Î:
De ce este atât de mult învățarea mașinii în culise - în afara utilizatorului comun?
A:Această întrebare fundamentală despre învățarea automată ține seama de multe aspecte diferite ale modului în care funcționează aceste programe complicate și ce rol joacă în economia de azi.
Una dintre cele mai ușoare metode de a explica lipsa de proeminență a sistemelor de învățare automată este aceea că sunt ușor de ascuns. Aceste sisteme de tip back-end se ascund în spatele motoarelor de recomandare și multe altele, permițând consumatorilor să uite că în orice moment se învață mașina. După cum știu toți utilizatorii finali, unii oameni ar putea selecta cu atenție alegerile în locul unei rețele neuronale care utilizează algoritmi sofisticate.
Dincolo de asta, lipsește, de asemenea, o educație sistemică în ceea ce privește învățarea mașinilor, în parte pentru că este atât de nouă și parțial din cauza lipsei investițiilor în formarea STEM în ansamblu. Se pare că, în societate, suntem în general în acord cu selectarea persoanelor cheie pentru a învăța despre tehnologie în orice detaliu deosebit și pentru a deveni „preoții tehnologici” ai populației noastre. O strategie de spectru mai larg ar fi să includă învățarea detaliată a mașinilor și instruirea tehnologiei la un nivel secundar în licee, ca de fapt.
O altă problemă este lipsa unei limbi accesibile în jurul învățării automate. Jargonul abundă - de la etichetele algoritmilor înșiși, la funcțiile de activare care alimentează neuronii artificiali și rezultă în rețele neuronale. Un alt exemplu excelent este etichetarea straturilor într-o rețea neuronală convoluțională - căptușire și stridare și încărcare maximă și multe altele. Aproape cineva nu înțelege cu adevărat ce înseamnă acești termeni și asta face învățarea mașină cu atât mai inestrutabilă.
Algoritmii înșiși au devenit cuplați în vorbirea matematicienilor. Ca și în cazul fizicii moderne și clasice, studenții acestor discipline trebuie să stăpânească arta de a citi ecuațiile complexe, mai degrabă decât să pună funcțiile algoritmului într-un limbaj simplu. Acest lucru servește, de asemenea, pentru ca informațiile despre învățare automată să fie mult mai puțin accesibile.
În cele din urmă, există problema „cutiei negre” în care nici măcar inginerii nu înțeleg cu adevărat cât de multe programe de învățare a mașinii funcționează. Pe măsură ce am extins complexitatea și capacitatea acestor algoritmi, am sacrificat transparența și accesul ușor la evaluarea și rezultatele analitice. Având în vedere acest lucru, există o mare mișcare către AI explicabilă - spre menținerea accesibilă a învățării automate a mașinilor și a inteligenței artificiale și păstrarea unui control asupra modului de funcționare a acestor programe pentru a evita surprizele neplăcute într-un mediu de producție.
Toate acestea ajută la explicarea motivului pentru care, deși învățarea mașină este înfiorătoare în lumea tehnologiei de astăzi, este adesea „din vedere, din vedere”.
