Revoluce strojového učení?
Poznejte fenomén MLOps.
Zvěsti o umělé inteligenci za poslední rok nešlo přeslechnout. Zaregistrovali jste ovšem i diskuze o machine learning, tedy strojovém učení? Jde o podmnožinu AI, díky které se počítače učí přímo z dat a na základě zkušeností se zdokonalují. V roce 2024 se přitom ještě četněji objevuje zkratka MLOps, pod níž se skrývají takzvané machine learning operations. Schyluje se k další technologické revoluci?
Představte si, že máte kamaráda, kterého chcete naučit hrát na kytaru. Nejprve mu ukážete, jak nástroj držet či na kterou část strun brnkat. Postupně se dostanete k akordům a společně si osvojíte třeba i hru trsátkem. Čím déle spolu trénujete, tím lépe kamarád chápe techniku a dokáže si poradit sám, aniž byste mu dokola vysvětlovali každý krok. Zároveň vzájemně zjistíte, jaká muzika toho druhého baví, a tomu přizpůsobujete svůj repertoár. Strojové učení stojí s trochou nadsázky na podobném principu – jen si místo kamaráda dosaďte počítač, robota nebo třeba aplikaci. I ty se na základě příkladů a instrukcí učí, jak správně rozhodovat či postupovat.
Nyní se vciťte do situace, kdy na hudební nástroj neučíte hrát pouze jednoho kamaráda, ale rovnou celou partu přátel. Jak něco takového zvládnout efektivně a vyhnout se zmatkům, tak aby vše běželo hladce? Musíte dohlédnout, aby všichni zúčastnění dostali správné instrukce, vzájemně si vypomohli a třeba i jeden druhého posouvali dál. Takovéto skupinové vzdělávání lze v případě strojového učení označit za machine learning operations (MLOps). Pomyslnou skupinu „kamarádů“ zde ztělesňují různé části systému.
Zjednodušeně se dá říct, že machine learning skutečně počítač učí určitý proces. MLOps si představme jako komplexnější plán, který pomáhá více subjektům pracovat dohromady, aby se zlepšovaly rychleji a efektivněji. Německá softwarová firma SAP vnímá strojové učení jako podmnožinu umělé inteligence a vystihuje ho slovy: „AI zpracovává data k rozhodování a prognózám. Algoritmy strojového učení umožňují umělé inteligenci nejen zpracovávat tato data, ale používat je k učení a být chytřejší, aniž by potřebovala další programování.“
Poučení z předchozích nezdarů
Jak můžou MLOps vypadat v praxi? Například technologická firma, která vyvíjí aplikace pro mobilní telefony, využívá strojové učení k tomu, aby její produkty lépe chápaly, zpracovávaly a vyhodnocovaly preference uživatelů. Stroje se tak doslova učí z předchozích nezdarů či úspěchů. MLOps pak týmu vývojářů pomáhají rychle a efektivně vylepšovat aplikace podle toho, co se stroje naučily. Až příště otevřete svou oblíbenou aplikaci, bude možná o trochu instinktivnější a praktičtější než doposud. Díky MLOps se přizpůsobí dosavadnímu chování uživatelů. Nejvíce aktuálních patentů, které se týkají strojového učení a umělé inteligence, vlastní čínské technologické společnosti Tencent a Baidu, nezaostávají však ani američtí giganti IBM a Microsoft.
S výstupy strojového učení se setkáme třeba i při online nakupování. Vývojáři e-shopu můžou ve výsledku skrze MLOps doporučovat produkty, které daného zákazníka osloví a udrží ho na webové stránce. Zatímco konkrétní platforma, respektive stroj, sleduje, jaké výrobky si prohlížíte, co přidáte do košíku a jak nakonec nakoupíte, MLOps následně pomáhají tato zjištění zužitkovat a promítnout je do vašich dalších návštěv. Strojové učení buduje systém, který strojům a lidem pomáhá pracovat společně, učit se z chyb a neustále vylepšovat své služby. MLOps přináší řadu klíčových výhod, které revolučně mění způsob, jakým dnes vývojáři přistupují k umělé inteligenci.
14. února
3 min