Vad är maskininlärning och varför det kan ta ditt jobb

2024 Författare: Malcolm Clapton | [email protected]. Senast ändrad: 2023-12-17 04:11

Nya algoritmer tillåter datorer att lösa problem som tidigare bara var möjliga för människor. Å ena sidan kommer detta att ge oss stora fördelar, å andra sidan nya utmaningar för var och en av oss. För att förhindra att framsteg överraskar dig, var uppmärksam och titta på situationen.

Tills nyligen var programmerare tvungna att skriva komplexa och mycket exakta instruktioner även för att göra det möjligt för datorer att utföra de enklaste uppgifterna.

Språk har alltid utvecklats, men det viktigaste framstegen på detta område har varit förenklingen av att arbeta med kod. Nu går inte datorer att programmera som tidigare, utan ställas in på ett sådant sätt att de lär sig på egen hand.

Denna process, som kallas maskininlärning, lovar att bli ett verkligt tekniskt genombrott och kan påverka vem som helst, oavsett deras verksamhetsområde. Därför kommer det att vara användbart för var och en av oss att förstå ämnet.

Vad är maskininlärning

Maskininlärning eliminerar behovet för en programmerare att förklara i detalj för en dator exakt hur man löser ett problem. Istället lär man sig datorn att hitta en lösning på egen hand. I huvudsak är maskininlärning en mycket komplex tillämpning av statistik för att hitta mönster i data och skapa förutsägelser från dem.

Maskininlärningens historia går tillbaka till 1950-talet, då datavetare lyckades lära datorer att spela pjäs. Sedan dess, tillsammans med datorkraft, har komplexiteten i de mönster och förutsägelser som datorn kan känna igen och skapa, och de problem som den kan lösa, vuxit.

Algoritmen erhåller först en uppsättning träningsdata och använder den sedan för att behandla förfrågningar. Du kan till exempel ladda in flera foton i din bil med beskrivningar av deras innehåll, som "det här fotot visar en katt" och "det här fotot har ingen katt". Om efter det lägger till nya bilder till datorn kommer den att börja identifiera bilder med katter på egen hand.

Algoritmen fortsätter att förbättras. De korrekta och felaktiga igenkänningsresultaten kommer in i databasen, och för varje bearbetad bild blir programmet smartare och bättre och bättre klarar uppgiften. I grund och botten är detta lärande.

Varför maskininlärning är viktigt

Nu kan maskiner användas på ett säkert sätt i områden som tidigare ansågs vara tillgängliga endast för människor. Även om tekniken fortfarande är långt ifrån idealisk, är slutsatsen att datorer ständigt förbättras. I teorin kan de utvecklas i det oändliga. Detta är huvudidén med maskininlärning.

Maskinerna lär sig att se bilder och klassificera dem, som i fotoexemplet ovan. De kan känna igen text och siffror i dessa bilder, såväl som personer och platser. Dessutom identifierar datorer inte bara de skrivna orden, utan tar också hänsyn till sammanhanget för deras användning, inklusive positiva och negativa nyanser av känslor.

Bland annat kan maskiner lyssna på oss och svara. Virtuella assistenter i våra smartphones – oavsett om det är Siri, Cortana eller Google Now – förkroppsligar genombrott inom naturlig språkbehandling och fortsätter att utvecklas.

Dessutom lär sig datorer att skriva. Maskininlärningsalgoritmer genererar redan nyhetsartiklar. De kan skriva om ekonomi och även sport.

Sådana funktioner kan förändra alla aktiviteter baserat på datainmatning och klassificering som tidigare bara var möjliga för människor. Om en dator kan känna igen en bild, ett dokument, en fil eller ett annat objekt och korrekt beskriva det, öppnar detta för stora möjligheter till automatisering.

Hur maskininlärning används idag

Maskininlärningsalgoritmer kan redan imponera.

