Приложение может быть по-настоящему умным и принимать решения на основе обработанной информации, которую получает из внешнего мира. Совсем как человек. Только человеку помогает действовать опыт, в то время как в приложение необходимо вложить определенные алгоритмы действий методами машинного обучения.

Почему машинное обучение сегодня в тренде?

Мы знаем, как быстро развивается робототехника, как вдохновлено человечество на создание машин, которые могли бы снизить риск человеческих ошибок и повысить уровень наших возможностей в промышленности, медицине, космонавтике, науке. Все эти тенденции ведут к повышению качества жизни.

Также развитие таких технологий позволяет сделать умные гаджеты и программы доступными для использования в быту, бизнесе и для развлечения.

Недавно современные технологии стали доступны и для мобильной разработки, а приложения — это то, что используют многие, ведь для таких программ нужен лишь смартфон. И если раньше приложения разрабатывались в основном для развлечения и повседневных целей, то сегодня приложения становятся все более сложными и эффективными инструментами для решения бизнес-задач.

Как происходит машинное обучение?

Технология машинного обучения — это подраздел искусственного интеллекта. Без искусственного интеллекта никакой магии не произойдет, ведь в этом случае нечего обучать.
Искусственный интеллект оперирует числами. Поэтому задача разработчика — перевести необходимую информацию в математическую плоскость.
Но все-таки как в приложение закладывается «опыт», с помощью которого он принимает решение? Если просто и кратко, то с помощью известных со школы методов индукции и дедукции.
1. Дедукция, или экспертный метод, помогает наделить приложение теми знаниями, которыми мы уже обладаем. К примеру, мы знаем из медицинского справочника, что симптомы простуды — это кашель, высокая температура, озноб. Эту информацию мы доносим до приложения в понятном ему числовом формате. Но этих данных явно не хватит, чтобы точно отличить простуду от воспаления легких.
2. Второй метод основан на индукции, другими словами на эмпирических данных. Для обучения приложения разработчик собирает репрезентативную базу примеров, показывает их приложению, и оно само выявляет закономерности, а затем может делать выводы на основе самостоятельно полученной информации. Разница лишь в том, что возможности компьютера намного мощней человеческого внимания, памяти, аналитических способностей. Именно метод индукции является самым важным в машинном обучении, потому что дает самые верные результаты.
Звучит довольно просто, но на самом деле разработка таких приложений — трудоемкий процесс. К примеру, одна из важных задач — собрать репрезентативную базу примеров, которая явно отражала бы реальные задачи приложения. И это только начало разработки по-настоящему разумного приложения. Далее идет «перевод» данных на язык приложения, написание сложного алгоритма, тестирование. Не все разработчики сегодня на это способны, но трудозатраты стоят результата.

Как мы применили машинное обучение в разработке приложения?

В разработке первого мобильного детектора лжи — приложения Verity — мы использовали технологию машинного обучения. Приложение распознает ложь по мимике человека, который говорит на камеру, а также по другим метрикам (изменение пульса, движение зрачков). Все данные собираются с помощью технологии компьютерного зрения.

Чтобы приложение вынесло правдивый вердикт, мы заложили в искусственный интеллект два вида паттернов. Первый вид мы получили экспертным методом, использовав исследования известных теоретиков лжи Алан Пиза и Пола Экмана.

Второй вид паттернов основывается на реальных прецедентах. Мы собрали репрезентативную группу людей разного пола и возраста и попросили их врать или говорить правду на камеру.
Теперь, когда пользователь приложения хочет проверить кого-то на ложь, он снимает ответ на камеру. Приложение мгновенно обрабатывает информацию о мимике и другие метрики, сравнивает результат с паттернами двух типов и выдает сбалансированный вердикт — эта мимика больше похожа на мимику человека, который лжет или который говорит правду?
Таким образом мы научили приложение делать вердикты на основе самостоятельно полученных данных.
Подробнее о приложении читайте в кейсе.

Чему вы хотите обучить ваше приложение? Давайте обсудим! Пишите на info@punicapp.com.