Машинното обучение може да бъде изключително мощен инструмент, който
може да се използва даже за предсказване на бъдещето. Така мисли професор
Андрю Блейк, основател на института „Алан Тюринг” и водещ изследовател в областта на компютърното зрение. Той направи това свое изказване по време на среща на британското Кралското общество на тема
„Роботика и автономни системи - видими предизвикателства и действия”.Специалистите по машинното обучение, част от изследванията от областта на изкуствения интелект, помагат на технологията с доставянето на алгоритми, позволяващи на компютрите да се възползват ефективно от подадените към тях данни на основата, на които по-късно да създават модели, да отсяват нужни структури от данните и да произвеждат последващи модели и анализ. Хибридна дисциплина, съчетаваща в себе си
методи от компютърните технологии и статистиката, приложението ? днес може да се види в
търсенията с Google и начина, по който работи Google Graph, в YouTube, IBM Watson, използвана e за предиктивен анализ във финансовия и здравните сектори.Блейк има опит като управляващ директор на центъра на
Microsoft Research в Кеймбридж, и е част от екипа, разработил контролера
Kinnect. Според него, най-добрият пример за машинно обучение, който може да видим в реалността е Amazon. „Когато сте в
Amazon, системата за даване на препоръка гледа действията ви в контекста на другите потребители и
предвижда поведението ви, отсявайки действията на други, които имат сходно поведение. Този тип предвиждания могат да бъдат изключително мощни”, споделя Блейк.Наскоро
Ралф Хърбрич, директор на операциите, свързани с машинното обучение в Amazon сподели подробности за работата на него и екипа му и нуждата от технологията за компанията, на която той е служител. „С 20 млн.продукта, то вие просто не може да отсеете всичко правилно и трябва ръчно да проверите цените на всички продукти. Тук обаче идва на помощ машинното обучение. Ние реализираме предиктивен модел, който се опитва да намери продукт или продукти със сходно описание и поставя цените. Ето това е силата на машинното обучение”, обяснява Блейк. За да може да ви предложи компанията най-ниската цена за един продукт, изготвеният модел трябва да намери първо неговата цена, след което търси сред всички тези продукти този или сходен на него, сравнявайки цените и скоро е готов да предложи на търсещия най-добрата оферта, при което разбира се, както потребителят, който е намерил това, което търси на възможно най-изгодна цена, така и Amazon, които са осъществили продажба, са доволни.Машинното обучение се използва и в ред други области от ежедневието ни, като например
Tinder, които използват
алгоритми, за да свързват и дават предложения за това на потребителите на приложението им, отсявайки автоматично наличната информация за дадения човек и представящ му предложения, които са максимално адекватни спрямо неговите интереси. Машинно обучение се използва (макар и с някои условности и ограничения) и в някои
видеоигри, като в
Halo - за свързване на играчите със сходни характеристики и поведение в отбори, така че те да са най-полезни за съотборниците си и да продължат да се забавляват максимално дълго. Така се и осъществява баланс, който помага на Microsoft да доставят качествено преживяване на играещите и разбира се да извлекат полза от своя продукт и вложените в разработката му усилия и ресурси.
Машинното обучение започва да се използва и в
областта на информационната сигурност, позволяващо софтуерът за защита да бъде „приучен” да разпознава модели и поведение, характерно за зловредни програми и необичайно поведение и аномалии в мрежата, което на по-късен етап му позволява да разпознава непознати досега заплахи, с които традиционните системи за сигурност са неспособни да се справят или да засекат, тъй като на тях им е нужно предварително изготвена дефиниция на конкретната заплаха.
