Η Google στρέφεται στην ανάπτυξη συστημάτων μηχανικής μάθησης

Η αναζήτηση της Google με στόχο τη δημιουργία του απόλυτου συστήματος μηχανικής μάθησης οδήγησε σε ορισμένες ενδιαφέρουσες παρατηρήσεις.

Το πρόγραμμα, με την κωδική ονομασία Seti, εμπνευσμένη από το γνωστό εγχείρημα αναζήτησης νοήμονος ζωής στο διάστημα, χρησιμοποιείται σε τεράστια σύνολα δεδομένων, σε μια προσπάθεια επίλυσης θεμάτων τα οποία η Google ονομάζει «προβλήματα δυσχερούς πρόβλεψης». H Google αποκάλυψε το όνομα του προγράμματος μέσω ενός ιστολογίου την Πέμπτη• στο ίδιο κείμενο παραδεχόταν τα πεπερασμένα όρια της μηχανικής.

Η μηχανική μάθηση αποτελεί ένα από τα αγαπημένα θέματα των συνιδρυτών της Google, του Segey Brin και του Larry Page και χρησιμεύει στη βελτίωση των αλγορίθμων μετάφρασης και σημασιολογικής κατανόησης κειμένων, σύμφωνα με τη Google. Εννοείται, όμως, ότι πρόκειται για ένα εξαιρετικά σύνθετο ζήτημα, σε σημείο που να προβληματίζει ακόμη και τους ειδικούς επιστήμονες της Google που θα μπορούσαν να αξιοποιήσουν ένα τέτοιο σύστημα.

Αναφερόμενος στην πορεία σχεδιασμού του συστήματος, ο Simon Tong, στέλεχος της Google, είπε ότι η εταιρία συνειδητοποίησε πως, προκειμένου να πείσει τους ερευνητές της να χρησιμοποιήσουν ένα σύστημα μηχανικής μάθησης, αυτό έπρεπε να είναι απλό, ακόμη και αν κάτι τέτοιο θα περιόριζε την ακρίβειά του.

«Ενδεχομένως, από ακαδημαϊκής άποψης, να είναι λιγότερο ενδιαφέρων ο σχεδιασμός ενός αλγορίθμου ο οποίος υστερεί ελαφρά στον τομέα της ακρίβειας, αλλά εμφανίζει μεγαλύτερη ευκολία χρήσης και αξιοπιστία», έγραψε ο Tong. «Εντούτοις, από την εμπειρία μας, έχουμε διαπιστώσει ότι πρακτικά είναι κάτι το εξαιρετικά πολύτιμο».

Από την άλλη, ενώ πολλοί θα θεωρούσαν ότι τα συστήματα μηχανικής μάθησης αποτελούν την ιδανική λύση σύνθετων προβλημάτων, σε ορισμένες περιπτώσεις δημιουργούν περισσότερα ζητήματα από όσα επιλύουν. Ο Peter Norvig, υπεύθυνος του τομέα σχεδιασμού της Google, είχε αφήσει να διαφανεί ο σκεπτικισμός του ήδη από το 2008.

«Από πολύ νωρίς διαπιστώσαμε ότι, παρά τα πολλά και σημαντικά πλεονεκτήματά της, η μηχανική μάθηση συνήθως καθιστά ένα σύστημα περισσότερο σύνθετο και αδιαφανές, ενώ παράλληλα μειώνει την προβλεψιμότητά του. Στην πραγματικότητα, σε κάποιες περιπτώσεις η χρήση απλούστερων τεχνικών επαρκεί για το ζήτημα που καλούμαστε να επιλύσουμε», ανέφερε ο Tong.
Pin It

Ο ιστότοπος wlearn.gr χρησιμοποιεί cookies για την αποτελεσματικότερη λειτουργία του. Συνεχίζοντας την περιήγησή σας στο wlearn.gr συμφωνείτε με την χρήση των cookies.