Интересно наблюдать, как тенденции в разработке программного обеспечения приходят и уходят, как языки входят в моду, а затем так же быстро исчезают. Когда несколько лет назад машинное обучение и искусственный интеллект начали вновь появляться, легко было смотреть на эту шумиху с большой долей скептицизма. AlphaGo, британская компания, использовала глубокое обучение, чтобы победить мастеров го. Го – китайская настольная игра, очень сложная из-за огромного количества комбинаций. В то время, живя в Китае, было много дискуссий о паникующих мастерах го, которые отказывались играть на автоматах из-за страха, что их техники будут раскрыты или «изучены» машинами. Покерный бот с искусственным интеллектом по имени Libratus индивидуально победил четырех лучших игроков. профессиональные игроки-люди в 2017 году. Это было удивительно, потому что покер — это сложная игра, в которой машины могут освоить. В покере, в отличие от го, много неизвестной информации, что делает его игрой с «несовершенной информацией». Машинные трейдеры заменяют трейдеров-людей во многих крупных инвестиционных банках. Подъем «кванта» на Уолл-стрит хорошо задокументирован. Изучение вакансий в инвестиционных банках выявило тенденцию в пользу специалистов по математике, специалистам по данным и специалистам по машинному обучению. Уотсон из IBM может делать удивительные вещи, например чинить лифт перед перерывами, настраивать спринклерную систему на винограднике для оптимизации урожайности и помогать рабочие нефтяных месторождений управляют буровой установкой. Несмотря на шумиху, только столкнувшись с проблемами, которые было очень трудно решить с помощью существующих программных инструментов, я начал изучать и ценить возможности методов машинного обучения. Сегодня, после нескольких лет получения Понимая, на что способны эти новые методы и как их применять, я ловлю себя на том, что думаю по-разному о каждой проблеме, с которой сталкиваюсь. Почти каждая часть программного обеспечения может в той или иной степени выиграть от методов машинного обучения. Разработка программного обеспечения для машинного обучения требует от нас другого подхода к проблемам, что приводит к новому способу разделения наших усилий по разработке. Однако перемены — это хорошо, и использование машинного обучения с методологией разработки, основанной на данных, может позволить нам решить ранее неразрешимые проблемы. В этой книге я опишу то, что я обнаружил на своем пути. Я надеюсь, что это поможет вам в ваших будущих начинаниях в области разработки программного обеспечения.