Чему можно научить компьютер?

Люди придумали новый способ создания компьютерных программ — машинное обучение. Он позволяет решать задачи, которые, как казалось раньше, были под силу только человеку.

Это способ программирования, при котором машина сама формирует алгоритм на основании модели, заданной ей человеком, и загруженных в нее данных. Такой подход отличается от классического программирования: при «обучении» программе показывают много примеров и учат находить в них закономерности. Схожим образом учатся люди — вместо словесного описания собаки ребенку просто показывают собаку и говорят, что это. Если такой программе показать, например, миллион фотографий онкологических образований на коже, она научится диагностировать рак по снимку лучше, чем живой специалист.

Нет, первые алгоритмы машинного обучения появились еще в 50-х. Но тогда они не показывали таких удивительных результатов. Для их создания нужно сырье — данные. Чем больше данных, тем точнее будет работать алгоритм. За последние годы объемы накопленных данных росли экспоненциально — это обеспечило разработчиков сырьем для обучения самых разных алгоритмов. Кроме того, машинное обучение требует серьезных вычислительных мощностей, которые до недавнего времени не были доступны разработчикам.

Потому что в последние годы случился бум машинного обучения. Прогресс в области математики и статистики позволил по-новому взглянуть на накопленные данные и использовать их для создания полезных алгоритмов. Оказалось, что с определенными задачами такие алгоритмы справляются намного лучше, чем обычные программы, а иногда превосходят и людей. В 2016 году машина впервые обыграла человека в го — раньше эта игра считалась слишком сложной для компьютера из-за огромного количества возможных позиций.

Компании начали использовать машинное обучение для анализа и оптимизации бизнес-процессов. Потребители же узнали об этой технологии благодаря таким популярным приложениям, как Prisma и переводчик Skype, который может в режиме реального времени переводить разговор, в том числе и на русский.

Алгоритмы машинного обучения могут очень хорошо находить в данных закономерности и отклонения от них — лучше, чем люди. Отсюда эффективные применения машинного обучения: анализ транзакций и оценка заемщиков в банковской сфере, прогнозирование потребительского спроса, распознавание лиц, образов и речи, машинный перевод, медицинская диагностика, анализ эмоций.

Машинное обучение позволяет компьютерам выполнять задачи, которые раньше считались сугубо человеческими, то есть неавтоматизируемыми. Это приведет к огромным переменам на рынке труда. Миллионам людей по всему миру придется сменить профессию, и это затронет не только низкоквалифицированных рабочих, но и «белых воротничков». Для многих переходный период будет трудным, но в итоге экономика станет более эффективной — в выигрыше останутся все. Машинное обучение избавит людей от рутинной работы, позволив сконцентрироваться на более сложных, высокоуровневых задачах. Автоматизация также создает огромный спрос на новые профессии — к примеру, специалистов по робототехнике, анализу данных и машинному обучению.

Один из главных специалистов по машинному обучению Эндрю Ынг говорит: «Если человек может выполнить задачу в уме за секунду, скорее всего, в ближайшее время эта задача будет автоматизирована». Ынг называет машинное обучение «новым электричеством» — это техническая революция, и компании, которые ее проигнорируют, очень быстро обнаружат себя безнадежно отставшими от конкурентов.

Машинное обучение — мощный инструмент для аналитики и прогнозирования. Объясним на примере. Банкам полезно знать, что происходит в жизни их клиентов. Скажем, если человек потратил большую сумму на покупки в строительном магазине, скорее всего, он делает ремонт. Если при этом у него нет сбережений, разумно будет предложить ему взять кредит. Чтобы найти таких людей, нужно проанализировать транзакции всех клиентов. Делать это вручную неэффективно — машина справится с поиском закономерностей намного быстрее.

Один из реальных примеров использования машинного обучения — виртуальный помощник для интернет-сервисов, которые предполагают наличие выбора (например, из списка ресторанов или фильмов). Это разработка российской компании Rubbles. Чат-бот-консультант задает пользователю уточняющие вопросы и помогает ему быстрее сделать выбор. При этом он может одновременно общаться со многими посетителями сайта.

Компания ClearData с помощью машинного обучения «очищает» данные о пользователях сайтов. Загрузив в такую программу данные из вашей системы управления клиентской базой (CRM) или почтовой рассылки, вы получите подробную разбивку своей аудитории по интересам и другим показателям.

Сервис для поиска работы и сотрудников Superjob совместно с компанией Microsoft, с которой мы написали эти карточки, разрабатывает систему на базе Microsoft Azure, которая, проанализировав данные, указанные в резюме (например, специальность, навыки, опыт работы, уровень образования и многие другие), будет способна спрогнозировать зарплату, на которую вы сможете рассчитывать. В то же время ей смогут пользоваться специалисты по подбору персонала для того, чтобы сделать взвешенное предложение конкретному соискателю.

Для того чтобы понять все возможности машинного обучения и найти наиболее подходящее вам решение, обратитесь в Microsoft.

P. S. О других технологиях, которые могут пригодиться вашему бизнесу, читайте здесь.