Šta je mašinsko učenje i kako menja poslovne softvere

Ovo je novi svet u kome će mogućnosti razumevanja sveta i ljudi i donošenje zaključaka biti prilično neverovatni. To je suštinski drugačiji način bavljenja kompjuterskim naukama.

To je, sada već jednu godinu stara, izjava bivšeg CEO Majkrosofta, Stiva Bolmera, koji je ovako prokomentarisao ono što ga najviše uzbuđuje o budućnosti kompjuterskih nauka – mašinsko učenje (iliti, machine learning).

Mašinsko učenje ≠ veštačka inteligencija

Prva zabuna u koju upadnemo kada počnemo da učimo o ovom konceptu je poistovećivanje sa veštačkom inteligencijom. Mašinsko učenje je podoblast veštačke inteligencije i proisteklo je iz proučavanja prepoznavanja obrazaca i teorije računskog učenja, te korišćenja statistike u cilju učenja na osnovu prethodno dostupnih podataka.

Izuzetno bitna distinkcija između mašinskog učenja i veštačke inteligencije nalazi se u cilju njihovog operisanja: dok veštačka inteligencija ima za cilj ne samo da imitira ljudsko razmišljanje kroz učenje, već i da to bude prožeto apstraktnim razmišljanjem, predstavljanjem znanja i rasuđivanjem, mašinsko učenje je samo usmereno ka stvaranju softvera koji može da uči iz prošlih iskustava.

Mašinsko učenje je znatno bliže data miningu i statističkoj analizi. Neki čak veruju da je napredovalo ispred statistike time što se oslanja na tačnost predviđanja, nasuprot čistom modelovanju podataka. Sve u svemu, najjednostavnije objašnjenje mašinskog učenja došlo je od profesora Toma Mičela sa univerziteta Carnegie Mellon:

Kaže se da program uči iz iskustva E s obzirom na klasu zadataka T i merenja performansi P ako se njegove performanse u zadacima T, merene kroz P, poboljšavaju sa svakim novim E.

Bez ubacivanja pobedničke strategije u vaš program koji igra šah protiv čoveka, mašinsko učenje će kroz svaku igru učiti i tako doći do eventualne pobede. Ono što znamo kao regresiju u statistici, ovde se izražava kao predviđanje, kada mašina nagađa (predviđa) vrednost nečega na osnovu prethodih vrednosti.

Transformacija poslovnih softvera

Mašinsko učenje unosi posebne promene u poslovne softvere – omogućiće firmama da u realnom vremenu uočavaju obrasce u kretanju podataka, a na osnovu toga i da predvide buduće trendove. Podaci se kroz mining sakupljaju iz izvora unutar i izvan preduzeća, a neki se mogu pronaći i u nestrukturisanim sistemima poput mejla i kalendara. Ovo bi trebalo da reši dva problema u postojećim poslovnim softverima.

Prvo, gotovo će ignorisati ljudsku grešku. Umesto unošenja podataka i apdejtovanja postojećih baza podataka (ili zaboravljanja da ovo treba da se uradi) mašina će automatizovanjem ovo raditi redovno i sa značajnom tačnošću.

Drugo, nasuprot tradicionalnim softverskim sistemima za preduzeća, koji su izgrađeni na relacionim bazama podataka i ne rade dobar posao u prezentovanju longitudinalnih trendova ili se na njih čeka nedeljama i mesecima, mašinsko učenje ovo uvodi u real-time analizu.

Dobru ilustraciju same srži mašinskog učenja možete videti ovde, a mi ćemo se u narednim nedeljama potruditi da vam pokažemo kako će ovaj pristup menjati mobilnu industriju, medicinu i poslovanje.