Q：
なぜ多くの機械学習が舞台裏で一般的なユーザーの目に見えないのですか？
A：機械学習に関するこの基本的な質問では、これらの複雑なプログラムがどのように機能し、今日の経済でどのような役割を果たすかについて、さまざまな側面を考慮しています。
機械学習システムの卓越性の欠如を説明する最も簡単な方法の1つは、それらが簡単に隠れることです。 これらのバックエンドシステムは、推奨エンジンなどの背後に隠れているため、消費者は機械学習が行われていることを忘れることができます。 すべてのエンドユーザーが知っているように、一部の人間は、洗練されたアルゴリズムを実行するニューラルネットワークではなく、慎重に選択肢を選択する可能性があります。
それを超えて、機械学習に関する体系的な教育も不足しています。これは、一部が非常に新しく、一部はSTEMトレーニング全体への投資不足が原因です。 社会として、私たちは一般的に重要な個人を選択して技術について非常に詳細に学び、人口の「技術的聖職者」になってもよいようです。 より広い範囲の戦略は、当然のことながら、高校の2次レベルでの詳細な機械学習と技術指導を含めることです。
もう1つの問題は、機械学習に関するアクセシブルな言語の欠如です。 専門用語は豊富です-アルゴリズム自体のラベルから、人工ニューロンを動かし、ニューラルネットワークをもたらす活性化関数まで。 もう1つの優れた例は、畳み込みニューラルネットワークのレイヤーのラベル付けです。パディングとストライド、最大プーリングなどです。 これらの用語の意味を本当に理解している人はほとんどいないため、機械学習はさらに理解しやすくなります。
アルゴリズム自体は、数学者の用語でまとめられています。 現代および古典の物理学と同様に、これらの分野の学生は、アルゴリズム関数を平易な言語にするのではなく、複雑な方程式を読む技術を習得することになっています。 それはまた、機械学習情報にアクセスしにくくするのにも役立ちます。
最後に、「ブラックボックス」の問題があります。これは、エンジニアでさえ、機械学習プログラムがいくつ動作するかを完全には理解していないという問題です。 これらのアルゴリズムの複雑さと機能をスケーリングしたため、評価と分析結果への透明性と簡単なアクセスが犠牲になりました。 これを念頭に置いて、説明可能なAIに向けた大きな動きがあります。稼働中の機械学習と人工知能をアクセス可能にし、本番環境での不快な驚きを回避するためにこれらのプログラムの動作を把握します。
このすべてが理由を説明するのに役立ちます。今日の技術の世界では機械学習が急成長していますが、それはしばしば「見えない、気にならない」ものです。
