Главная → Дипломатический словарь
Совокупность статистических и вычислительных методов для разработки алгоритмов, в которых машину (компьютер, робота и т.п.) учат думать и действовать подобно человеку на основе полученных данных и опыта.
Машинное обучение — научный подход, позволяющий строить модели (алгоритмы) на основании данных. Алгоритмы машинного обучения находят применение в задачах, где решение не может быть формализовано или запрограммировано: в банковском секторе, статистических исследованиях, бизнес-планировании, инвестиционной политике, поиске фейковых новостей, а также в сфере международных отношений.
Машинное обучение следует отличать от программирования [5]:
- программирование предполагает формирование четкой последовательности действий, которая приведет машину к нужному результату;
- машинное обучение предполагает передачу машине данных и попытку объяснить, что нужно получить на выходе. Цель — научить машину самостоятельно выстроить алгоритм и найти решение.
Понятие «машинное обучение» было введено в 1959 году специалистом компании «IBM» А. Самуэлем [5].
Развитие цифровых технологий в начале XXI века активизировало развитие области машинного обучения. С 2010-х годов технологии машинного обучения развивают такие корпорации, как «Google», «Amazon», «Microsoft», «Сбер», «Яндекс» и др. [5]
Машинное обучение — элемент развития искусственного интеллекта (ИИ). С помощью машинного обучения ИИ получает возможность анализировать данные, запоминать информацию, строить прогнозы, воспроизводить модели и выбирать наиболее подходящий вариант из предложенных [4].
Виды машинного обучения [4]:
- классическое обучение — использование простейших алгоритмов для выполнения формальных задач, например, поиска закономерностей в расчетах;
- обучение с подкреплением — вид обучения, в котором ИИ нужно не просто анализировать данные, а действовать в реальной среде. Такое обучение используют для беспилотников и программного обеспечения на фондовом рынке;
- ансамбли — синхронное обучение сразу нескольких алгоритмов, позволяющее им учиться на ошибках друг друга. Ансамбли работают в поисковых системах;
- Глубинное обучение (англ. deep learning) — передовой метод, в рамках которого искусственные нейронные сети (работающие подобно человеческому мозгу) обучаются на огромных объемах данных.
Построение алгоритмов системами с машинным обучением позволяет увидеть в них «Байесовскую сеть» — вероятностную модель в виде графика, который определяет вероятность различных событий. Например, вероятность того, что «событие А» произойдет, при условии, что «событие В» произойдет или нет [3]. Такая модель может быть использована для прогнозирования и оценки потенциальных рисков.
Цифровая трансформация сферы международных отношений требует изменений в подготовке специалистов-международников. Ведущие университеты вводят в учебные планы изучение языков программирования и принципов машинного обучения [2].
Технологии ИИ и машинного обучения применимы в процессе ведения переговоров. Использование систем с машинным обучением способно предложить вероятные сценарии предстоящих переговоров, обеспечивая наилучшую подготовку делегации. Математические подходы, лежащие в основе машинного обучения, помогают в свою очередь свести к минимуму эмоциональный фактор в случае обсуждения дипломатами проблематики урегулирования конфликтных ситуаций [1].
Системы с машинным обучением потенциально применимы в сфере публичной дипломатии, при поиске материалов для анализа ситуации в мировой политике.
С 2018 года МИД КНР начал тестирование ИИ и машинного обучения для планирования своей внешней политики. В 2021 году о схожем проекте было заявлено в Швейцарии [1].
В России технологии машинного обучения востребованы у представителей среднего и крупного бизнеса, в исследовательской сфере. Производится поиск возможности применения технологий машинного обучения в сфере государственного управления и внешнеполитической деятельности.
См. также: Искусственный интеллект в принятии политических решений
Обновлено: 28 декабря 2023 г.