ΝΟW 17

ΙΟΥΛΙΟΣ 2020 #12 ΜΗΧΑΝΙΚΉ ΜΆΘΗΣΗ COVER STORY Τι είναι η Μηχανική Μάθηση, ποιοι οι μέθοδοί της, πώς λειτουργεί και πού χρησιμοποιείται; Γράφει ο Χάρης Ματθαίου Τα παλαιότερα χρόνια ο όρος “Μηχανική Μάθηση”φάνταζε στο μυαλό του ανθρώπου ως ένας υπολο- γιστής του μέλλοντος που παίζει σκάκι, υπολογίζοντας το πλήθος των κινήσεών του και προβλέποντας τις πιθανές αντιδράσεις του αντιπάλου. Όμως, η μηχανική μάθηση είναι σήμερα εδώ, για να διαμορ- φώνει και να απλοποιεί τον τρόπο που ζούμε, εργαζόμαστε, ταξιδεύουμε και επικοινωνούμε. Στην πραγματικότητα, διαμορφώνει την καθημερινή μας ζωή και τις αποφάσεις που λαμβάνουμε. Machine Learning H μηχανική μάθηση δεν είναι μυθοπλασία, αλλά μια σύγχρο- νη πραγματικότητα. Με τη χρήση εργαλείων τεχνολογίας μη- χανικής μάθησης οι άνθρωποι είναι πλέον πιο παραγωγικοί, πιο υγιείς και πιο ευτυχισμένοι σε σχέση με το παρελθόν. Οι ηγέτες της βιομηχανίας ισχυρίζονται ότι η μηχανική μάθηση εισάγει μια άλλη φάση της βιομηχανικής επανάστασης. Σε αντίθεση με την προηγούμενη επανάσταση που αξιοποίησε τη μηχανι- κή και φυσική δύναμη, η επανάσταση της μηχανικής μάθησης που οδη- γείται από την τεχνητή νοημοσύνη αξιοποιεί τη γνωστική και διανοητι- κή ικανότητα. Είναι λοιπόν εξαιρετικά ενδιαφέρον να δούμε με ποιους τρόπους μπορεί να επηρεάζει την καθημερινή μας ζωή. Τι είναι η Μηχανική Μάθηση; Η μηχανική εκμάθηση, γνωστή διεθνώς ως Machine Learning, είναι μια μέθοδος ανάλυσης δεδομένων που αυτοματοποιεί τη δημιουργία ανα- λυτικών μοντέλων. Είναι μία περιοχή της τεχνητής νοημοσύνης, αλλά αποτελεί και την κινητήρια δύναμή της, η οποία βασίζεται στην ιδέα ότι τα συστήματα μπορούν να μαθαίνουν από δεδομένα, να προσδιορίζουν πρότυπα και να λαμβάνουν αποφάσεις με ελάχιστη ανθρώπινη παρέμ- βαση. Ενώ η τεχνητή νοημοσύνη είναι η ευρεία επιστήμη της μίμησης των ανθρώπινων ικανοτήτων, η μηχανική μάθηση είναι ένα συγκεκρι- μένο υποσύνολό της που εκπαιδεύει μια μηχανή πώς να μαθαίνει. Ου- σιαστικά, με τη μηχανική εκμάθηση ο υπολογιστής αναλύει μεγάλα δε- δομένα, εξάγει αυτόματα πληροφορίες και τις χρησιμοποιεί για να κάνει προβλέψεις, να αποκρυπτογραφήσει εάν η πρόβλεψη ήταν σωστή και, αν είναι λανθασμένη, να μάθει από αυτήν για να κάνει στο μέλλον μια πιο σωστή πρόβλεψη. Το Google, το Amazon, το Netflix και άλλες διαδι- κτυακές πλατφόρμες μονολιθικού πυρήνα χρησιμοποιούν τη μηχανική μάθηση για να παρέχουν σημασιολογικά αποτελέσματα βάσει αλγορίθ- μων που αναλύουν το ιστορικό αναζήτησης, αγορών και προβολής ενός χρήστη, ώστε να προβλέπουν τι είναι αυτό που αναζητούν, ή είναι πιο πιθανό να θέλουν. Τα δεδομένα που έχουν στη διάθεσή τους είναι τε- ράστια, καθώς τα νούμερα είναι εντυπωσιακά: Ο αριθμός των χρηστών που χρησιμοποιούν το διαδίκτυο για αναζήτηση φτάνει ετησίως τα 4,5 δισεκατομμύρια. Κάθε δευτερόλεπτο υποβάλλονται σε επεξεργασία πε- ρίπου 40.000 αναζητήσεις, οι οποίες αντιστοιχούν σε 3,5 δισεκατομμύ- ρια την ημέρα, ή σε 1,2 τρισεκατομμύρια το χρόνο. Συνολικά, κάθε χρό- νο η ανθρωπότητα ξοδεύει το ισοδύναμο ενός δισεκατομμυρίου ετών στο διαδίκτυο. Αυτό είναι ένα συγκλονιστικά τεράστιο ποσό δεδομένων που συλλέγονται καθημερινά και θα ήταν αδύνατο να μπορούν να ανα- λυθούν χωρίς τη βοήθεια της μηχανικής μάθησης. Η μηχανική μάθηση ενσωματώνεται ολοένα και περισσότερο σε όλες τις βιομηχανίες και σε κάθε πτυχή της εργάσιμης ημέρας και του ελεύθερου χρόνου μας, μέσω της αυτοματοποίησης της χειροκίνητης εργασίας, βελτιώνοντας τη συν- δεσιμότητα και τον τρόπο που ζούμε, αλλά και διαμορφώνοντας το μέλ- λον της τεχνητής νοημοσύνης και του διαδικτύου των πραγμάτων (IoT). Εξέλιξη της μηχανικής μάθησης Λόγω των νέων υπολογιστικών τεχνολογιών, η μηχανική μάθηση σήμερα δεν μοιάζει με τη μηχανική εκμάθηση του παρελθόντος. Γεννήθηκε από την