Что такое машинное обучение?
Машинное обучение — это набор методов, которые позволяют компьютеру решать сложные задачи, не используя точный алгоритм действий. Постепенно во всё большем количестве областей оно позволяет достичь если не прорыва, то существенного прогресса: AlphaFold успешно решает одну из главных задач биологии и медицины, PaLM способна отвечать на вопросы, генерировать программный код, суммаризовать тексты.

Кратко: о чём статья?
Машинное обучение не предполагает готовых точных алгоритмов. Допустим, для написания программы, которая определяла бы, кто на изображении — кот или собака, программисту пришлось бы придумывать алгоритм, с помощью которого определялись характерные признаки животных (форма ушей, длина лап и хвоста, и другие), далее понадобился бы алгоритм, который по этим характерным признакам отличал кошек от собак и т.д.

Из-за огромной вариативности картинок формализовать решение такой задачи почти невозможно. А методы машинного обучения позволяют обойти эту проблему с помощью процедуры обучения, посредством которой компьютер сам выделяет из данных закономерности и признаки, необходимые для решения задачи.

Под процедурой обучения подразумевают подбор оптимальных (с точки зрения качества решения задачи) параметров модели. Набор данных, содержащий входы (например, изображений котов и собак) и правильные ответы для них, называется обучающей выборкой. На ней и проводится обучение модели. В процессе обучения мы явно, как учитель, «указываем» модели на её ошибки. Но есть методы, для работы которых разметка обучающей выборки не требуется. Такие методы называются машинным обучением без учителя.

Примеры таких случаев, подробный разбор процессов обучения и картинки с собаками найдёте в полном тексте статьи.

Время чтения: 8,5 минут.