ich kierunku patrzy wielki biznes – wykorzystanie na szeroką skalę uczenia maszynowego może być przełomem dla wielu firm, jeśli odważą się sięgnąć po nowoczesne rozwiązania technologiczne.

Człowiek versus AI?

Rozpocznijmy od pewnej historii, która obrazowo wprowadzi nas do tematu sztucznej inteligencji i uczenia maszynowego. Kiedy w 1996 roku mistrz świata w szachach Garri Kasparov wygrał w Filadelfii ze stworzonym przez IBM komputerem szachowym Deep Blue, wszystko wskazywało na to, że era człowieka – przynajmniej w szachach – potrwa jeszcze wiele lat.

Kasparov, pewny swojej wygranej przed meczem, przyznawał potem, że był w stanie pojąć priorytety Deep Blue oraz rozpoznać sposób jego gry, podczas gdy komputer nie potrafił zastosować tej analizy do człowieka. Tutaj właśnie Kasparov widział przewagę mózgu nad komputerowymi algorytmami. Według arcymistrza z Rosji „komputer zdradzał pewne oznaki inteligencji”, ale był on jednocześnie przekonany, że AI nie pokona człowieka w ciągu najbliższych lat.

AI - sztuczna inteligencja

Kończąc tę szachową historię dodajmy, że nieco ponad rok później ulepszony Deep Blue triumfował w meczu rewanżowym z Kasparovem. Dziś najlepsze silniki szachowe, które rozwijane są na zasadzie sztucznej inteligencji, czyli uczą się na swoich doświadczeniach, rywalizują między sobą na poziomie, o którym człowiek może pomarzyć. To samo zresztą tyczy się Go, czyli gry dużo bardziej skomplikowanej niż szachy – tu również niepodzielnie triumfuje AI.

Co to jest uczenie maszynowe?

Na problem sztucznej inteligencji należy jednak spojrzeć z innych pozycji: nie „sztuczna inteligencja kontra człowiek”, ale „sztuczna inteligencja i człowiek”. Krótko mówiąc, w jaki sposób człowiek może wykorzystać sztuczną inteligencję dla własnych celów, w szczególności do celów biznesowych. W tym zakresie warto przestudiować kwestię uczenia maszynowego. Z czym mamy tutaj do czynienia?

analizy automatyczne - efekt zastosowania uczenia maszynowego

Najprościej rzecz ujmując, machine learning to jeden z obszarów sztucznej inteligencji (ważne, aby nie mylić ze sobą tych dwóch pojęć), który poświęcony jest algorytmom poprawiającym się przez doświadczenie. Inaczej mówiąc, algorytmy budują na podstawie przykładowych danych (training data) model matematyczny, który stanowi podstawę do samodzielnego uczenia się. Ile czasu zajmuje taki proces? Pozostając przy szachach: AlphaZero, czyli program na bazie sztucznej inteligencji stworzony przez grupę DeepMind, po zaledwie kilku godzinach uczenia się był w stanie pokonać dotychczas najsilniejsze szachowe silniki.

Zastosowanie uczenia maszynowego

Zostawmy jednak na boku gry, które podbiła sztuczna inteligencja i zastanówmy się, gdzie i w jakim zakresie jest i może być ona jeszcze zastosowana. W zasadzie z zastosowaniem uczenia maszynowego stykamy się (choć zapewne nie do końca świadomie) na co dzień: np. korzystając z podpowiedzi słów w słowniku w naszym smartfonie podczas pisania wiadomości do znajomych.

analizy automatyczne - efekt zastosowania uczenia maszynowego

Machine learning ma zastosowanie również między innymi w rekomendacjach online czy w filtrowaniu wiadomości w naszej skrzynce elektronicznej – dzięki temu nie musimy przebijać się przez morze spamu, który automatycznie trafia do odpowiedniego folderu.

Najbardziej interesujące wydaje się jednak zastosowanie uczenia maszynowego w biznesie – tutaj zyski z wprowadzenia tego typu rozwiązań mogą być bardzo duże. Dlatego coraz więcej firm decyduje sią na niełatwą, ale obiecującą transformację cyfrową.

