Доказательство этого — разработки инженеров корпорации Google с участием Томаша Миколова (ученый в области машинного обучения, научный сотрудник Facebook, ранее — Google).
Команда разработчиков переводила слова естественного языка в векторы, совокупность которых составила так называемое «семантическое пространство». Инженеры доказали, что алгебраические операции в этом пространстве сопоставимы с логическими операциями по поиску синтаксических и семантических взаимосвязей слов. Это значит, что компьютер понимает, какой из смыслов многозначного слова в конкретном контексте имеется в виду: он отличает шариковую ручку от дверной, съедобный лук от оружия и даже идентифицирует разницу между поликлиникой-зданием («поверните за поликлиникой») и поликлиникой-структурой («записаться на прием в поликлинику»).
Для рекламодателей это значит, что предложенные к расширению ключевые фразы и динамические объявления будут совершенствоваться по мере развития технологий и потенциально смогут достичь качества ручного труда.
Подводя итог
Тенденции показывают, что машинное обучение будет технически совершенствоваться и охватывать новые неочевидные для измерения данные. Параллельно будут развиваться и преобразовываться в искусственный интеллект инструменты автоматизации рекламы.
Однажды машины тоже научатся реагировать на повестку, анализируя частоту упоминания информации в новостных сводках, ее резонанс. Они научатся шутить, ориентируясь на понравившиеся пользователям публикации. Гипотетически, они научатся делать всё, что подвержено логике и может быть измерено. Но чтобы придумать, как измерить неочевидное, потребуется человеческий ум.
Полностью доверить творческий процесс машинам пока еще нельзя: эмпатия и культурно-исторический контекст, в которых существует пользователь, сейчас не приоритетные направления в развитии машинного обучения.
Критическое мышление как оценка результатов работы машинного обучение с учетом специфики конкретного проекта — привилегия человека.