Машинное обучение успешно по двум причинам.
1. Наличие данных. Данные – это сырье для ИИ, а в нынешнем мире больших данных их производится больше, чем когда-либо. Происходит цифровизация: любая деятельность оставляет цифровой след. Вокруг нас все больше устройств, которые собирают и передают данные. Данных для обучения ИИ тоже становится больше, а их многообразие растет крайне быстро.
2. Вычислительная мощность. Прорыв в облачных вычислениях позволяет хранить практически неограниченные объемы данных – и при этом дешево. А с помощью распределенных вычислений они анализируются почти в реальном времени. Микроэлектронные технологии прогрессируют, поэтому сложные вычисления возможны на маленьких мобильных устройствах, например на смартфонах. Мы называем это граничными (или периферийными) вычислениями на устройствах интернета вещей.
Люди непрерывно учатся и совершенствуются на своем опыте. Это обучение действием. В алгоритмах машинного обучения ему соответствует обучение с подкреплением. Ребенок учится ходить, все время делая поправку на опыт: если он упал из-за того, что широко шагнул, – значит, надо сделать шаг поменьше.
ИИ, который действует по алгоритму обучения с подкреплением, выбирает оптимальное поведение точно так же: он исходит из реакции среды. С подкреплением машины, например роботы, учатся ходить, управлять автомобилем и летать. В большинстве передовых программ сочетаются методы подкрепления и глубокого обучения.
Подробнее об этом – по ссылке www.bernardmarr.com. Там найдутся сотни статей и видео, где объясняется и обсуждается все связанное с ИИ и машинным обучением.
ИИ для бизнеса
Есть три основные модели внедрения ИИ в бизнес, и в некоторой степени они пересекаются. Компании используют ИИ, чтобы: 1) по-новому собирать информацию о клиентах и взаимодействовать с ними; 2) предлагать более интеллектуальные продукты и услуги; 3) совершенствовать и автоматизировать бизнес-процессы.
Клиенты. С помощью ИИ компании глубже понимают своих клиентов, лучше представляют, какие продукты и услуги их заинтересуют, находят к каждому индивидуальный подход и прогнозируют рыночный спрос и тренды. В книге мы рассмотрим примеры Facebook, Stitch Fix и других компаний, которым ИИ помогает собирать информацию о клиентах.
Продукты и услуги.