«Ми вважаємо, що досить важливо, щоб з розвитком штучного інтелекту користувачі знаходили рішення якомога більше різноманітних проблем, що існують у багатьох сферах життєдіяльності населення. Нова програма Google по вивченню ШІ помітно полегшить процес навчання, надаючи доступ до величезного спектру безкоштовного освітнього контенту як для загального, так і для поглибленого вивчення», - написав у своєму твіттері керівник програми навчання Learn with Google AI Зурі Кемп (Zuri Kemp).
«Програмний комплекс розрахований на всіх, від фахівців в сфері ШІ, що шукають вдосконалені навчальні матеріали, до звичайних людей, які просто цікавляться цією індустрією в загальних інтересах», - також пише Кемп.
Освітній курс містить відеоролики від провідних експертів в машинному навчанні і різні вправи з кодування з використанням передових API TensorFlow, які демонструють провідні практики щодо застосування ШІ в провідних країнах світу.
Згідно з даними компанії Google, в освітній програмі вже зареєстровано понад 18 000 користувачів.
А дещо раніше команда UX-розробників Google опублікувала своє бачення того, яким повинен бути штучний інтелект. Зокрема, він повинен вирішувати реальні проблеми людей, пише MIT Technology Review.
«Ми розробили принципи ШІ, орієнтованого на людину, для створення продуктів і систем на базі машинного навчання, - йдеться в блозі компанії. - Якщо ШІ не буде відповідати людським потребам, ви просто збираєтеся створити дуже потужну систему для вирішення вкрай невеликої або, взагалі, неіснуючої проблеми».
На думку розробників Google, штучний інтелект не повинен і не буде визначати, які проблеми вирішувати. Навпаки, він повинен вирішувати вже існуючі проблеми людей. Другий важливий принцип розробки продуктів на базі ШІ - чітко сформулювати цілі алгоритму для користувачів. «Якщо цілі системи непрозорі, і розуміння користувачем їх ролі в калібрування цієї системи неясно, то люди не будуть довіряти програмі», - йдеться в повідомленні.
Крім того, для справжнього успіху продуктів на основі ШІ необхідно зробити так, щоб вони були мультидисциплінарними. Сьогодні алгоритми вирішують тільки одну проблему за раз, але цього недостатньо, вважають в Google.
Машинне навчання - це наука робити прогнози на основі шаблонів і взаємозв’язків, які будуть автоматично виявлені в масиві даних. Тепер робота ШІ-моделей полягає ще і в тому, щоб з’ясувати, наскільки помилковим і наскільки важливим є той чи інший патерн, щоб робити якомога більш правдиві висновки.