2018թ. մարտի 20-ին ԵՊՀ ԻՄ-ի նորաստեղծ Երիտասարդ ծրագրավորողների (IT) ակումբում կայացավ «Մեքենայական ուսուցումը» թեմայով սեմինար-քննարկումը, որը վարեց ակումբի գիտական ղեկավար, Բնական գիտությունների ֆակուլտետի ծրագրավորման և ինֆորմացիոն տեխնոլոգիաների ամբիոնի տեխ. գիտ. թեկնածու, դոցենտ Աննա Սմբատի Սիմոնյանը:
Քննարկման սկզբում «Վեբ կայքերի դերը ժամանակակից աշխարհում» թեմայով զեկուցում կարդաց «ԻԿՄ» մասնագիտության 1-ին կուրսի ուսանող Սարմեն Բեջանյանը՝ ներկայացնելով իր ստեղծած վեբ կայքը։
Սեմինար-քննարկման ընթացքում ներկայացվեցին Մեքենայական ուսուցման առանձնահատկությունները:
Կլոր սեղանի շուրջ իրականացվեց խաղային մեթոդով քննարկում՝ «Ի՞նչ է սովորող մեքենա կամ մեքենայով սովորելը» թեմայով:
Ա.Սիմոնյանը ուսանողներին ներկայացրեց «Գուշակիր հաջորդ թիվը» մաթեմատիկական հետևյալ խաղը.
«Գուշակեք հաջորդ թիվը.
1,1,2,3,5,8,13, ?
Եթե օգտագործենք Ֆիբոնաչիի հաջորդականությունը.
Xn+1 = Xn + Xn-1 ; -ը, ապա պատասխանը կլինի 21: Սակայն ինչու՞ ոչ այլ թիվ, օրինակ, ինչու՞ ոչ 2799։ Օրինաչափություն չկա՞։ Այն գուցե՞ 20 է։
1,1,2,3,5,8,13, 20
Եթե օգտագործենք.
Xn+1 = é ½ (X1 +… + Xn +n-1) ù առնչությունը, ապա հաջորդ թիվը կստացվի 20»։
Նշվեց, որ այդ հաջորդականությունը 2017թ. հոկտեմբերին Երևանում կայացած «Մեքենայական ուսուցումը՝ գիտական հայտնագործությունների խթան» թեմայով միջազգային աշխատաժողովում Չիկագոյի համալսարանի դոկտոր Մեսրոբ Օհաննեսյանը անվանել է «Կեղծոնաչի»։
Ներկայացված խաղը նպատակ ուներ, որ սուբյեկտը, դիտարկելով անցյալի տվյալները, կարողանա գնահատել ապագա դիտարկումները։
Տրվեց մեքենայական ուսուցման (“Machine learning”) սահմանումը. այն համակարգչային գիտությունների արհեսատական իտելեկտի ենթաբաժին է, որն ուսումնասիրում է ինքնուրույն ուսուցանվող համակարգերի մոդելներն ու դրանց կառուցման և ուսուցման համար նախատեսված ալգորիթմները։ Այն հնարավորություն է տալիս մեքենային փորձնական տվյալների հիման վրա սովորել այն, ինչը բացահայտ ծրագրավորած չէ։ Մեքենայական ուսուցումը նաև սերտ կապված է վիճակագրության և օպտիմիզացիայի հետ։ Այն մաթեմատիկայի և համակարգչային գիտությունների խաչմերուկում գտնվող ուղղություն է, որն ուսումնասիրում է, թե ինչպես կարող են համակարգչային ծրագրերը սովորել կատարել ինչ-որ գործողություններ՝ մեծ թվով օրինակներ նայելով:
Ներկայացվեցին մեքենայական ուսուցման կիրառության ոլորտները.
- Որոնողական համակարգեր (Web search engine)
- Խոսքի ճանաչում (Speech recognition)
- Կենսաինֆորմատիկա (Bioinformatics)
- Ձեռագիր տեքստի ճանաչում (Handwriting recognition)
- Բնական լեզվի մշակում (Natural language processing)
- Համակարգչային տեսլական (Computer vision)
- Կերպարների ճանաչում (Pattern recognition)
- Տեքստի էմոցիաների վերլուծություն (Sentiment analysis):
Նշվեց, որ վերջին տարիներին աշխարհում այդ ուղղությունը զարգանում է մեծ տեմպերով, բոլոր խոշոր համալսարաններն ու տեխնոլոգիական ընկերություններն ունեն այդ թեմայով զբաղվող հետազոտական խմբեր։ Որպես օրինակ նշվեց, որ մեքենայական ուսուցման շնորհիվ “Google DeepMind”-ում մշակված “AlphaGo” ծրագիրը, որը չինական “Go” խաղում կարողանում է հաղթել մարդկանց, “Facebook” սոցիալական ցանցը կույր օգտատերերի համար կարողանում է բառերով նկարագրել լուսանկարները, “Google”-ը բարձրացնում է մեքենայական թարգմանության որակը, “Microsoft”-ը կարողանում է վերծանել ձայնագրություններում հնչող խոսքը և այլն:
Ծավալվեց բուռն քննարկում՝ ակումբի անդամների մասնակցությամբ:
Նշվեց, որ ակումբի հաջորդ քննարկումը նվիրված կլինի վիրտուալ իրականությանը (“Virtual Reality”) և 360 աստիճան տեխնոլոգիային:
Մատնանշելով, որ ակումբը կոչված է բարձրացնելու ուսանողների մասնագիտական հմտությունները, զարգացնելու նրանց պրակտիկ գիտելիքներն ու կարողությունները՝ Ա.Սիմոնյանը ցանկություն հայտնեց, որ ակումբի քննարկումներին մասնակցեն, զեկուցումներով հանդես գան ոչ միայն ուսանողները, այլև դասախոսները կամ հրավիրյալ բանախոսները։
