„Czy ludzie stworzą maszyny mądrzejsze od nich samych?” – takie m.in. pytanie pada w książce „Co nas nie zabije”, kontynuacji trylogii „Millennium” Stiega Larssona, napisanej przez Davida Lagercrantza. Jeden z bohaterów powieści przestrzega: – Takie maszyny musiałby być zdolne skonstruować coś inteligentniejszego od siebie. Może nastąpić eksplozja inteligencji, której nie da się kontrolować, jak w filmie „Matrix”. Jednak wizja samouczących i samoaktualizujących się non-stop maszyn i algorytmów, które sprawią, że powstaną programy, które same się ulepszają i doskonalą – to już nie tylko fikcja literacka i filmowa .

Wzrasta zainteresowanie wykorzystywaniem uczenia maszynowego (machine learning) w celu zyskania przewagi konkurencyjnej w biznesie, przekonują analitycy Gartnera. Firma ubezpieczeniowa używająca narzędzi, które pozwalają z większą precyzją wyliczać stawki ubezpieczeniowe czy koncern zajmujący się wydobyciem gazu ziemnego stosujący rozwiązania umożliwiające przewidywanie wycieków gazu. To tylko dwa przykłady zastosowania technik uczenia maszynowego, których wdrażanie nabiera tempa wskutek zalewu danych oraz dostępności skalowalnych mocy obliczeniowych, jakie zapewniają platformy chmurowe.

Uczenie maszynowe jest techniką z obszaru informatyki i modelowania statystycznego, która pozwala aplikacji komputerowej na podstawie samodzielnej analizy – bez konieczności jej zaprogramowania – przewidzenie rezultatu lub podjęcie decyzji. Dane z wielu różnych źródeł (aplikacje, czujniki IoT, sieci, urządzenia) są dostarczane do systemu uczenia maszynowego, który je przetwarza i za pomocą odpowiednich algorytmów tworzy własną logikę w celu rozwiązania danego problemu, pozyskania wiedzy lub sformułowania prognoz.

– Zdolność przekształcania danych na praktyczne działania biznesowe jest kluczem do zyskania przewagi konkurencyjnej w każdej organizacji. Jednakże umiejętność autonomicznego uczenia się i ewoluowania w miarę jak wprowadzane są nowe dane – bez konieczności specjalnego programowania – to „Święty Graal” inteligencji biznesowej (business intelligence) – przekonuje Carlton Sapp, dyrektor ds. badań w firmie Gartner.

Uczenie maszynowe, czyli samouczące systemy

Infrografika CBS Interactive Inc.

Big data – pojęcie, które stało się popularne około 2010 r., zaczyna ustępować pola nowemu, modnemu trendowi – uczeniu maszynowemu, które stanowi podstawę sztucznej inteligencji (artificial intelligence). Technika ta wykorzystuje automatykę do rozpoznawania i uczenia się współzależności, szczególnie w zakresie analityki predykcyjnej i normatywnej (predictive and prescriptive analytics). Uczenie maszynowe jest ściśle związane z analityką danych i programowaniem eksploracji danych (data mining).

Machine learning towarzyszy kilka innych pojęć. Najważniejsze to: sieci neuronowe, deep learning i cognitive computing. Technologie te stosowane razem nie tylko umożliwią automatyczną i precyzyjną predyktywną analizę gargantuicznej ilości danych, ale w niektórych przypadkach, np. obrotów giełdowych – pozwolą wręcz kreować wydarzenia.
Według IDC, w 2020 r. wartość rynku inteligentnych aplikacji przekroczy 40 mld dolarów.

Więcej o:

• biznesowych zastosowaniach uczenia maszynowego,
• machine learning jako zautomatyzowanych systemach analitycznych i „predykcyjnym sercu analiz big data” (różne definicje),
• korzyściach z wprowadzania rozwiązań machine learning,
• zwiększaniu inteligencji biznesowej za pomocą systemów uczenia maszynowego,
• raporcie Dell Technologies „The Next Era of Human-Machine Partnerships”

– w pełnym artykule „Czy ludzie stworzą maszyny mądrzejsze od nich samych?” opublikowanym na blogu Dell EMC.