Machine learning w biznesie

Z zastosowania uczenia maszynowego najwięcej korzyści mogą wyciągnąć duże biznesy, które z jednej strony przetwarzają ogromne ilości danych, z drugiej nie mogą pozwolić sobie na ustąpienie miejsca konkurencji na rynku. W takich obszarach, jak na przykład medycyna czy finanse dzięki wykorzystaniu pracy algorytmów można zapewnić większą wydajność i efektywność operacyjną (z zaoszczędzeniem czasu i środków), a także w znaczący sposób usprawnić proces podejmowania decyzji. 

Ponadto trzeba zauważyć, że działania związane z uczeniem maszynowym znakomicie sprawdzają się w zakresie digital marketingu. Chodzi z jednej strony o gromadzenie danych dotyczących wyświetleń, kliknięć i transakcji, a następnie przetwarzanie tych danych ze wskazaniem, które produkty czy usługi przynoszą najwięcej korzyści i przyciągają największe zainteresowanie.

sztuczna inteligencja w biznesie i marketingu

Dziś możliwe jest już dokładne sprofilowanie klientów, włącznie z określeniem preferowanego czasu dokonywanych przez nich zakupów czy nawet urządzeń elektronicznych, z których korzystają. Dzięki wykorzystaniu machine learning analiza wszystkich zebranych danych i wyciąganie z nich wniosków jest dużo łatwiejsza, pomaga wypracować efektywną kampanię reklamową, korygować ją na bieżąco, a tym samym osiągać lepsze rezultaty finansowe.

Dlaczego AutoML potrzebuje chmury?

W praktyce machine learning wymaga najpierw zbudowania odpowiedniego modelu dla uczenia maszynowego. Nie jest to jednak zadanie łatwe – potrzeba przygotowania dużej ilości danych dobrej jakości, a przede wszystkim wymaga specjalistów, których ciągle brakuje. W kwestii budowy modeli uczenia maszynowego można jednak wykorzystać Automated Machine Learning, czyli w skrócie AutoML. Rozwiązanie takie bazuje na gotowych elementach, dlatego jest dużo prostsze i szybsze niż niezautomatyzowane budowanie modeli. Zauważyć trzeba, że najlepszym środowiskiem dla AutoML będzie chmura obliczeniowa. Dlaczego?

- AutoML można uruchomić lokalnie, w modelu on-premise, ale to rozwiązanie wymaga mocy obliczeniowej dużo większej niż w przypadku ręcznego procesu budowy modelu. Powodem jest iteracyjny charakter budowy modelu w AutoML (tzn. algorytm próbuje różne scenariusze i wybiera te, które osiągają najlepsze wyniki). Jednocześnie należy pamiętać, że każdy rodzaj uczenia maszynowego (tj. ML i AutoML) wymaga analizy bardzo dużej liczby zmiennych – pisze Jakub Czajkowski z Chmury Krajowej w tekście poświęconym uczeniu maszynowym w chmurze.

chmura krajowa - najbardziej wyspecjalizowany dostawca rozwiązań chmury obliczeniowej na polskim rynku

Ruch po stronie firm

Uczenie maszynowe to ustalanie związków pomiędzy zmiennymi, co pozwala przewidywać przyszłe zachowania. Przy tym można brać pod uwagę tylko określony wachlarz zmiennych, które będą kluczowe podczas dalszego przetwarzania danych. Z pewnością ML i AutoML mogą być – i bez wątpienia będą – stosowane w biznesie na dużo większą skalę.

Coraz więcej firm widzi w wykorzystaniu sztucznej inteligencji szansę na zwiększenie swoich możliwości. Wdrożenie machine learning nie jest jednak łatwe – jest to bardzo skomplikowany proces, choć jeśli zostanie on dobrze zaprojektowany przez ekspertów to przyniesie kapitalne rezultaty biznesowe. Machine learning prawdopodobnie zrewolucjonizuje świat, a już z pewnością świat biznesu. Proces już trwa, a następny ruch na tej szachownicy należy do firm.

Wpis sponsorowany dla chmurakrajowa.pl

ai, AutoML, SI, sponsorowany, szachy

Trwa ładowanie komentarzy...