Машины стремятся к знаниям

За последние 20 лет многие из ключевых преимуществ в сфере искусственного интеллекта были получены за счет «обучения» компьютеров. При этом компьютеры «учатся» как делать прогнозы на основе поиска шаблонов в больших объемах информации. Новый подход – вероятностное программирование – значительно облегчает построение систем машинного обучения. Однако данный метод подходит лишь для решения относительно узкого круга проблем.

Ученые из Массачусетского технологического института (Massachussets Institute of Technology – MIT) открыли новый способ расширения данного подхода в отношении более значительного класса проблем, который найдет применение в таких разноплановых сферах, как когнитивистика, финансовый анализ и эпидемиология.

Исторически разработка системы, способной к изучению нового задания, занимает от нескольких недель до нескольких месяцев. Несколько новых, экспериментальных языков вероятностного программирования, один из которых Church, разработанный в MIT, обещает сократить это время до нескольких часов. В основе каждого из этих языков лежит алгоритм, основанный на логическом выводе, который инструктирует систему обучения компьютера по поводу того, как делать выводы на основе имеющейся информации. Этот же алгоритм позволит системе распознавать объекты цифровых изображений, фильтровать спам и мн.др.