Այսօր մեքենայական ուսուցումը արհեստական ինտելեկտի ամենատարածված եւ հեռանկարային ենթաբաժիններից մեկն է: Սակայն, մեքենան սովորում է հասկանալ ոչ այնպես, ինչպես մարդը, եւ մեքենաների հետ աշխատելիս հարկավոր է հաշվի առնել այդ առանձնահատկությունը: NEWS.am-ի թղթակցի հետ զրույցում Քալիֆորնիայից մեքենայական ուսուցման մասնագետ Էվան Շելհեյմերը պատմել է, որ մարդը շատ բաներ ինքնուրույն է սովորում. նա փորձի եւ գիտելիքներ է ստանում պարզապես նայելով շուրջը եւ եզրակացություններ անելով: Մեքենան սովորում է միայն այն, ինչ իրեն սովորեցնում են, եւ դեռեւս չի կարող ինքնուրույն եզրակացություններ անել:
«Երբ մենք մարդուն տեսանյութից կադր ենք ցույց տալիս, որում մեքենա են վարում, մարդը միանգամից նշում է՝ ահա մեքենան, ահա նրա ուրվագծերը, իսկ սա ճանապարհն է եւ նրա ուրվագծերը: Մարդն ինքուրույն հասկանում է ինչ է տեղի ունենում վարելու ընթացքում եւ թե ինչու է մարդու շուրջ ամեն ինչը շարժվում եւ փոխվում: Նա հասկանում է, որ այստեղ ուղիղ ճանապարհ է, որով կարելի է գնալ, իսկ այստեղ խոչընդոտ է, որը պետք է շրջանցել», - նշել է նա:
Էվան Շելհեյմերը մեքենաներին սովորեցնում է պատկերները ճանաչել. այն, թե ինչ է պատկերված նկարում, որտեղ է այն գտնվում, արդյոք նկարը դրսում է արվել թե փակ տարածությունում:
Նման հետազոտություններն անհրաժեշտ են մեքենայի եւ դրոնի համար ավտոպիլոտի մշակման նպատակով, քանի որ ավտոպիլոտը պետք է ճիշտ ճանաչի շրջակա առարկաները, հասկանա, թե որտեղ են ճանապարհները, այլ մեքենաներտը, խոչընդոտները, մարդիկ: Ընդ որում այս ամենը պետք է արագ անել՝ բախումներից խուսափելու համար:
Այս աշխատանքներն անհրաժեշտ են նաեւ ռոբոտների ստեղծման ժամանակ, որոնք կատարում են ամենատարբեր խնդիրները. դրանք պետք է հասկանան, որտեղ նրանք կարող են քայլել, որտեղ են պատերը, աստիճանները եւ ինչ բարձրության են դրանք՝ կարելի է դրանցով բարձրանալ, թե ոչ: Ռոբոտի արհեստական ինտելեկտը կհասկանա այս ամենը՝ վերլուծելով շրջակա պատկերները:
Էվան Շելհեյմերը նշել է, որ մեքենայական ուսուցումը կարող է արդյունավետ կիրառվել տարբեր ոլորտներում` հասանելի դարձնելով նախկինում անհասանելի հետազոտություններն ու աշխատանքները: Մեքենանայական ուսուցման շատ կիրառություններ կարելի է գտնել գիտության, բժշկության, կենսաբանության մեջ եւ մի շարք այլ ոլորտներում:
Եթե օրինակ գիտնականն աշխատում է, բջիջների նյութափոխանակության ուսումնասիրության վրա, նա ստիպված է շատ ժամանակ անցկացնել փորձերի վրա, նա կարող է ժամերով նայել մանրադիտակով, հաշվել ինչ-որ բան: Նրա փոխարեն մեքենան կարող է դա անել՝ հսկայական տվյալներ շատ ավելի արագ վերամշակելով, քան մարդն ունակ է անել: Այսպիսով, մեքենան կօգնի գիտնականին շատ ժամանակ խնայել եւ ավելի արագ շարժվել իր հետազոտության մեջ:
Մեքենայական ուսուցումը նաեւ անփոխարինելի է այն ոլորտներում, որտեղ պետք է հսկայական տվյալների հետ աշխատել, որոնք մարդը ֆիզիկապես չի կարող անել:
Այսպիսով, օրինակ, եթե որեւէ տեղանքում անհրաժեշտ է հաշվել ցանկացած տեսակի ներկայացուցիչների թվաքանակը, ապա մեքենային կարելի է սովորեցնել դա անել վերլուծելով լուսանկարները կամ տեսագրությունները, որոնք նկարահանվում են ճիշտ տեղանքում:
Էվան Շելհեյմերը Հայաստան է եկել 10-րդ BarCamp Yerevan 2018-ին մասնակցելու համար, որը Հայաստանում անցկացում է հունիսի 16-17-ը:
Այսօր նա ելույթ ունեցավ մեքենայական ուսուցման վերաբերյալ ընդհանուր դասախոսությամբ, իսկ վաղը նախատեսում է մեքենաներին պատկերներ ճանաչելը ուսուցանելու մասին ավելի մասնագիտացված դասախոսություն կարդալ:
