Влияние технологий: как машинное обучение изменит науку

Машинное обучение в последние два десятилетия будет определять развитие технологией. Оно трансформирует большие секторы общества, включая здравоохранение, образование, транспорт, пищевое и промышленное производство, а также окажет существенное влияние на науку и исследования.
Влияние технологий: как машинное обучение изменит науку
CC0 Public Domain

Современное машинное обучение, по словам специалистов, находится в зачаточном состоянии — в будущем мы сможем увидеть расцвет этой технологии, которая может изменить не только нашу повседневную жизнь, но и фундаментальную науку

Машинное обучение — это технология, которая помогает компьютерам учиться без прямых инструкций и на основе опыта. Она использует алгоритмы идентификации определенных паттернов в данных, которые затем используются для создания прогностических моделей. Но данные при этом остаются ключом ко всему. Машинное обучение и растущая доступность огромных объемов данных обещают революционизировать производство знаний.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Сегодняшний экспоненциальный цикл роста распространенности глубокого обучения сравнивали с кембрийским взрывом полмиллиарда лет назад, когда жизнь на Земле переживала короткий период очень быстрой диверсификации. Однако, по словам специалистов в этой области, машинное обучение как область искусственного интеллекта, пока находится в довольно зачаточном состоянии. Трудно представить, на что будет способна эта технология уже в ближайшие десятилетия.

Но использовать эту технологию можно не только в вычислительных системах для управления беспилотными автомобилями или создания понимающих человеческую речь роботов, но и в фундаментальной науке. Например, не так давно исследователи представили алгоритм машинного обучения, который способен различать клетки мышей и людей. Онкологи обычно изучают опухоли, прививая человеческие клетки мышам, но тогда возникает проблема в нахождении отличий между ними. Программа с машинным обучением ускоряет этот процесс, избавляя от нескольких этапов флуоресцентного анализа.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

В других работах ученые рассматривали применение машинного обучения для множества более масштабных задач, например, прогнозирования тяжести инсульта, автоматическое определение доступной площади для установки солнечных панелей на крыше, прогнозирование времени схода лавины, создании музыки за пределами традиционных мажорных и минорных гамм, а также улучшение измерений качества пресной воды.

Машинное обучение основано на разработанной в 1940-х годах модели работы мозга, но в то время она не была такой точной, как сейчас. Теперь исследователи изучают машинное обучение, вдохновленное мозгом, руководствуясь новейшими достижениями нейробиологии, чтобы разработать более сложные и эффективные модели и построить системы искусственного интеллекта следующего поколения для решения большего числа прикладных и фундаментальных научных задач.