Maşın öyrənməsi nədir? Biznes sahibləri üçün praktik izah

Bu gün hər investor təqdimatında və məhsul yol xəritəsində maşın öyrənməsindən bəhs edilir, bu da o deməkdir ki, bu termini eşidən insanların əksəriyyəti üçün o, artıq konkret heç nə ifadə etmir. Əgər ona real büdcə ayırıb-ayırmamağa qərar verən sizsinizsə, bu, problemdir. Ona görə də sadə versiyanı, boş sözlər olmadan təqdim edirik.

Əsl tərif

Maşın öyrənməsi insanın əl ilə yazdığı qaydalara əməl etmək əvəzinə verilənlərdən qanunauyğunluqları öyrənən proqram təminatı yazmaq üsuludur. Ənənəvi proqram təlimatlar siyahısıdır: əgər belədirsə, onda belə et. Maşın öyrənməsi modeli isə fərqlidir — siz ona giriş verilənləri və düzgün nəticələrdən ibarət minlərlə nümunə göstərirsiniz, o isə birindən digərinə keçmək üçün öz daxili qaydalarını özü müəyyənləşdirir.

Bütün ideya budur. Qalan hər şey — neyron şəbəkələr, öyrətmə, modellər, çəkilər — bu qanunauyğunluq axtarışının daxildə əslində necə baş verməsinə dair detallardır.

Konkret nümunə

Tutaq ki, saxta tranzaksiyaları aşkarlamaq istəyirsiniz. Köhnə üsul: mühəndis oturub qaydalar yazır — 500 $-dan çox olan hər şeyi qeyd et, yeni cihazdan edilən hər şeyi qeyd et, gecə saat 3-də edilən hər şeyi qeyd et. Bu, fırıldaqçılıq nümunələri dəyişənə qədər işləyir, sonra isə kimsə bunu görüb qaydaları yenidən yazmalıdır.

Maşın öyrənməsi üsulu: modelə hər biri «fırıldaq» və ya «fırıldaq deyil» kimi işarələnmiş illərin keçmiş tranzaksiyalarını verirsiniz. Model kiminsə fırıldaqçılığın necə göründüyünə dair təxminini deyil, məhz sizin verilənlərinizdə fırıldaqçılıqla həqiqətən əlaqəli olan siqnal kombinasiyalarını — məbləği, yeri, cihazı, vaxtı, əməliyyatların tezliyini — tapır. Nümunələr dəyişdikdə məntiqi əl ilə yenidən yazmaq əvəzinə modeli daha yeni verilənlər üzərində yenidən öyrədirsiniz.

Əslində nədə güclüdür

• Qarışıq verilənlərdə qanunauyğunluqların tanınması. Təsvirlər, audio, sərbəst mətn və davranış verilənləri üçün açıq qaydalar yazmaq çətindir. Maşın öyrənməsi onların öhdəsindən yaxşı gəlir, çünki ona qaydalar yox, nümunələr lazımdır.
• Tarixçəyə əsaslanan proqnozlaşdırma. Hansı müştərilərin ayrılma ehtimalı var, hansı potensial müştərilərin alıcıya çevrilmə ehtimalı var, gələn ay nə qədər mal ehtiyatı lazım olacaq — keçmişin gələcək üçün ağlabatan bələdçi olduğu hər şey.
• Miqyasda fərdiləşdirmə. Məhsul tövsiyəsi, axtarış nəticələrinin sıralanması və ya lentin tənzimlənməsi — «düzgün cavabın» hər istifadəçi üçün fərqli olduğu və daim dəyişdiyi problemlər.

Nədə güclü deyil

Bu, əksər təqdimatların ötüb keçdiyi hissədir. Maşın öyrənməsi aşağıdakı hallarda pis seçimdir:

• Kifayət qədər tarixi verilənləriniz yoxdur. Bir neçə yüz nümunə üzərində öyrədilmiş model adətən yaxşı yazılmış qaydalar toplusundan daha pis nəticə göstərir.
• Qaydalar sadə və sabitdir. «10 000 $-dan çox olan istənilən ödənişi qeyd et» qaydası real probleminizin 95%-ni həll edirsə, sizə model lazım deyil — sizə «if» operatoru lazımdır.
• Hər qərarı izah etməlisiniz. Bəzi modellər qərarı niyə verdiyini deyə bilir; bir çoxu isə insanın anlaya biləcəyi heç bir formada deyə bilmir. Tənzimləyici qurum və ya müştəri real səbəb tələb edirsə, bu, vacibdir.
• Səhvlər baha başa gəlir və onları geri qaytarmaq çətindir. Model heç vaxt 100% düzgün olmur. Məhsulunuzda yanlış proqnoz real maliyyə və ya təhlükəsizlik nəticələri doğurursa, sizə tam avtomatlaşdırma yox, prosesə cəlb edilmiş insan lazımdır.

Ona həqiqətən ehtiyacınız olub-olmadığını necə müəyyən etmək olar

Dürüst test: eyni verilənlərə baxan ağıllı bir əməkdaş yarım gün ərzində ağlabatan qaydalar toplusu hazırlaya bilərdimi? Əgər bəli, qaydaları yazın — bu, modellə müqayisədə daha tez hazırlanacaq, daha asan sazlanacaq və müştəriyə daha asan izah olunacaq. Maşın öyrənməsi qanunauyğunluqlar insanın əl ilə izləyə bilməyəcəyi qədər mürəkkəb və ya sürətlə dəyişən olduqda və öyrətmə üçün həqiqətən tarixi verilənləriniz olduqda öz xərcini doğruldur.

Burncode-da bu, adətən Sİ kodunun ilk sətri yazılmamışdan əvvəl apardığımız ilk söhbətdir: problem həqiqətən modelə ehtiyac duyurmu, yoxsa onu hazırlamaq daha ucuz və etibar etmək daha asan olan köhnə, yaxşı məntiqlə həll etmək daha yaxşıdır? Model lazım olduqda isə biz onu yol xəritəsində belə yazıldığı üçün əlavə edilən ümumi Sİ funksiyası kimi deyil, qəbul etməli olduğu konkret qərarla məhdudlaşdırılmış şəkildə real məhsul təcrübəsinə daxil edirik.