Hva er maskinlæring og hvorfor det kan ta jobben din

2024 Forfatter: Malcolm Clapton | [email protected]. Sist endret: 2023-12-17 04:07

Nye algoritmer lar datamaskiner løse problemer som tidligere bare var mulig for mennesker. På den ene siden vil dette gi oss store fordeler, på den andre siden nye utfordringer for hver enkelt av oss. For å forhindre at fremskritt overrasker deg, vær på vakt og se situasjonen.

Inntil nylig måtte programmerere skrive komplekse og svært presise instruksjoner selv for å gjøre det mulig for datamaskiner å utføre de enkleste oppgavene.

Språk har alltid utviklet seg, men det viktigste fremskrittet på dette området har vært forenklingen av å jobbe med kode. Nå kan ikke datamaskiner programmeres som før, men settes opp på en slik måte at de lærer på egenhånd.

Denne prosessen, kalt maskinlæring, lover å bli et reelt teknologisk gjennombrudd og kan påvirke hvem som helst, uavhengig av deres aktivitetsfelt. Derfor vil det være nyttig for hver av oss å forstå emnet.

Hva er maskinlæring

Maskinlæring eliminerer behovet for en programmerer til å forklare i detalj til en datamaskin nøyaktig hvordan man løser et problem. I stedet blir datamaskinen lært opp til å finne en løsning på egen hånd. I hovedsak er maskinlæring en veldig kompleks anvendelse av statistikk for å finne mønstre i data og lage spådommer fra dem.

Historien om maskinlæring går tilbake til 1950-tallet, da informatikere klarte å lære datamaskiner å spille dam. Siden den gang, sammen med datakraft, har kompleksiteten til mønstrene og spådommene som datamaskinen kan gjenkjenne og lage, og problemene den kan løse, vokst.

Algoritmen henter først et sett med treningsdata og bruker det deretter til å behandle forespørsler. Du kan for eksempel laste inn flere bilder i bilen din med beskrivelser av innholdet, for eksempel "dette bildet viser en katt" og "dette bildet har ikke en katt". Hvis etter det legger til nye bilder til datamaskinen, vil den begynne å identifisere bilder med katter på egen hånd.

Algoritmen fortsetter å forbedre seg. De riktige og feilaktige gjenkjenningsresultatene kommer inn i databasen, og for hvert bearbeidet bilde blir programmet smartere og takler oppgaven bedre og bedre. I hovedsak er dette læring.

Hvorfor maskinlæring er viktig

Nå kan maskiner trygt brukes i områder som tidligere ble ansett som kun tilgjengelige for mennesker. Selv om teknologien fortsatt er langt fra ideell, er poenget at datamaskiner stadig forbedres. I teorien kan de utvikle seg i det uendelige. Dette er hovedideen til maskinlæring.

Maskinene lærer å se bilder og klassifisere dem, som i bildeeksemplet ovenfor. De kan gjenkjenne tekst og tall i disse bildene, så vel som personer og steder. Dessuten identifiserer datamaskiner ikke bare de skrevne ordene, men tar også hensyn til konteksten for bruken deres, inkludert positive og negative nyanser av følelser.

Maskiner kan blant annet lytte til oss og svare. Virtuelle assistenter på smarttelefonene våre – enten det er Siri, Cortana eller Google Now – legemliggjør gjennombrudd innen naturlig språkbehandling og fortsetter å utvikle seg.

I tillegg lærer datamaskiner å skrive. Maskinlæringsalgoritmer genererer allerede nyhetsartikler. De kan skrive om økonomi og til og med sport.

Slike funksjoner kan endre alle aktiviteter basert på datainntasting og klassifisering som tidligere kun var mulig for mennesker. Hvis en datamaskin kan gjenkjenne et bilde, dokument, fil eller annet objekt og nøyaktig beskrive det, åpner dette for store muligheter for automatisering.

Hvordan maskinlæring brukes i dag

Maskinlæringsalgoritmer er allerede i stand til å imponere.

