Uczenie maszynowe samo w sobie stanowi realizację zjawiska, które określamy jako sztuczna inteligencja. To proces, w którym sam komputer uczy się czegoś nowego, bazując jedynie na dostarczonych mu danych. Zautomatyzowane systemy analityczne, które kształcą się wraz z upływem czasu i pozyskiwaniem większej liczby informacji, rozwijają się obecnie w tak szybkim tempie, że śmiało można mówić o rewolucji w tym obszarze. Według International Data Corporation do 2020 r. wartość rynku inteligentnych aplikacji przekroczy 40 mld dol.
– Uczenie maszynowe to proces, w którym komputer sam ma się nauczyć czegoś na podstawie danych. Czyli w odróżnieniu od klasycznego podejścia do programowania, gdzie programista krok po kroku instruuje komputer, co ma robić, w wypadku uczenia maszynowego rolą człowieka jest tylko określenie celu i dostarczenie danych trenujących – mówi agencji informacyjnej Newseria Michał Kudelski, senior business solution manager z firmy SAS Polska.
Według raportu Gartner firmy, które będą przechowywać swoje dane, a następnie dzięki specjalnym programom analitycznym efektywnie je wykorzystywać w procesie podejmowania decyzji biznesowych, zdobędą ponad 20-procentową przewagę nad swoją konkurencją. To dowód na to, że w uczeniu maszynowym drzemie ogromny potencjał. Obecnie na tej bazie powstaje wiele algorytmów, które wykorzystywane są w procesie tworzenia nowych technologii.
– W ostatnich latach obserwujemy pewną rewolucję w sztucznej inteligencji, w uczeniu maszynowym, która też skutkuje pewnymi spektakularnymi sukcesami, takimi jak np. autonomiczne samochody czy zwycięstwa algorytmów sztucznej inteligencji w takich dziedzinach jak szachy, gra Go czy rozpoznawanie twarzy – twierdzi Michał Kudelski.
Według IDC do 2020 r. wartość rynku inteligentnych aplikacji przekroczy 40 mld dol. Jak twierdzi senior business solution manager z firmy SAS Polska, głównymi przyczynami przyśpieszenia rozwoju sztucznej inteligencji są dostępność danych, moc obliczeniowa i nowe techniki algorytmiczne. Przykładem zastosowania uczenia maszynowego są chociażby serwisy muzyczne typu Spotify, które na podstawie analizy naszych preferencji, czyli tego, co słuchamy, proponują spersonalizowaną listę utworów.
– Rewolucja maszynowa jest możliwa dzięki dostępności danych, mocy obliczeniowej i nowym technikom algorytmicznym, które zwiększają skuteczność samego procesu uczenia. Tych przykładów zastosowań uczenia maszynowego obserwujemy z dnia na dzień coraz więcej. Coraz więcej osób korzysta z serwisów muzycznych typu Spotify – na podstawie analizy naszych preferencji nasz algorytm jest w stanie nauczyć się, jaki typ muzyki lubimy i zaproponować nam listę utworów skierowaną wyłącznie dla nas – wyjaśnia Michał Kudelski.
Uczenie maszynowe wykorzystywane jest w bardzo szerokim zakresie. Pozwala chociażby rozpoznać mowę, występuje w Google Translator, sprawdza się przy wykrywaniu nadużyć finansowych, jak również w business intelligence, a więc raportowaniu i wizualizacji danych. Jak widać, specyfika wykorzystania tego elementu sztucznej inteligencji jest bardzo szeroka. Co najważniejsze, z uczenia maszynowego może korzystać właściwie każda firma.