Цікаво спостерігати, як тенденції в розробці програмного забезпечення приходять і йдуть, і спостерігати, як мови стають модними, а потім так само швидко зникають. Коли машинне навчання та штучний інтелект почали знову з’являтися кілька років тому, було легко дивитися на ажіотаж з великою часткою скепсису. AlphaGo, британська компанія, використала глибоке навчання, щоб перемогти майстрів Go. Го - китайська настільна гра, яка дуже складна завдяки величезній кількості комбінацій. Живучи в Китаї в той час, було багато дискусій про панікуючих майстрів Го, які відмовлялися грати на машині через побоювання, що їх техніки будуть викриті або «вивчені» машинами. ШІ-покерний бот на ім’я Лібратус особисто переміг чотирьох найкращих професійних гравців у 2017 році. Це було несподівано, оскільки покер — важка гра для машин. У покері, на відміну від Go, є багато невідомої інформації, що робить його грою з «недосконалою інформацією». Машинні трейдери замінюють людей-торговців у багатьох великих інвестиційних банках. Зростання «кванту» на Уолл-стріт добре задокументовано. Вивчення можливостей працевлаштування в інвестиційних банках виявило тенденцію, яка надає перевагу спеціалістам з математики, науковцям із обробки даних і експертам з машинного навчання. Watson з IBM може робити дивовижні речі, наприклад лагодити ліфт перед перервами, налаштовувати спринклерну систему у винограднику для оптимізації врожайності та допомагати працівники нафтопромислу керують буровою установкою. Незважаючи на ажіотаж, я почав досліджувати та оцінювати потужність методів машинного навчання лише після того, як зіткнувся з проблемами, які було дуже важко вирішити за допомогою існуючих програмних засобів. Сьогодні, після кількох років отримання розуміючи, що можуть зробити ці нові методи та як їх застосовувати, я помічаю, що думаю по-різному про кожну проблему, з якою стикаюся. Майже кожна частина програмного забезпечення може певним чином отримати вигоду від методів машинного навчання. Розробка програмного забезпечення машинного навчання вимагає від нас іншого мислення про проблеми, що призводить до нового способу розподілу наших зусиль щодо розробки. Однак зміни — це добре, і використання машинного навчання з методологією розробки, керованої даними, може дозволити нам вирішити раніше нерозв’язні проблеми. У цій книзі я опишу те, що я відкрив під час своєї подорожі. Я сподіваюся, що це може допомогти вам у ваших майбутніх починаннях програмного забезпечення.