P:
Zašto je toliko strojnog učenja iza kulisa - van vidokruga zajedničkog korisnika?
A:Ovo temeljno pitanje o strojnom učenju uzima u obzir mnogo različitih aspekata kako funkcioniraju ovi komplicirani programi i kakvu ulogu imaju u današnjoj ekonomiji.
Jedan od najjednostavnijih načina da se objasni nedostatak istaknutosti sustava strojnog učenja je taj što ih je lako sakriti. Ovi pomoćni sustavi stoje iza preporučnih motora i više, omogućujući potrošačima da zaborave da se uopšte događa strojno učenje. Kako svi krajnji korisnici znaju, neki bi ljudi mogli pažljivo birati izbore umjesto neuronske mreže koja koristi sofisticirane algoritme.
Pored toga, nedostaje i sistemska edukacija o strojnom učenju, dijelom zato što je toliko nova, a dijelom zbog nedostatka ulaganja u STEM obuku u cjelini. Čini se da smo kao društvo uglavnom u redu s odabirom ključnih pojedinaca koji će detaljno učiti o tehnologiji i postati "tehnološki svećenici" našeg stanovništva. Strategija šireg spektra bila bi uključivanje detaljnih strojnih učenja i podučavanja o tehnologiji na srednjoj razini u srednjim školama.
Drugi problem je nedostatak pristupačnog jezika oko strojnog učenja. Žargon obiluje - od oznaka samih algoritama, do funkcija aktivacije koje napajaju umjetne neurone i rezultiraju neuronskim mrežama. Drugi sjajan primjer je označavanje slojeva u konvolucijskoj neuronskoj mreži - jastučići i strogosti te maksimalno spajanje i još mnogo toga. Teško da itko stvarno razumije što znače ovi pojmovi, a to čini strojno učenje sve neupadljivijim.
Sami algoritmi su postali sastavni dio matematičara. Kao i kod moderne i klasične fizike, studenti ovih disciplina trebali bi savladati umjetnost čitanja složenih jednadžbi umjesto stavljanja funkcija algoritma na običan jezik. To ujedno služi za činjenicu da su informacije strojnog učenja mnogo manje dostupne.
Napokon, postoji problem "crne kutije" gdje čak ni inženjeri ne shvaćaju u potpunosti koliko programa strojnog učenja funkcionira. Kako smo smanjili složenost i sposobnost ovih algoritama, žrtvovali smo transparentnost i jednostavan pristup evaluacijskim i analitičkim rezultatima. Imajući to u vidu, postoji veliki pomak prema objašnjivom AI - ka operativnom strojnom učenju i umjetnoj inteligenciji dostupan i držanju načina rada ovih programa kako bi se izbjegla neugodna iznenađenja u proizvodnom okruženju.
Sve to pomaže objasniti zašto, iako strojno učenje napreduje u današnjem svijetu tehnologije, često je "iz vida, iz uma".
