یادگیری ماشین دور و بر شما

توی گوشی شما

گوشیتون رو بردارید. همین الان چند تا یادگیری ماشین توش داره کار می‌کنه. بیایید پشت یکیش رو باز کنیم.

یه ایمیل میاد. پیش از اینکه شما ببینید، یه مدل می‌خونتش و می‌گه «هرزنامه‌ست». همه‌ی کاربردهای یادگیری ماشین همین سه تیکه رو دارن: ورودی، مدل، جواب. و پشتشون یه عالمه داده که مدل ازش یاد گرفته.

پنج تا، باز شده

این پنج تا رو احتمالا همین امروز دیدید:

کیبورد یه نکته‌ی قشنگ داره: جوابش رو کسی ننوشته. توی هر متن، کلمه‌ی بعدی خودش جوابه. برای همین داده‌ی آموزشش تقریبا بی‌پایانه. مدل‌های زبانی بزرگ هم همین‌طوری یاد می‌گیرن. درس سه نوع یادگیری.

جایزه‌ی یک میلیون دلاری

سال ۲۰۰۶ یه سرویس اجاره‌ی فیلم یه مسابقه گذاشت: هر کی بتونه پیش‌بینی سلیقه‌ی مشتری‌ها رو دست‌کم ۱۰ درصد بهتر کنه، یک میلیون دلار می‌بره. سه سال طول کشید. ۲۰۰۹ یه تیم برد که چند تا مدل رو با هم ترکیب کرده بود.

ولی جالبش بعدش بود: فهمیدن امتیازی که مردم به فیلم‌ها می‌دن، بهترین نشونه‌ی چیزی که واقعا نگاه می‌کنن نیست. آدم‌ها به یه فیلم مستند پنج ستاره می‌دن و شب یه سریال سبک می‌بینن. برای همین پیشنهادها رو بیشتر از روی رفتار ساختن تا حرف. درسش برای ما: داده‌ی درست، از مدل باهوش‌تر مهم‌تره. ایستگاه داده.

شما دارید یادش می‌دید

اون ایمیل‌هایی که فیلتر هرزنامه ازشون یاد گرفته، از کجا اومدن؟ از آدم‌هایی مثل شما که دکمه‌ی «هرزنامه» رو زدن.

• هر بار «هرزنامه» می‌زنید، یه برچسب تازه می‌سازید.
• هر فیلمی که تا آخر می‌بینید یا وسطش ول می‌کنید، یه نشونه‌ست برای پیشنهادهای بعدی.
• هر کلمه‌ای که از پیشنهادهای کیبورد انتخاب می‌کنید، بهش می‌گه درست حدس زده.

برای همین این ابزارها با گذشت زمان بهتر می‌شن؛ و برای همین، همون حرف درس اول: تجربه‌ی بیشتر، کار بهتر. ولی یادتون باشه هر رفتاری از شما، داده‌ست؛ پس حواستون به اینکه چی رو با کی شریک می‌شید، باشه. درس بعد تاریخچه‌ی کوتاه یادگیری ماشینه: تاریخچه.