Ett av kännetecknen för mänsklig intelligens är att kunna integrera lärande och att bli smartare över tid då nya data integreras i din hjärnas kunskapsbas.

Traditionellt anses inte datorer som intelligenta, eftersom de måste ha en spektakulär beräkningskapacitet, måste de programmeras rätt exakt för att utnyttja denna kraft och inte ha möjlighet att integrera inlärning. Snarere måste de omprogrammeras för att omfatta förbättringar - ofta angivna som Program 2.0 för att ange den nyare och förhoppningsvis bättre version av programvaran som körs på datorn.

Maskininlärning är dataförgreningen som innehåller algoritmer för att analysera data som matas in, och via statistisk analys kan man göra en prognos på en utmatning, samtidigt som man införlivar ny data när den blir tillgänglig för att uppdatera den förutsagda utsignalen.

Med andra ord tillåter algoritmen datorn att införliva ny data och uppdatera sin algoritm över tiden, så att inlärning effektivt äger rum. En närstående och ibland betraktad nästan synonymt term är artificiell intelligens - även om vissa skulle argumentera för att artificiell intelligens anses vara den bredare terminen av vilken maskininlärning som är en subtyp.

Fraser maskininlärning går tillbaka till 1959, när Arthur Samuel, en pionjär inom dataspel och artificiell intelligens och en forskningsprofessor vid Stanford University, definierade det som “förmåga att lära sig utan att uttryckligen programmeras”.

Checkers champ

Han hade ett intresse för maskininlärning med avseende på checkers, vilket han uppfattade som ett idealiskt ämne på grund av att spelet var enkelt. På grund av bristen på tillgänglig datorkraft vid den tiden, istället för att försöka köra alla möjligheter, använde hans algoritm alfa-beta-beskärning (en variant av Minimax-algoritmen) för att välja ett drag baserat på positionen av bitarna, inklusive platsen av kungstycken och sannolikheten för en seger.

Han satte sina teorier i bruk i 1961 när hans program vann en match mot Connecticut-statscheckarens mästare, betraktade den fjärde rankade spelaren i landet på den tiden, utlånade trovärdighet till sitt arbete.

Detta banade vägen för mer banbrytande arbete inom maskininlärning. Detta inkluderar den berömda 1997-matchen där IBMs superdator Deep Blue, efter en första förlust året innan, kunde slå världsmästare Garry Kasparov i en serie matcher i det mer komplicerade schackspelet.

Ännu nyligen i 2016 tog Google det ännu mer komplicerade spelet Go, ett populärt kinesiskt brädspel som är känt för sin höga nivå av strategi. Med hjälp av AlphaGo-algoritmen för maskininlärning, en produkt från Google DeepMind, blev en professionell spelare slagen i en imponerande fem på varandra följande spel.

Maskininlärning har tillämpats på mer än bara spel. Under 2012 på Google X Labs, en maskininlärningsalgoritm utformades för att gå igenom YouTube-videor och självständigt identifiera de som har en katt i videoströmmen. Vid 2014 hade Facebook en maskininlärningsalgoritm, DeepFace, som kunde matcha bilder av ansikten till en person med över 97% noggrannhet som närmar sig prestationen hos en typisk människa när det gäller den uppgiften.

För att underlätta fler projekt debuterade Microsoft sin 2015 Distributed Machine Learning Toolkit, som för närvarande innehåller Distributed (Multi-sense) Word-inbäddning för högkvalitativ naturlig språkbehandling.

Tekniken för maskininlärning har också tillämpats på robotar och deras förmåga att självständigt utföra komplexa uppgifter. Det har varit intresse för militära applikationer, och detta har orsakat många tekniska armaturer, inklusive Stephen Hawking och Steve Wozniak, att skicka ett öppet brev till FN.

Deras oro är att den vapna maskininlärningen representerar en “tredje revolutionen i krigföring”. Å andra sidan lovar autonom teknik för att göra bilarna säkrare att köra, och detta visades nyligen med tekniken som implementerades i ett klassiskt fordon, en Ford Mustang från 1965 vid Goodwood Festival of Speed.

Affärsförmåner

Företag har också omfamnat maskininlärning, och ett exempel på detta är automatiserade chatbots som minskar nivåer av kundinteraktion med dyrare kundsupportmedarbetare.

Det finns också en trend att flytta bort från telefonens interaktionsmenyer (“tryck en för detta, tryck två för det”) som generellt irriterar kunder, mot textinteraktion. Till exempel sena 2017 debuterade Royal Bank of Scotland sin nya AI chatbot, Luvo, ett webbchattverktyg som dyker upp på bankens hemsida och frågar om kunden har några frågor.

Målet är att få Luvo hjälp till 10% av kunderna, med förmågan att svara på enkla frågor direkt och rikta andra med mer komplicerade problem till rätt human agent för att ge mer definitiv hjälp. Tanken är att genom att ha Luvo hantera de enklare uppgifterna frigörs mänskliga rådgivare för de mer komplicerade kundfrågorna.

Denna speciella virtuella chatbot drivs av IBMs Watson Conversation-verktyg, allmänt betraktat som en av de mest avancerade AI-motorerna, med en viss styrka i naturligt språkigenkänning. Denna införlivande av maskininlärning i form av en chatbot vid Royal Bank of Scotland, som drivs av kostnads- och tidsbesparingar för kundtjänst, ingår i en bredare trend, vilket andra företag har tagit med sig självklara utdelningar. Emellertid stängde Facebook sin textbaserade chatbot, M, tidigare i år, så övergången är knappast sömlös eftersom det är möjligt att tillämpa användbar applikationer för denna teknik.

Musik i öronen

Maskininlärning har också tillämpats på streaming av musik på nätet. Över på Spotify, den sprawling on demand-musiktjänsten med över 100 miljoner användare, tillämpar företaget maskininlärning för att strömma musik som matchar din musikaliska smak. Speciellt populär är Spotifys "Discover Weekly" -funktion som har det som verkar vara en handplockad lista med låtar som är baserade på dina lyssnarvanor - typ av som en bra vän som känner till dina lyssnarvanor som gör en mixtejp för att presentera dig för nya artister.

Detta uppnås dock genom maskininlärningsalgoritmer som innehåller data från samarbetsfiltrering som analyserar ditt lyssningsbeteende och liknande fans, tillsammans med naturlig språkbehandling som innehåller text och ljudanalys av spåren direkt.

All denna information går igenom företagets maskininlärningsalgoritm för att generera dessa musikplockningar, och detta bidrar utan tvekan till Spotifys popularitet - medan vissa konkurrerande tjänster, som Songza och Pandora, väljer låtar baserade på att man manuellt märker dem utan ytterligare data som Spotify sysselsätter.

Med maskininlärning som kan bli bästa mänskliga mästare vid flera strategiska brädspel har kraften i dessa algoritmer som kan införliva ny data i sin beslutsprocess visat sig tydligt. Och nu har olika branscher, från kundtjänst, genom autonom körning, till kurerad musikströmming visat kraften att även integrera maskininlärningsalgoritmer.

  • Så här använder Google maskinlärning för att hitta det första solsystemet som vår egen