Ebook Jak działają ludzie. Co nauka może nam powiedzieć o życiu, miłości i relacjach mobi,epub

dane, a jej nieprzeciętna moc stanowi cechę wyróżniającą nasz gatunek. Wszyscy nosimy w głowach superkomputery. Mimo to wahamy się przy podejmowaniu codziennych decyzji. (Kto z nas nie łamał sobie nigdy głowy nad tym, w co się ubrać, jak sformułować mejla albo co przygotować na obiad?) Mówimy, że nie wiemy, co mamy o czymś myśleć albo że czujemy się przytłoczeni informacjami i możliwościami wyboru, jakie nas otaczają. Przecież nie powinno tak być, skoro dysponujemy tak potężną maszyną, jak mózg. Jeśli chcemy poprawić swój proces podejmowania decyzji, powinniśmy nauczyć się lepiej wykorzystywać narząd przeznaczony właśnie do tego celu. Maszyny są być może kiepskim odpowiednikiem ludzkiego mózgu - brakuje im kreatywności, elastyczności i soczewki emocjonalnej - ale mogą nas wiele nauczyć na temat skuteczniejszych sposobów myślenia i podejmowania decyzji. Przyglądając się nauce stojącej za uczeniem maszynowym, możemy poznać różne sposoby przetwarzania informacji i udoskonalić nasze podejście do podejmowania decyzji. Komputery mogą nauczyć nas wielu różnych rzeczy na temat procesu decydowania i to właśnie o nich opowiem w tym rozdziale. Jedna z tych lekcji może się jednak wydawać osobliwa i nieintuicyjna. Aby lepiej podejmować decyzje, nie musimy być wcale bardziej skupieni, zorganizowani ani uporządkowani w swoim podejściu do interpretowania informacji. Można by się spodziewać, że właśnie w tym kierunku popchnie nas uczenie maszynowe, jednak w rzeczywistości jest odwrotnie. Jak za chwilę wyjaśnię, algorytmy osiągają doskonałe wyniki właśnie dzięki zdolności do pozostawania nieuporządkowanymi, do rozwijania się wśród złożoności i przypadkowości oraz do skutecznego reagowania na zmieniające się okoliczności. Tymczasem my, ludzie, jak na ironię, mamy skłonność do poszukiwania w swoim myśleniu podobieństw i prostych szablonów, uciekamy przed złożoną rzeczywistością, do której maszyny podchodzą po prostu jak do kolejnej porcji danych. Nam, ludziom, przydałoby się trochę takiej jasności postrzegania i gotowości do bardziej złożonego myślenia o sprawach, które nigdy nie będą proste i przejrzyste. Czas przyznać, że twój komputer jest lepszy w nieszablonowym myśleniu niż ty. Ale jest też dobra wiadomość: może nas tego nauczyć. Uczenie maszynowe - podstawy Uczenie maszynowe to pojęcie, które być może zdarzyło ci się słyszeć przy okazji innego szeroko omawianego terminu, jakim jest sztuczna inteligencja (z ang. artificial intelligence, w skrócie AI). Często przedstawia się ją jako kolejny wielki koszmar science fiction. Jest to jednak zaledwie kropla w oceanie najpotężniejszego komputera znanego ludzkości - tego, który siedzi w twojej głowie. Zdolności mózgu do świadomego myślenia, intuicji i wyobraźni pozostawiają daleko w tyle każdy program komputerowy, jaki udało się dotąd stworzyć. Algorytmy mają niewiarygodną moc przetwarzania ogromnych ilości danych i identyfikowania trendów oraz wzorców, do których znalezienia zostały zaprogramowane. Ale są też przeraźliwie ograniczone. Uczenie maszynowe to gałąź AI. Założenie jest proste: karmimy algorytm dużą liczbą danych, on uczy się wzorców czy też je wykrywa, a następnie przykłada je do nowo napotkanych informacji. W teorii im więcej danych się wprowadzi, tym lepiej algorytm jest w stanie zrozumieć i zinterpretować analogiczne sytuacje, które przedstawi mu się w przyszłości. To właśnie uczenie maszynowe pozwala komputerowi odróżnić kota od psa, zbadać naturę choroby czy oszacować, ile energii będzie potrzebne w danym domu (a nawet w całym kraju) w danym okresie. Nie wspominając o takich osiągnięciach, jak wygrywanie w szachy albo w go z profesjonalnymi zawodnikami. Tego typu algorytmy otaczają nas zewsząd i przetwarzają niewiarygodną liczbę danych po to, by określać wszystko, począwszy od tego, który film na Netfliksie ci polecić, a skończywszy na tym, kiedy twój bank ma uznać, że prawdopodobnie cię oszukano, albo które mejle należy wrzucić do spamu. Choć takie programy komputerowe bledną niemal zupełnie przy ludzkim mózgu, to i tak mają nam coś do powiedzenia o tym, jak skuteczniej wykorzystywać nasze komputery umysłowe. Aby to zrozumieć, przyjrzyjmy się dwóm najpowszechniej stosowanym technikom uczenia maszynowego: uczeniu nadzorowanemu i nienadzorowanemu. Uczenie nadzorowane Uczenie maszynowe nadzorowane polega na tym, że mamy już w głowie konkretny wynik i programujemy algorytm tak, żeby go uzyskał. To trochę jak w podręcznikach do matematyki, w których można sprawdzić rozwiązanie na ostatniej stronie, a potem trzeba wymyślić, jak do niego dojść. Nazywa się to uczeniem nadzorowanym, ponieważ programista z góry zna odpowiedzi. Pytanie tylko, jak sprawić, żeby algorytm zawsze dochodził do właściwego