Mis on masinõpe?

Masinõpe lühidalt

Mis on masinõpe? See on viis kirjutada tarkvara nii, et reeglid tulevad andmetest, mitte programmeerija peast. Klassikalises koodis ütled ise: kui summa ületab 5000 eurot, saada ülevaatamisele. Masinõppes annad tuhandeid näiteid otsustest ja mudel leiab mustri, mis need otsused kõige paremini ära seletab.

See vahetab välja ühe probleemi teise vastu. Sa ei pea enam reegleid kirjutama, aga pead oskama mõõta, kas mudel on parem kui lihtne reegel. NISTi AI riskiraamistik soovitab sama asja protsessina: kirjelda eesmärk, mõõda, dokumenteeri piirangud ja vaata tulemus regulaarselt üle.

Kolm liiki, mida praktikas eristada

• Õpetatud õpe. Andmetel on silt olemas: see arve kuulub tasumisele, see klient jäi koju. Mudel õpib silti ennustama. scikit-learn dokumentatsioon jagab selle omakorda klassifikatsiooniks ja regressiooniks.
• Õpetamata õpe. Silte ei ole, otsid struktuuri: kliendid rühmadesse, ebatavalised kandmised välja. Tulemust tõlgendab inimene.
• Generatiivne õpe. Mudel toodab uut sisu. Seda käsitleb eraldi mõiste generatiivne tehisintellekt.

Valik ei käi moe, vaid küsimuse järgi: kas sul on vastus olemas mineviku kohta? Kui jah, on tegu õpetatud õppega. Kui tahad teada, mis andmetes toimub, on õpetamata õpe.

Näide Eesti ettevõttest

Veebipood tahab teada, millised tellimused jäävad tarnimata. Ajalugu on olemas: 40 000 tellimust, igaühe juures tellimuse summa, makseviis, tarneviis, kellaaeg ja see, kas pakk jõudis kohale.

Kolm sammu. Esiteks lihtne reegel baasjooneks: „ettemaksuta tellimus üle 300 euro jääb sagedamini seisma“. Teiseks mudel, mis annab igale uuele tellimusele riskiskoori. Kolmandaks otsus, mida skooriga tehakse: kas kliendile saadetakse meeldetuletus või pannakse tellimus käsitsi kontrolli.

Just kolmas samm otsustab, kas projekt tasub end ära. Mudel, mille skoori keegi ei kasuta, on kulu. Kui andmeid on vähe või ajalugu on segane, on aus alternatiiv jääda reegli juurde ja koguda aasta puhtamat ajalugu. Sama mõtteviis on kirjas artiklis AI pilootprojekt.

Millal masinõpe ei tasu

• Vähe juhtumeid. Kui otsuseid tehakse kuus kakskümmend, ei ole mustrit, mida õppida.
• Reegel on täpne ja seadusest. Maksuarvutus ja palgaarvestus ei ole masinõppe ülesanne, sest õige vastus on määratud, mitte tõenäoline.
• Andmed on mustuses. Kui vajalik ajalugu on kolmes failis ja ühes inimese peakirjas, kulub projekt andmete korrastamisele ja mudelini ei jõuta.
• Keegi ei vastuta tulemuse eest. Mudel, mis mõjutab inimese õigusi, vajab inimjärelevalvet ja selget vastutajat; nii nõuab ka AI määrus kõrge riskiga süsteemide puhul.

Kulu ja töömaht

Üks aus test enne alustamist: võta saja rea pealt käsitsi kolm reeglit, mis otsust jäljendavad, ja vaata, kui tihti need eksivad. Kui lihtne reegel eksib vaid mõne protsendi juhtudest, ei ole mudeli lisamine seda vaeva väärt.

Masinõppe projektis kulub andmetele ja hindamisele rohkem aega kui mudeli treenimisele. Esimene versioon algab tavaliselt ühest tabelist ja ühest küsimusest: mis on õige vastus, kui palju neid ridu on ja kui palju maksab eksimus.

Minu hinnang: realistlik ajakava on nädal andmete ja baasjoone jaoks, üks kuni kaks nädalat esimese mudeli ja testimise jaoks, seejärel otsus. Kui tahad enne otsust teada, kas AI üldse selle töö jaoks mõtet on, vaata AI konsultatsiooni kirjeldust või lugeda AI kasutuselevõtu nelja sammu.