Поэтому так важен доступ к данным: чем больше у такого умного алгоритма примеров, на которых он может учиться, тем опытнее он становится и тем больше улучшает его каждая следующая поправка. По сути дела, программисты создают метаалгоритм, который создает новые алгоритмы, исходя из встречающихся ему данных. Действенность этого нового подхода потрясла специалистов по искусственному интеллекту. Отчасти потому, что технология, на которой он основан, не так уж и нова. Эти алгоритмы создаются путем последовательного накопления слоев вопросов, которые помогают прийти к решению. Такие слои иногда называют нейронными сетями, потому что они имитируют работу человеческого мозга
информационный потоп стал главным катализатором новой эпохи машинного обучения. До сих пор просто не существовало достаточных размеров среды, по которой алгоритм мог бы бродить, обучаясь. Его можно было сравнить с младенцем, органы чувств которого не получают сигналов извне. Мы знаем, что у детей, выросших взаперти, не развиваются языковые и другие базовые навыки. Их мозг, возможно, и готов к обучению, но не получает достаточного количества стимулов, достаточного опыта для полноценного развития.
, 90 % существующих в мире данных были созданы за последние пять лет. Каждый день в интернете производится 1 экзабайт (10 байтов) данных, что приблизительно соответствует объему информации, который можно сохранить на 250 миллионах DVD-дисков.
Еще несколько лет назад считалось, что люди понимают, что именно делают их алгоритмы и как они это делают. Подобно Аде Лавлейс, мы считали, что из машины нельзя извлечь больше того, что мы в нее ввели. Но потом начали появляться алгоритмы нового рода, алгоритмы, способные адаптироваться и изменяться по мере взаимодействия с данными. Через некоторое время создатель такого алгоритма может перестать понимать, почему тот выбирает именно то, что выбирает. Эти программы начали преподносить нам сюрпризы – из них стало возможно извлечь нечто большее, чем то, что мы в них ввели. Они начали становиться более изобретательными. Именно такие алгоритмы использовали в DeepMind, чтобы разгромить человечество в игре го. Они открыли новую эру машинного обучения.
Наконец все участники разбиты по парам, и все браки устойчивы. Хотя мы изложили этот алгоритм в терминологии милой салонной игры с карточными дамами и королями, он применяется сейчас во всем мире: в Дании – для распределения детей по детским садам, в Венгрии – для записи учеников в школы, в Нью-Йорке – для назначения раввинов в синагоги, а в Китае, Германии и Испании – для подбора университетов для студентов. Национальная служба здравоохранения Великобритании использует его при подборе пациентов для получения донорских органов, что помогло спасти множество жизней. Битва букинистов
Более того, кажется, что алгоритмам подбор партнеров удается лучше, чем нам самим: в исследовании, результаты которого были недавно опубликованы в журнале Proceedings of the National Academy of Sciences, были рассмотрены 19 000 человек, сочетавшихся браком между 2005 и 2012 годами. Выяснилось, что у пар, встретившихся в интернете, браки получились более счастливыми и устойчивыми. Первый алгоритм, принесший своим создателям Нобелевскую премию, был изначально сформулирован двумя математиками, Дэвидом Гейлом и Ллойдом Шепли, в 1962 году. Они использовали алгоритм подбора партнеров для решения так называемой «Задачи о марьяже». Гейл умер в 2008-м, так и не успев получить своей награды, но Шепли разделил премию 2012 года с экономистом Элвином Ротом, который разглядел важность этого алгоритма не только в вопросе личных связей, но и в применении к социальным проблемам, в том числе к справедливому предоставлению услуг здравоохранения или мест для обучения в вузах.
Сетевой анализ применяется даже к литературе. Эндрю Беверидж и Цзе Шань занялись эпической сагой «Песнь льда и пламени» Джорджа Р.Р. Мартина, широко известной по телесериалу «Игра престолов». Всякий, кто знаком с этим повествованием, хорошо знает, как трудно бывает предсказать, кто из его героев доживет до следующего тома – и даже до следующей главы, – так как Мартин безжалостно убивает даже лучших из созданных им персонажей. Беверидж и Шань решили создать сеть между персонажами этих книг. Они выделили 107 основных героев, которые стали узлами сети. Затем персонажей соединили ребрами, взвешенными в соответствии с прочностью взаимоотношений между ними. Но как алгоритм может оценить значение такой связи? Алгоритму предложили просто подсчитать число появлений имен двух персонажей в тексте на расстоянии не более 15 слов друг от друга. Полученное значение не является мерой их дружбы – оно просто указывает на определенный уровень взаимодействия или взаимосвязи между ними. Проанализировать решили третий том эпопеи, «Бурю мечей», так как к этому моменту повествование полностью развилось; исследование начали с анализа рейтингов узлов сети, соответствующих персонажам. Очень быстро были выделены три героя, важные для развития сюжета: Тирион Ланнистер, Джон Сноу и Санса Старк. Это открытие вряд ли удивит кого-либо, читавшего книги или смотревшего сериал. Удивительным было то, что компьютерный алгоритм, не понимавший, что он читает, пришел к такому же выводу. Он сделал это не простым подсчетом появлений имени каждого персонажа – в этом случае на вершине списка оказались бы другие имена. Более тонкий анализ сети позволил выявить главных героев.
Если самые старые алгоритмы появились более 2000 лет назад, почему же само это название происходит от имени персидского математика IX века? Мухаммад Аль-Хорезми был одним из первых руководителей великого «Дома мудрости» в Багдаде и отвечал за перевод многочисленных древнегреческих текстов по математике на арабский язык. Слово «алгоритм» происходит от латинской транскрипции его имени.
DeepMind занимается теперь другими проблемами – здравоохранения, изменения климата, энергоэффективности, распознавания и синтезирования речи, компьютерного зрения. Все эти работы становятся очень серьезными.
О проекте
О подписке