Технологии
Статья, опубликованная в журнале «Гарвард Бизнес Ревью Россия»

Машинное обучение: инструкция для опоздавших

Ави Голдфарб , Аджай Агравал , Джошуа Ганс
Иллюстрация: Peter Greenwood

В последнее десятилетие стремительно развивается машинное обучение — один из самых захватывающих разделов искусственного интеллекта. Метод, с помощью которого можно спрогнозировать результат по входным данным, помог таким гигантам, как Amazon, Apple, Facebook* и Google, вывести свои продукты на новый уровень. А стартапы подстегнул к запуску новых продуктов и платформ, часть из которых может конкурировать с аналогами от техгигантов.

Возьмем, к примеру, канадскую компанию BenchSci, которая разрабатывает систему, позволяющую ускорить вывод лекарств на рынок. Цель компании — сделать иголки в стоге сена более заметными. BenchSci помогает ученым быстрее найти необходимую информацию во внутренних базах данных фармацевтических фирм и в публикациях научных исследований. Перед тем как отправить потенциальное лекарственное средство на клинические испытания, ученые должны провести эксперименты, на которые уходит много времени и средств. В BenchSci поняли, что можно тратить меньше ресурсов и приходить к лучшему результату, если обращаться к наработкам огромного количества более ранних экспериментов.

* деятельность на территории РФ запрещена

Об авторах

Ави Голдфарб (Avi Goldfarb) — профессор кафедры искусственного интеллекта и здравоохранения в Школе менеджмента Ротмана, ведущий специалист по статистике, машинному обучению и искусственному интеллекту в Creative Destruction Lab.

Аджай Агравал (Ajay Agrawal) — профессор кафедры предпринимательства и инноваций в Университете Торонто, основатель Creative Destructive Lab.

Джошуа Ганс (Joshua Gans) — профессор кафедры технических инноваций и предпринимательства в Школе менеджмента Ротмана, ведущий экономист Creative Destruction Lab.

Полная версия статьи доступна подписчикам на сайте