network, generative adversarial network, machine learning).
machine ethics – машинная этика, моральность (нравственность) машин; моральность, этика вычислений # часть (ветвь, составляющая, направление) этики искусственного интеллекта (ИИ), представляющая принципы нравственного поведения машин, оснащённых средствами ИИ и называемых также агентами ИИ (AI agent). Машинная этика отличается от других направлений этики, связанных с инженерией и технологиями; её не следует путать также с компьютерной этикой (computer ethics), фокусирующейся на проблемах использования компьютеров человеком. Синонимы – machine morality, computational morality, computational ethics (см. также AI ethics, AI robot, ethics).
machine intelligence (MI) – машинный интеллект, искусственный интеллект, ИИ # более распространённый в Европе аналог термина artificial intelligence. Применяется для обозначения всей области ИИ.
machine learning (ML) – 1. машинное самообучение # об устройстве со средствами самообучения, способном увеличивать свою производительность, эффективность или улучшать другие аспекты работы на базе предшествующего опыта (см. также incremental learning);
2. обучение машин, машинное обучение, МО # общая цель машинного обучения – разработка программ, которые могут учиться на основе данных и делать прогнозы на основе результатов этого обучения. Одно из самостоятельных центральных направлений ИИ. Машинное обучение по своей природе является междисциплинарной областью, оно обобщает результаты и идеи, связанные с нейросетевыми вычислениями, эволюционными и генетическими алгоритмами, нечёткими множествами и др. Прикладное машинное обучение совмещает в себе математические методы и эмпирические приёмы, оно тесно связано со статистикой и интеллектуальным анализом данных (data mining). По определению Тома Митчелла (Tom Mitchell), компьютерная программа обучается, если её производительность при выполнении определённой задачи, выраженная в измеряемых единицах, увеличивается по мере накопления опыта. При этом все алгоритмы обучаются на тестовых примерах и умеют применять полученный опыт к новым, ранее не встречавшимся случаям, то есть способны к обобщению. Термин в 1959 г. ввёл американский учёный Артур Самуэль (Arthur Samuel, 5 декабря 1901 – 29 июля 1990), который был пионером в области компьютерных игр, искусственного интеллекта и машинного обучения, в следующей формулировке: “Машинное обучение – это область исследований, цель которых заключается в том, чтобы дать компьютерам возможность обучаться, не будучи явно запрограммированными”. Различают три вида алгоритмов обучения машин – а) контролируемое обучение, обучение с учителем (supervised learning), при котором наборы данных (data set) маркируются, размечаются таким образом, чтобы можно было выявлять паттерны для использования при разметке новых наборов данных; б) неконтролируемое обучение, обучение без учителя (unsupervised learning), при котором наборы данных не размечаются, а сортируются с учётом их сходств или различий; и в) стимулированное обучение, обучение с подкрплением (reinforcement learning), при котором наборы данных не размечаются, но после выполнения некоторого действия или нескольких действий система ИИ получает соответствующую обратную связь. Само обучение состоит из двух больших этапов: на первом (этапе обучения) – по обучающей выборке строится предсказывающий алгоритм, а на втором (этапе применения) – по контрольной выборке получают результаты работы этого алгоритма. Методы МО очень активно развиваются: так, недавно появилось распределённое МО, позволяющее существенно сократить время обучения. Например, machine learning software – ПО для обучения машин. Синоним – statistical learning (см. также artificial intelligence, deep learning, expert system, genetic programming, machine learning algorithm, machine learning library, nonparametric model, one-shot learning, overfitting, parametric model, supervised machine learning, zero-shot learning);
3. см. teach-in.
machine learning algorithm (ML algorithm) – алгоритм машинного обучения, алгоритм МО # см. также learning algorithm, machine learning, machine learning library.
machine learning application (ML application) – приложение для машинного обучения, для МО # см. также application, machine learning library.
machine learning efficiency (ML efficiency) – эффективность машинного обучения, эффективность МО # в ВТ – производительность программно-аппаратных средств, на которых проводится обучение (см. также learning efficiency, machine learning).
machine learning library (MLlib) – библиотека для машинного обучения # библиотека, содержащая методы для построения систем машинного обучения, а также написанные на ЯВУ программы для быстрой реализации алгоритмов машинного обучения, для классификации изображений, для моделирования и др.
machine learning model (также model, ML model) – 1. модель машинного обучения, модель МО – см. machine learning operationalization;
2. модель # результат, полученный при обучении алгоритма машинного обучения с использованием конкретных данных (см. также machine learning, machine learning algorithm).
machine learning operationalization (MLOps) – операционализация машинного обучения, система, технология и программная платформа MLOps # предоставляет инструменты, которые упрощают создание, развертывание и обслуживание систем ИИ; это также быстрый и безопасный путь к внедрению методов и средств искусственного интеллекта (ИИ) благодаря автоматизации развёртывания, гармоничной интеграции и управления машинным обучением (МО) в бизнесе и в производстве, причём с минимизацией рисков и сложности возможных проблем. Рассчитана на полный жизненный цикл всех корпоративных средств машинного обучения в производстве, позволяет учёным, занимающимся проблемами работы с данными (data scientist), ИТ-специалистам и бизнес-аналитикам (business analyst) эффективно выполнять совместные проекты по машинному обучению, причём без необязательных, излишних коммуникаций. Основные компоненты и функции системы: а) развёртывание и управление (Deploy & Manage) – автоматический контроль процессов-конвейеров (pipeline validation) на реальных производственных данных перед запуском; запуск многих процессов в любой инфраструктуре в один клик; управление параметрами моделей, конфигурированием и зависимостями; б) автоматическая гармоничная интеграция (automate orchestration) – координированное взаимодействие между процессами логического вывода и обучения (inference & training pipelines); гибкие политики обновления моделей, координация состояний и поведения для взаимосвязанных процессов; в) мониторинг и диагностика (Monitor & Diagnose) – выявление некорректных прогнозов с помощью индикаторов работоспособности ML Health; оперативное разрешение проблем благодаря моментальным снимкам состояния модели и откатам; повышение производительности МО благодаря отличной визуализации и аналитики поведения системы; г) сотрудничество (collaborate) – команды разных специалистов могут эффективно взаимодействовать с помощью разделяемых и ролевых экранных инструментальных панелей (shared & role-based dashboard); учёные по данным преобразуют экспертные знания в привычные последовательности технологических операций; ИТ-специалисты и эксплуатационники передают учёным и бизнес-аналитикам живую, реальную информацию обратной связи (см. также AI, AI system, machine learning, MLOps platform, Ops, orchestration).
machine-learning paradigm – парадигма машинного обучения # см. также machine learning.
machine learning pipeline – конвейер машинного обучения, конвейер МО # см. также machine learning.
machine learning practitioner – практик в области машинного обучения # см. также machine learning scientist.
machine learning research – исследования в области машинного обучения # см. также machine learning.
machine learning scientist – учёный в области машинного обучения # см. также machine learning, machine learning practitioner, machine learning research.
machine learning software – ПО машинного обучения – см. machine learning.
machine perception – машинное восприятие, компьютерное восприятие # в обработке изображений – выделение из изображения информации в форме, пригодной для компьютерной обработки (см. также motion perception).
machine processing – автоматизированная обработка, машинная обработка, станочная обработка # технологический
