מדוע אנשים מדברים על נקודת ההפצה ללימוד מכונה?

ש:

מדוע אנשים מדברים על "נקודת ההפצה" ללימוד מכונה?

מספר לא מבוטל של מומחים מתריע לאחרים על הרעיון שלמידה במכונה אמורה להתפוצץ בשנים הקרובות כתעשייה מתפתחת. כאלמנט ספציפי בעבודת בינה מלאכותית, למידת מכונות מסתמכת על אלגוריתמים מתוחכמים ומערכות אימון נתונים כדי לפתח תגובות הסתברותיות מורכבות הניתנות ליישום כמעט לכל סיטואציה או ענף. עם זאת, אימוץ למידת מכונה בקהילה הארגונית הולך וגדל ככל שחברות מנסות להיות הראשונות בין מתחרותיהן שמפעילות למידת מכונה באמת בדרכים ספציפיות.

היישומים העסקיים הם רק צד אחד בצמיחה הפוטנציאלית של למידת מכונות. חברות גם מגלות כי טכנולוגיות חכמות ומוצרים חכמים יותר הולכים לפתוח דור חדש של מוצרי צריכה ושירותים פונקציונליים יותר.

אנשים מדברים על "נקודת ההפצה" של למידת מכונות כסופת התקדמות מושלמת בחומרה, אלגוריתמים ונתונים. סקירת העסקים של הרווארד מזכירה את שלושתן בקטע יולי שדן בפיצוץ של לימוד מכונות. כמובן, נתונים גדולים הם אולי החצוצרה ביותר בעיתונות הטכנולוגית; מבין שלושת המרכיבים הללו, נתונים גדולים כבר התפוצצו בעשר השנים האחרונות. עם זאת, האלגוריתמים עצמם התפתחו גם באופן די משמעותי.

מרכיב נוסף עליו כל כך הרבה אנשים מדברים הוא החומרה שמניעה יישומים ללימוד מכונות נפוצים יותר.

בעיקרו של דבר, חברות עוברות תהליך של פיתוח מעגלים ושבבי מעבד ספציפיים ליישום המיועדים להתמודדות עם למידת מכונה, במקום להתאים לטכנולוגיות מעגלים מסורתיים להתמודד עם המספר הגדול של התשומות והחישובים הכרוכים בקבלת החלטות הסתברותיות. כמה טכנולוגיות הפניה כגון יחידת עיבוד Tensor של גוגל או TPU ומוצרים אחרים שנבנו במיוחד כדי לאפשר חישוב למידת מכונה, למשל, באמצעות מערכי שער לוגיקה ניתנים לתכנות.

כל המגמות הללו מתאחדות במטרה להציג ביקוש הולך וגובר למערכות ומיומנויות למידת מכונות שאליהן מנהלים ואחרים נותנים תשומת לב רבה ככל שהם מחשיבים את עתיד הטכנולוגיה העסקית בשנת 2018 ומעבר לה.