Medecision använder dem för att beräkna riskfaktorer för olika sjukdomar i stora samhällen. Algoritmen har till exempel identifierat åtta variabler som kan användas för att fastställa om en patient med diabetes behöver sjukhusvård eller inte.

Efter att ha letat efter rätt produkt i nätbutiker kanske du märker att du ser reklam för denna produkt på Internet under lång tid. Denna marknadsföringsanpassning är bara toppen av isberget. Företag kan automatiskt skicka e-postmeddelanden, kuponger, erbjudanden och visa rekommendationer skräddarsydda för varje kund individuellt. Allt detta tvingar konsumenten att köpa mer skonsamt.

Naturlig språkbehandling används på många olika sätt. Till exempel, med dess hjälp, byts anställda i stödtjänster ut för att snabbt kunna tillhandahålla nödvändig information till användarna. Dessutom hjälper sådana algoritmer advokater att dechiffrera komplex dokumentation.

IBM undersökte nyligen. chefer för fordonsföretag. 74 % av dem förväntar sig att smarta bilar ska dyka upp på vägarna 2025.

Sådana bilar kommer att få information om ägaren och deras omgivning med hjälp av Internet of Things. Baserat på dessa data kommer de att kunna ändra temperatur, ljud, stolposition och andra inställningar automatiskt. Smarta bilar kommer också att lösa uppkommande problem själva, köra självständigt och ge rekommendationer utifrån trafik- och vägförhållanden.

Vad du kan förvänta dig av maskininlärning i framtiden

Möjligheterna som maskininlärning öppnar för oss i framtiden är nästan oändliga. Här är några imponerande exempel.

• Ett personligt anpassat sjukvårdssystem som ger patienter personlig medicinsk vård baserat på deras genetiska kod och livsstil.
• Säkerhetsprogramvara som upptäcker hackerattacker och skadlig programvara med högsta noggrannhet.
• Datoriserade säkerhetssystem för flygplatser, arenor och liknande platser som identifierar potentiella hot.
• Självkörande bilar som orienterar sig i rymden minimerar antalet trafikstockningar och olyckor.
• Avancerade anti-bedrägerisystem som kan säkra pengar på våra konton.
• Universella översättare som gör att vi kan ta emot korrekt och snabb översättning med smartphones och andra smarta enheter.

Varför du bör se upp för maskininlärning

Även om många kommer att uppleva dessa möjligheter med tillkomsten av ny teknik, kommer de flesta inte att vilja förstå hur det hela fungerar från insidan. Men det är bäst att vi alla håller oss vakna. Tillsammans med alla fördelar kommer ytterligare framsteg faktiskt att få påtagliga konsekvenser för arbetsmarknaden.

Maskininlärning, baserat på den ständigt växande mängden data som nästan varje människa på jorden genererar, kommer att helt byta yrke. Naturligtvis kommer dessa innovationer att förenkla arbetet för många människor, men det kommer också att finnas de som kommer att berövas sina jobb. Algoritmer svarar redan på e-postmeddelanden, tolkar medicinska bilder, hjälper till i rättstvister, analyserar data och så vidare.

Maskiner lär sig av sin egen erfarenhet, så programmerare behöver inte längre skriva kod för varje ovanlig situation. Denna inlärningsförmåga, tillsammans med framsteg inom robotik och mobilteknik, kommer att göra det möjligt för datorer att hantera komplexa uppgifter bättre än någonsin tidigare.

Men vad kommer att hända med människor när de överträffas av maskiner?

Enligt. World Economic Forum, datorer och robotar kommer att ockupera de fem miljoner jobb som människor nu äger under de kommande fem åren.

Därför måste vi hålla ett öga på hur maskininlärning förändrar arbetsflödet. Det spelar ingen roll vem du är: en advokat, en läkare, en stödpersonal, en lastbilschaufför eller någon annan. Förändring kan påverka alla.

Det bästa sättet att undvika den obehagliga överraskningen när datorer börjar ta jobb är att tänka proaktivt och förbereda sig.