Q:
Почему так много машинного обучения за кадром - вне поля зрения обычного пользователя?
A:Этот фундаментальный вопрос о машинном обучении учитывает множество различных аспектов работы этих сложных программ и их роль в современной экономике.
Один из самых простых способов объяснить отсутствие известности систем машинного обучения - их легко скрыть. Эти серверные системы скрываются за механизмами рекомендаций и многим другим, что позволяет потребителям забыть, что вообще происходит какое-либо машинное обучение. Все конечные пользователи знают, что некоторые люди могли бы тщательно выбирать варианты вместо нейронной сети, использующей сложные алгоритмы.
Помимо этого, также отсутствует системное обучение по машинному обучению, отчасти потому, что оно настолько новое, а отчасти из-за недостатка инвестиций в обучение STEM в целом. Похоже, что, как общество, мы в целом согласны с выбором ключевых людей, чтобы узнать о технологиях во всех подробностях и стать «технологическими священниками» нашего населения. Стратегия более широкого спектра будет включать в себя подробное машинное обучение и обучение технологиям на уровне средней школы в средних школах как само собой разумеющееся.
Еще одной проблемой является отсутствие доступного языка вокруг машинного обучения. Жаргон изобилует - от меток самих алгоритмов до функций активации, которые приводят в действие искусственные нейроны и приводят к нейронным сетям. Другим замечательным примером является маркировка слоев в сверточной нейронной сети - заполнение и шагание, максимальное объединение и многое другое. Вряд ли кто-то действительно понимает, что означают эти термины, и это делает машинное обучение еще более непостижимым.
Сами алгоритмы стали понятными на языке математиков. Как и в случае современной и классической физики, студенты этих дисциплин должны овладеть искусством чтения сложных уравнений, а не переводить функции алгоритма на простой язык. Это также делает информацию о машинном обучении гораздо менее доступной.
Наконец, существует проблема «черного ящика», когда даже инженеры не совсем понимают, сколько программ машинного обучения работают. Поскольку мы масштабировали сложность и возможности этих алгоритмов, мы пожертвовали прозрачностью и легким доступом к результатам оценки и анализа. Имея это в виду, существует большое движение к объяснимому ИИ - к обеспечению доступности оперативного машинного обучения и искусственного интеллекта, а также к управлению работой этих программ, чтобы избежать неприятных сюрпризов в производственной среде.
Все это помогает объяснить, почему, хотя машинное обучение в современном мире технологий активно развивается, оно часто «с глаз долой, с ума».
