5 отраслей готовы к человеко-машинному обучению
Машинное обучение является постоянным в списках технических тенденций в течение многих лет. В этом году настало время принять то, что люди могут научиться взаимодействовать с машинным обучением.
Как отметил в недавней статье в блоге Medium основатель направления искусственного интеллекта компании Google Blaise Aguera y Arcas, «Искусственный интеллект расширит наше понимание как внешней реальности и нашего восприятия, так и познавательных процессов».
Весной 2016 года программное обеспечение Google AlphaGo, подпитанное машинным обучением, победило чемпиона мира по игре в го Ли Седоль. Победа была важной вехой для определенного вида искусственного интеллекта, называемого глубокими нейронными сетями, который более близко смоделирован с образцом человеческого мышления.
Команда AlphaGo улучшила мастерство машины по игре в го посредством ее тренировки за 30 миллионов ходов в предыдущих играх, а также соперничеством AlphaGo с экспертами-людьми. Во время обучения машина была явным героем этой истории. Забавная вещь случилась во время таких человеко-машинных взаимодействий. Во время тренировки и игры против AlphaGo, игроки-люди также улучшали свои навыки. Использование нейронных сетей AlphaGo было доказательством того, как мышление человека влияет на машинное обучение. Взаимодействие AlphaGo с людьми также предполагало будущее, в котором машинное обучение может влиять на человеческое мышление. Мы уже косвенно осваиваем машинное обучение другими способами, будь то совершенствованием наших музыкальных вкусов во время, когда мы помогаем музыкальному сервису Spotify дорабатывать алгоритм, или познанием мозга посредством наблюдения изучения нейронных сетей.
Что происходит, когда мы подходим к машинному обучению не в качестве вытеснения человеческого опыта, а как партнеры в совместных отношениях, где люди и машины изучают друг друга? Может, наблюдение за компьютером создает новые связи между словами, превращая нас в креативных писателей? Могли бы мы научить кого-то новому языку и одновременно усовершенствовать возможности компьютерного перевода? Все говорят о машинном обучении. Давайте также поговорим о человеко-машинном обучении.
Изучение машинного обучения может оказать непосредственное влияние на целый ряд отраслей. Ниже приведены пять предположений о том, как человеко-машинное обучение может повлиять на нашу жизнь в ближайшие годы.
-
Образование
Образование является одной из областей с великолепной возможностью для восприятия человеко-машинного обучения. Например, адаптивное обучение опирается на машинное обучение, чтобы помочь адаптировать и развивать образовательный опыт, основанный на стиле обучения студентов. Компании, начиная от стойкого образовательного приверженца Pearson, и заканчивая стартапом Duolingo, являются охватывающими его, и программное обеспечение – по крайней мере, в случае Duolingo – также совершенствует свои переводы с течением времени обращением человеческого ввода. Так как онлайн- и смешанное обучение продолжает расти, организации, которые могут творчески воспользоваться взаимными отношениями между людьми и машинами, могли бы иметь конкурентное преимущество. Они также могут помочь пересмотреть то, что значит учиться – для людей и машин.
Как бы это могло выглядеть?
Волшебный школьный автобус: Студенты имеют индивидуальные учебные проекты, которые адаптируют их поведение (например, термостат Nest) и дают рекомендации по новым материалам (как приборная панель от Netflix). Как часто вам нужно видеть эту флеш-карту? Вы – визуал? Вам лучше учиться в маленьких группах? Адаптивные обучающие платформы могут создать взаимодействие между учащимися, педагогами и технологией.
-
Человеческий капитал
Человеческий капитал, от рекрутинга до управления, предлагает воображаемый контекст, в котором охватывает взаимосвязь между человеческим и машинным обучением. Целый ряд стартапов, включая относительную и прогностическую науки, изучают машинное обучение как способ расширить процесс найма. Команда операторов корпорации Google, и другие, начали использовать управляемый данными человеческий капитал. Мы могли бы повысить эффективность профессионального развития использованием машинного обучения для выявления и прогнозирования тенденций человеческого капитала и потребностей, а затем создать диалог между работниками и алгоритмами.
Как бы это могло выглядеть?
Человеко-машинные ресурсы: сотрудники получают назначенного человека-менеджера — и тренера машинного обучения – чтобы помочь им развиваться на протяжении всей своей карьеры.
-
Венчурный капитал
Инвестиции венчурных фирм в области стартапов искусственного интеллекта постоянно растут на протяжении последних пяти лет, но возможность привлекать машинное обучение к управлению инвестициями венчурных фирм остается в значительной степени неиспользованной. Венчурный капитал, благодаря сочетанию межличностных отношений, внутренних знаний и интуиции, уравновешен количественной идентификацией тренда и анализом, способным быть идеальным контекстом для взаимодействия человеческого и машинного обучения.
Как бы это могло выглядеть?
Комбинатор искусственного интеллекта: стартап-инкубатор, управляемый опытом венчурных компаний и машинного обучения, опирающийся на последнее ангельское инвестирование и тенденции развития отрасли с целью выявления новых возможностей рынка. Взаимодействуя с машинным обучением, венчурные специалисты могли бы развивать новые инвестиционные стратегии или цели, которые они, возможно, в противном случае, пропустили бы.
-
Психология и поведенческие науки
Новое исследование Массачусетского технологического института показывает, что алгоритм может предсказать человеческое поведение более легко и достоверно, чем люди. С развитием машинного обучения, у него появляется потенциал помогать нам в получении более глубокого представления о том, как мы думаем и поступаем, и возможность мотивировать нас поменять поведение, когда мы захотим. Либо с помощью терапии, либо построением ежедневных фитнес-привычек, либо стимулированием выходного инвестирования, поведенческое вмешательство в различных отраслях предлагает множество возможностей для обучения человека и машины.
Как бы это могло выглядеть?
Привычка: Устройство Fitbit для формирования привычки, которая помогает людям следить за своим поведением и предоставляет людям индивидуальную мотивацию, позволяющую изменить поведение, когда они нуждаются в этом.
-
Искусство
Пожалуй, наименее практичное и самое открытое человеко-машинное обучение может изменить наш подход к творческому процессу. Машинное обучение не только аналитическое, оно также генеративное. Оно может выявить существующие закономерности (например, кошка в сравнении с черничным кексом), а также генерировать новый контент, будь то зрительные образы или музыкальные композиции. Исследовательский проект GoogleBrain — команда, недавно отличившаяся перестройкой подхода компании Google к переводу, и искусственный интеллект в более широком смысле — запустил цвет Magenta, чтобы определить, возможно ли «использовать машинное обучение для создания привлекательного искусства и музыки». Негласный дополнительный вопрос: как мы могли бы сотрудничать с творчеством машинного обучения? И, при этом, как мы можем изучать и развивать собственный творческий процесс?
Как бы это могло выглядеть?
Совместное творчество: Произведения искусства создаются художником и алгоритмом. Музыканты, писатели и художники видят машинное обучение, как совместное партнерство и влияние, и со своей стороны — активно, по-разному творят.
На данный момент мы знаем, что машинное обучение повлияет на отрасли и характер работы. Так как оно заменяет части нашей повседневной жизни, как может наша совместная работа с машинами повлиять на нас, как на людей – как мы думаем, познаем и создаем? Мы смотрим в будущее, в котором люди и машинное обучение могут быть партнерами, будь то в классе, на холсте или в зале заседаний.