Машинное обучение: как его понимать. И как заработать на машинном обучении и искусственном интеллекте

Маргарита Васильевна Акулич

В предлагаемой книге с опорой на англоязычные источники рассказано о весьма популярном сегодня направлении – машинном обучении. Раскрыты его определение и ряд аспектов.Помимо этого, даны советы по зарабатыванию на машинном обучении и искусственном интеллекте.

III История и Цели современного машинного обучения

3.1 Введение термина «машинное обучение». Разработка экспериментальной «самообучающейся машины»

Введение термина «машинное обучение»

«Артур Самуэль (англ. Arthur Samuel, 5 декабря 1901 — 29 июля 1990) — пионер в области компьютерных игр, искусственного интеллекта и машинного обучения. Его программа Checkers-playing — одна из первых самообучающихся программ в мире и одна из первых демонстраций базовых понятий искусственного интеллекта». Xl2085 — собственная работа. CC BY-SA 4.0. Без изменений. Источник https://ru.wikipedia.org/wiki/Сэмюэл,_Артур

Термин «машинное обучение» был введен в 1959 г. Артуром Сэмюэлем, сотрудником компании IBM, пионером в области компьютерных игр и искусственного интеллекта. В этот период также использовался синоним «самообучающиеся компьютеры».

Разработка экспериментальной «самообучающейся машины»

К началу 1960-х годов компанией Raytheon была разработана экспериментальная «самообучающаяся машина» с памятью на перфоленте под названием Cybertron, которая анализировала сигналы гидролокаторов, электрокардиограммы и речевые шаблоны, используя рудиментарное обучение с подкреплением. Она многократно «тренировалась» человеком-оператором/преподавателем на распознавание паттернов и была оснащена кнопкой «goof», заставляющей ее повторно оценивать неверные решения.

3.2 Книга Нильссона «Learning Machines». Сохранение интереса к распознаванию образов

Книга Нильссона «Learning Machines»

Репрезентативной книгой по исследованиям в области машинного обучения в 1960-х годах была книга Нильссона «Learning Machines», посвященная в основном машинному обучению классификации паттернов.

Сохранение интереса к распознаванию образов

Интерес к распознаванию образов сохранялся и в 1970-е годы, о чем писали Дуда и Харт в 1973 г. В 1981 г. был сделан доклад об использовании стратегий обучения, позволяющих нейронной сети научиться распознавать 40 символов (26 букв, 10 цифр и 4 специальных символа) с компьютерного терминала.

3.3 Определение Тома М. Митчелла. Цели современного машинного обучения

Определение Тома М. Митчелла

Том М. Митчелл дал широко цитируемое, более формальное определение алгоритмов, изучаемых в области машинного обучения: «Считается, что компьютерная программа обучается на основе опыта E в отношении некоторого класса задач T и меры производительности P, если ее производительность на задачах из T, измеряемая P, улучшается с опытом E.» Это определение задач, в которых применяется машинное обучение, предлагает фундаментальное операциональное определение, а не определение области в когнитивных терминах. Это следует предложению Алана Тьюринга в его работе «Вычислительная техника и интеллект», в которой вопрос «Могут ли машины мыслить?» заменяется вопросом «Могут ли машины делать то, что можем делать мы (как мыслящие существа)?».

Конец ознакомительного фрагмента.