Medecision bruker dem til å beregne risikofaktorer for ulike sykdommer i store samfunn. Algoritmen har for eksempel identifisert åtte variabler som kan brukes til å konkludere om en pasient med diabetes trenger sykehusinnleggelse eller ikke.

Etter å ha søkt etter det riktige produktet i nettbutikker, vil du kanskje legge merke til at du ser reklame for dette produktet på Internett i lang tid. Denne markedsføringstilpasningen er bare toppen av isfjellet. Bedrifter kan automatisk sende e-poster, kuponger, tilbud og vise anbefalinger skreddersydd for hver klient individuelt. Alt dette presser forbrukeren mer forsiktig til å kjøpe.

Naturlig språkbehandling brukes på mange forskjellige måter. For eksempel, med dens hjelp, erstattes ansatte i støttetjenester for raskt å kunne gi nødvendig informasjon til brukerne. I tillegg hjelper slike algoritmer advokater med å tyde kompleks dokumentasjon.

IBM har nylig undersøkt. ledere for bilselskaper. 74 % av dem forventer at smarte biler skal dukke opp på veiene innen 2025.

Slike biler vil motta informasjon om eieren og deres omgivelser ved hjelp av tingenes internett. Basert på disse dataene vil de kunne endre temperatur, lyd, stolposisjon og andre innstillinger automatisk. Smarte biler vil også løse nye problemer selv, kjøre selvstendig og gi anbefalinger basert på trafikk og veiforhold.

Hva kan du forvente av maskinlæring i fremtiden

Mulighetene som maskinlæring åpner for oss i fremtiden er nesten uendelige. Her er noen imponerende eksempler.

• Et personlig tilpasset helsevesen som gir pasienter personlig medisinsk behandling basert på deres genetiske kode og livsstil.
• Sikkerhetsprogramvare som oppdager hackerangrep og skadelig programvare med høyeste nøyaktighet.
• Datastyrte sikkerhetssystemer for flyplasser, stadioner og lignende steder som identifiserer potensielle trusler.
• Selvkjørende biler som orienterer seg i verdensrommet minimerer antall trafikkork og ulykker.
• Avanserte anti-svindelsystemer som kan sikre penger på våre kontoer.
• Universelle oversettere som lar oss motta nøyaktig og rask oversettelse ved hjelp av smarttelefoner og andre smarte enheter.

Hvorfor du bør se opp for maskinlæring

Mens mange vil oppleve disse mulighetene med bruk av nye teknologier, vil de fleste ikke ønske å forstå hvordan det hele fungerer fra innsiden. Men vi må alle være på vakt. Faktisk, sammen med alle fordelene, vil ytterligere fremgang gi konkrete konsekvenser for arbeidsmarkedet.

Maskinlæring, basert på den stadig økende mengden data som nesten alle mennesker på jorden genererer, vil fullstendig endre yrke. Selvfølgelig vil disse innovasjonene forenkle arbeidet til mange mennesker, men det vil også være de som vil bli fratatt jobbene sine. Algoritmer svarer allerede på e-poster, tolker medisinske bilder, hjelper til med rettssaker, analyserer data og så videre.

Maskiner lærer av sin egen erfaring, så programmerere trenger ikke lenger å skrive kode for enhver uvanlig situasjon. Denne læringsevnen, sammen med fremskritt innen robotikk og mobilteknologi, vil gjøre det mulig for datamaskiner å håndtere komplekse oppgaver bedre enn noen gang før.

Men hva vil skje med mennesker når de blir overgått av maskiner?

I følge. World Economic Forum, datamaskiner og roboter vil okkupere de fem millioner jobbene som mennesker nå eier i løpet av de neste fem årene.

Derfor må vi holde et øye med hvordan maskinlæring endrer arbeidsflyten. Det spiller ingen rolle hvem du er: en advokat, en lege, en støttearbeider, en lastebilsjåfør eller noen andre. Endring kan påvirke alle.

Den beste måten å unngå den ubehagelige overraskelsen når datamaskiner begynner å ta jobber, er å tenke proaktivt og forberede seg.