Hogyan tanul valójában a mesterséges intelligencia (Minden túlzás nélkül)
Az édesanyád receptes könyve
Hadd meséljek az édesanyámról. Ő süti a legjobb almás pitét, amit valaha kóstoltam. Tökéletes. Minden egyes alkalommal.
A lényeg: soha nem használt receptet. Egyszer sem. Negyven éve süti azt a pitét. Csak tudja, mi működik.
Hogyan tanulta meg?
Az édesanyja receptjével kezdte. Az első pite? Egész rendben volt. A második? Tett bele egy kicsit több fahéjat, mert az első ízetlen volt. A harmadik? Kevesebb cukrot, mert a második túl édes volt. A negyedik? Több vajat a tésztába, mert túl száraz volt.
Évről évre, pite pite után finomított. Észrevette a mintázatokat. „Ha az alma túl savanyú, tegyél bele több cukrot. Ha édes, kevesebbet. Ha párás az idő, kevesebb vizet használj a tésztához. Ha száraz, többet.”
A tapasztalatból tanult. A visszajelzésekből. Abból, hogy több száz pitét sütött, és észrevette, mi vált be és mi nem.
Pontosan így működik a gépi tanulás. Csak ahelyett, hogy pitét sütnének, a számítógépek előrejelzéseket készítenek. És negyven év helyett néhány óra alatt teszik meg.
Megmutatom, hogyan.
Mit jelent valójában a „tanulás” (a gépek számára)
Amikor az emberek azt mondják, hogy egy számítógép „megtanult” valamit, nem arra gondolnak, hogy megértette. Arra, hogy gyakorlással jobb lett egy feladatban.
Az édesanyám nem értette a kémiáját annak, hogyan lesz a vajtól pelyhes a tészta. Csak tudta, hogy az lesz. Felfedezett egy mintázatot: több vaj egyenlő pelyhesebb tészta. Ez a tanulás.
A számítógépek ugyanezt teszik, csak pite helyett adatokkal.
Mondok egy valós példát, amellyel nap mint nap találkozol: az e-mailjeid spam szűrője.
A régi módszer (a tanulás előtt)
Kézi szabályok, amelyek folyamatosan meghiúsultak
Valakinek szabályokat kellett írnia: „Ha az e-mailben az áll, hogy ’nigériai herceg’, az spam. Ha az áll, hogy ’Lottót nyertél’, az spam. Ha tíznél több felkiáltójel van benne, az spam.”
A probléma? A spammerek alkalmazkodtak. Elkezdték azt írni, hogy „N1gér1ai herceg” vagy „L0ttót nyertél”. A szabályok meghiúsultak. Valakinek kézzel kellett új szabályokat írnia. Újra és újra. Örökké.
Az új módszer (tanulással)
A számítógép maga találja meg a mintázatokat
Mutatsz a számítógépnek 10 000 e-mailt. „Ez az 5000 spam. Ez az 5000 valódi.” A számítógép megnézi őket, és olyan mintázatokat talál, amelyek keresésére soha nem kérted:
- → A spam e-mailekben gyakran bizonyos szavak szerepelnek együtt
- → Meghatározott típusú e-mail címekről érkeznek
- → Szokatlan írásjel-mintázatokat mutatnak
- → A bennük lévő linkek konkrét módokon tűnnek gyanúsnak
Amikor a spammerek taktikát váltanak, csak új spam-példákat mutatsz a számítógépnek. Új mintázatokat talál. Nem kell manuálisan új szabályokat írni.
Ez a gépi tanulás: a számítógépek úgy válnak jobbá egy-egy feladatban, hogy mintázatokat találnak a példákban, nem pedig valaki által írt szabályokat követnek.
A gépek gyakorlásának három módja
Ahogy az emberek is többféleképpen tanulnak, a gépeknek is különböző tanulási módszereik vannak a különböző helyzetekre. Mutatom a három főt olyan példákkal, amelyekkel tényleg tudsz azonosulni.
Tanulás tanárral (felügyelt tanulás)
Emlékszel, amikor az iskolában a szorzótáblát tanultad? A tanárod megadta a feladatokat ÉS a megoldásokat is. „Mennyi a 7-szer 8?” „56.” Addig gyakoroltál, amíg nézés nélkül meg nem tudtad válaszolni.
Ez a felügyelt tanulás. A számítógép együtt kapja a kérdéseket és a válaszokat.
Példa: Megtanítani a számítógépet a fényképek felismerésére
Megmutatsz neki 1000 fényképet. Mindegyiknél elmondod, mi van rajta:
- 📷 Ezen a fényképen: macska
- 📷 Ezen a fényképen: kutya
- 📷 Ezen a fényképen: autó
A számítógép eleinte véletlenszerűen találgat. Először borzalmasak a tippjei. Aztán észreveszi a mintázatokat: „A hegyes fülű, bajszos fényképek általában macskák. A lógó fülű, nedves orrúak általában kutyák. A kerekekkel és ablakokkal rendelkezők általában autók.”
