Q:
Tại sao có quá nhiều máy học đằng sau hậu trường - ngoài tầm nhìn của người dùng thông thường?
A:Câu hỏi cơ bản này về học máy có tính đến nhiều khía cạnh khác nhau về cách thức các chương trình phức tạp này hoạt động và vai trò của chúng trong nền kinh tế ngày nay.
Một trong những cách dễ nhất để giải thích sự thiếu nổi bật của các hệ thống máy học là chúng dễ bị che giấu. Các hệ thống back-end này ẩn đằng sau các công cụ khuyến nghị và hơn thế nữa, cho phép người tiêu dùng quên rằng có bất kỳ quá trình học máy nào đang diễn ra. Đối với tất cả người dùng cuối đều biết, một số người có thể cẩn thận lựa chọn thay vì mạng thần kinh chạy các thuật toán tinh vi.
Ngoài ra, còn thiếu một nền giáo dục có hệ thống về học máy, một phần vì nó quá mới và một phần do thiếu đầu tư vào đào tạo STEM nói chung. Dường như với tư cách là một xã hội, chúng ta thường ổn với việc lựa chọn các cá nhân quan trọng để tìm hiểu về công nghệ với bất kỳ chi tiết tuyệt vời nào, và để trở thành các linh mục công nghệ của thành phố. Một chiến lược phổ rộng hơn sẽ bao gồm hướng dẫn học máy và công nghệ chi tiết ở cấp trung học ở các trường trung học như một vấn đề tất nhiên.
Một vấn đề khác là thiếu ngôn ngữ có thể truy cập xung quanh máy học. Jargon có rất nhiều - từ nhãn của các thuật toán, đến các chức năng kích hoạt cung cấp năng lượng cho các nơ-ron nhân tạo và dẫn đến các mạng lưới thần kinh. Một ví dụ tuyệt vời khác là việc ghi nhãn các lớp trong mạng nơ ron tích chập - đệm và sải chân và gộp tối đa và hơn thế nữa. Hầu như không ai thực sự hiểu những thuật ngữ này có nghĩa gì, và điều đó làm cho việc học máy trở nên khó hiểu hơn.
Các thuật toán tự nó đã trở thành đi văng theo cách nói của các nhà toán học. Như với vật lý hiện đại và cổ điển, sinh viên của các ngành này được cho là thành thạo nghệ thuật đọc các phương trình phức tạp, thay vì đưa các hàm thuật toán vào ngôn ngữ đơn giản. Điều đó cũng phục vụ để làm cho thông tin học máy ít truy cập hơn.
Cuối cùng, có vấn đề về hộp đen trên mạng, trong đó ngay cả các kỹ sư cũng không thực sự hiểu đầy đủ về bao nhiêu chương trình học máy. Khi chúng tôi đã mở rộng mức độ phức tạp và khả năng của các thuật toán này, chúng tôi đã hy sinh tính minh bạch và dễ dàng truy cập vào các kết quả đánh giá và phân tích. Với suy nghĩ này, có một sự chuyển động lớn đối với AI có thể giải thích - hướng tới việc giữ cho máy học hoạt động và trí tuệ nhân tạo có thể truy cập được và kiểm soát cách thức các chương trình này hoạt động để tránh những bất ngờ khó chịu trong môi trường sản xuất.
Tất cả những điều này giúp giải thích lý do tại sao, mặc dù học máy đang phát triển mạnh trong thế giới công nghệ ngày nay, nhưng nó thường bị khuất tầm nhìn, mất trí.
