Teadlane selgitab, kuidas masinad meid tundma õpivad ({{commentsTotal}})

Tänapäeval on arvutid võimelised koguma, organiseerima ja töötlema suurel hulgal andmeid. Andmed on mahult ja keerukuselt tervikuna ületanud selgelt arusaadavuse piiri traditsioonilise andmeanalüüsi tegemiseks. Kuidas masinõpe toimib, selgitab Tallinna Ülikooli digitehnoloogiate instituudi tarkvaratehnika õpetaja Romil Rõbtšenkov.

Masinõpe on tööriistade ja tehnoloogiate kogum, mis aitab meil andmete abil vastata küsimustele. Selle valdkonna teerajaja Arthur Samuel on nimetanud masinõppeks teadusharu, mis annab arvutitele õppimisvõime ilma neid otseselt selleks programmeerimata.

Arthur lõi programmi, mis mängis virtuaalselt kabet programmi enda vastu tuhandeid kordi. Programm õppis läbi mängukogemuse ja -mustrite selgeks võiduni viivad käigud ning olukorrad, võites lõpuks kabemängus Arthurit ennast.

Masinõppe põhifookus on õppimisel varasemast kogemusest ja varem tehtud otsustest. Võib öelda, et masinõpe on rohkem seotud andmekaevega ja statistilise analüüsiga kui tehisintellektiga.

Tänapäeva infoühiskonnas on palju andmeid, mis kogutakse lisaks masinatele ka inimeste endi, nutikellade ja teiste nutiseadmete poolt. Oleme nüüd toetumas süsteemidele, mis suudavad ise andmetest õppida, tekitada ise analüüsireegleid ja kohaneda andmete muutumisele.

See annab võimaluse masinõppe abil prognoosida ja teha otsuseid, mis parandavad oluliselt meie igapäeva heaolu. Näiteks saame läbi näotuvastuse avada uksi ja häälkäskluste abil juhtida oma kodu.

Praegu on võimalik häälkäsklusi eri seadmetele jagada inglise keeles, kuid 2017. aastal kogus Google eestikeelseid kõnenäited ning peagi on võimalik Google’i toodete ja teenustega suhelda eesti keeles.

Masinõpe toetab autoga navigeerimist, arvestades lühema tee leidmisel sõitja isiklike eelistuste ja reaalaja teeinfoga. Finantssektoris on pikalt olnud kasutusel süsteemid, mis automaatselt tuvastavad pettuseid ja arvutavad krediidireitinguid. Tervishoius on andmepõhise prognoosimise ja varajase märkamise tulemusel võimalik ennetada raskete haiguste teket.

Hariduses on hakatud kasutama kogutud andmeid selleks, et võimalikult varakult märgata abivajavaid õpilasi ja neid õppetöös toetada. Õpilastele on võimalik pakkuda kohandatud ja toetavaid õppematerjale vastavalt nende võimetele.

Need on vaid üksikud näited masinõppe kasutuselevõtust eri valdkondades. Kokkuvõtteks võib öelda, et masinõpe on tänu andmete hulga kasvule ning seadmete arengule, õppinud meid paremini tundma, tehes meie igapäevaelu toimingud mugavamaks ja lihtsamaks.

Toimetaja: Marju Himma



ERR kasutab oma veebilehtedel http küpsiseid. Kasutame küpsiseid, et meelde jätta kasutajate eelistused meie sisu lehitsemisel ning kohandada ERRi veebilehti kasutaja huvidele vastavaks. Kolmandad osapooled, nagu sotsiaalmeedia veebilehed, võivad samuti lisada küpsiseid kasutaja brauserisse, kui meie lehtedele on manustatud sisu otse sotsiaalmeediast. Kui jätkate ilma oma lehitsemise seadeid muutmata, tähendab see, et nõustute kõikide ERRi internetilehekülgede küpsiste seadetega.
Hea lugeja, näeme et kasutate vanemat brauseri versiooni või vähelevinud brauserit.

Parema ja terviklikuma kasutajakogemuse tagamiseks soovitame alla laadida uusim versioon mõnest meie toetatud brauserist: