Впоследствие се оказа, че Tей използва комбинация от изкуствен интелект и редактирано съдържание, а в повечето случаи всъщност просто повтаря постове на други Twitter потребители. Един от аргументите, че дори само повтаряйки чужди неонацистки възгледи, ботът се учи и може да бъде опасен, е неоснователен, смятат експертите. Защото дори да се "научи", вероятният резултат е просто да продължи да го повтаря - нищо повече или по-малко. По същия начин чатботът на чат услугата на Facebook Messenger, чиято идея е след време да замести обслужването на клиенти, или познатите от години разговарящи с нас програми като Siri на iOS, всъщност не са истински примери за дълбокото машинно обучение, а просто механизми с предварително зададени варианти за реакции.

Много умни възможности

Машинното обучение е много по-комплексен процес, основан на анализа на големи масиви данни и насочен към създаването на прогнози. Това е аналитичен метод, чрез който от наличните данни програмата сама да произведе решение. И тъй като може да обработи много по-бързо, обективно и ефективно огромно количество информация, да намери "скрити" в данните изводи. Същото това машинно обучение разкрива почти необятни възможности за неспециалисти в програмирането, като лекари или сеизмолози например, да използват потенциала на компютрите си, без да се налага да пишат специални програми.

Един от най-впечатляващите примери за приложението на технологията идва от Regenstrief Institute в Индиана, САЩ и Purdue University в Индианаполис, които наскоро публикуваха научен труд, посветен на използването на машинно обучение в здравния сектор. Те откриват вече съществуващи алгоритми и инструменти за машинно обучение с отворен код, които се оказват поне толкова добри, колкото специалистите при откриването на признаци на раково заболяване.

В САЩ има отворени регистри, съдържащи данни за всеки един открит случай на рак, неговото развитие, идентификации на рискови групи. Regenstrief Insitute успешно демонстрира, че компютър може да улесни процеса, като автоматично проверява и извлича смисъл от картони и патологични справки.

"Всичко - лекарските практики, системите за здравеопазване, застрахователи - са залети от океани данни. Хората не могат да го обработят, но компютрите могат", обяснява смисъла д-р Шон Гранис. Той е архитект на вече използващата се в Индиана система Emergency Surveillance System. Един от неговите експерименти показва, че с нея се откриват огнища на зараза и потенциално застрашени групи седем до девет дни по-рано, намират се четири пъти повече патологични случаи, отколкото хората докладват, и данните са много по-пълни.

Освен инструменти с отворени кодове големите компании също започнаха да работят върху възможността за преобръщане на здравния сектор с технологични инструменти. IBM например създаде суперкомпютъра Watson - софтуер, който събира и анализира данни от различни болници, кабинети, градове и щати и може да ги анализира по зададен параметър.

Те слушат, виждат и пишат

Освен тези дескриптивни умения обаче самоучещите се програми владеят още редица трикове. С такъв софтуер например можете да научите компютъра си да разпознава и дори назовава лица, предмети, позиции, цветове, емоции просто като го оставите да разглежда снимки. Още през 2012 г. Google обяви, че има алгоритъм за дълбоко машинно обучение, който за около месец гледане на видео в YouTube успява самостоятелно да се научи да разпознава хора и животни. "Концепцията е много подобна на тази, по която хората учат - не като им се казва какво виждат, а като го наблюдават сами", обяснява Джеръми Хауърд, изпълнителен директор на американската компания за машинно обучение Enlitic на своя лекция за TED. По неговите думи процентът на грешки, които компютърът допуска в ситуации на самообучение, са едва около 6%.

Има и още по-напреднали самоучещи се програми, които могат да разпознават снимки и да ги описват. Пример за такава технология е разработката на българската компания Imagga, която прави точно това - разпознава обекти и ги описва с ключови думи. Софтуерът на Imagga помага за организиране на изображения, в която всяка качена снимка автоматично се категоризира и се добавят ключови думи според съдържанието си. Това дава възможност на бизнесите, които работят с огромни масиви изображения, да ги използват много по-лесно и да монетизират огромните количества дигитални данни, които съхраняват.

Машинна революция

Разбира се, няма как да не изникне въпросът колко умни могат да станат компютрите и какво ще им се прииска после. За Джеръми Хауърд машинната революция, от която мнозина се страхуват, изглежда като огромна възможност. Според него в недалечно бъдеще компютрите ще са способни за извършват около 80% от труда, който днес е немислим без човешки фактор. Това от своя страна би довело до своеобразна революция не само на трудовия пазар, където ще се търсят софтуерни специалисти и анализатори на данни, но и в социалния живот изобщо. Донякъде успокояващ е фактът, че машинното обучение още не е завладяло много сектори, а програми като Tей са все още глупави. Но има задачи, за които самообучаващите се програми успяват с помощта на един човек за 15 минути да заместят седемгодишен труд на шестчленен екип. В задачата се пита колко време ще им отнеме до пълно глобално приложение.