Addig gyakorol ezen az 1000 fényképen, amíg nagyon ügyes nem lesz. Aztán olyan új fényképeken teszteled, amelyeket még soha nem látott. Ha jól megtanulta a mintázatokat, helyesen ismeri fel őket.
Így ismeri fel a telefonod az arcokat, így segít az AI az orvosoknak a betegségek felismerésében a röntgenfelvételeken, és így értik meg a hangasszisztensek, hogy mit mondasz.
Tanulás tanár nélkül (felügyelet nélküli tanulás)
Képzeld el, hogy a néhai nagynénéd gombgyűjteményét rendezed. Több száz gombja volt, mind összekeverve. Nincs útmutatód. Csak elkezded csoportokba rendezni őket, ahogy neked logikusnak tűnik.
Mintázatok felfedezése egyedül
- → A nagy gombok ide. A kicsik oda.
- → A fémek ebbe a kupacba. A műanyagok abba.
Mintázatokat fedezel fel anélkül, hogy bárki megmondaná, mit keress.
Ez a felügyelet nélküli tanulás. A számítógép mintázatokat keres anélkül, hogy megmondanák neki, mi legyen a válasz.
Példa: Vásárlói csoportok felismerése
Egy üzletnek van adata 10 000 vásárlóról: mit vesznek, mikor vásárolnak, mennyit költenek. Senki nem mondja meg a számítógépnek, hogy milyen csoportok léteznek. Csak megnézi, és mintákat talál:
1. csoport: Fiatalok, akik késő este vásárolnak, kis összegeket költenek, gyakran jönnek
2. csoport: Családok, akik hétvégén vásárolnak, nagy tételben vesznek, hetente jönnek
3. csoport: Nyugdíjasok, akik hétköznap délben vásárolnak, konkrét termékeket vesznek, nagyon rendszeresek
Senki nem mondta meg neki, hogy ezek a csoportok léteznek. Azáltal találta meg őket, hogy észrevette, mely vásárlók viselkednek hasonlóan.
Így csoportosítja a Netflix azokat a műsorokat, amelyek tetszhetnek neked, így találja meg a csalásfelismerés a szokatlan tranzakciókat, és így fedeznek fel a tudósok mintákat a DNS-ben.
Tanulás próbálgatással (megerősítéses tanulás)
Emlékszel, amikor megtanítottad a kutyádnak, hogy üljön? Nem magyarázod el, mi az az ülés. Csak azt mondod: „ülj”, és amikor a kutya leül, adsz neki egy jutalomfalatot. Amikor nem ül le, nincs jutalomfalat. A kutya rájön: az ülés jutalomfalatot jelent. A nem ülés nem jelent jutalomfalatot.
Ez a megerősítéses tanulás. Próbálj ki dolgokat. Nézd meg, mi működik. Csinálj többet abból, ami működik.
Példa: Számítógép megtanítása sakkozni
A számítógép eleinte nem ismeri a szabályokat. Csak próbálkozik lépésekkel. Véletlenszerűen. A legtöbb borzasztó.
De a lényeg ez: amikor megnyer egy játszmát, azt mondod neki: „szép munka”. Amikor veszít, azt mondod: „ez nem működött”. Elkezdi észrevenni:
- ✓ A vezér ide lépése gyakran győzelemhez vezet
- ✗ A király védtelenül hagyása általában vereséghez vezet
- ✓ A tábla közepének az irányítása hasznos
Miután több millió játszmát játszott önmaga ellen, nagyon, nagyon jó lesz. Nem azért, mert bárki stratégiát tanított neki. Hanem azért, mert mindent kipróbált, és megtanulta, mi működik.
Így tanulta meg a mesterséges intelligencia legyőzni a világbajnokokat sakkban és Go-ban, így tanulnak meg a robotok járni, és így tanulnak meg az önvezető autók vezetni.
A három tanulási mód
Hogyan zajlik valójában a gyakorlás (A titkos folyamat)
Rendben, a számítógép példák nézegetésével gyakorol. De mi is történik valójában a háttérben? Végigvezetlek rajta, mintha a számítógép válla fölött lesnél.
1. lépés: Kezdj vad tippekkel
Mintha egy sütőtök súlyát tippelnéd
Képzeld el, hogy egy sütőtök súlyát próbálod megtippelni pusztán ránézésre. Sosem csináltál még ilyet, ezért csak bemondasz egy véletlen számot. „Ööö… 15 font?”
Pontosan ezt teszi a számítógép is. Véletlenszerű tippekkel kezd. Teljesen véletlenszerűen. Mintha egy újszülöttet kérnél meg, hogy ismerje fel a színeket. A tippek borzalmasak. Ez rendben van. Ez a kiindulópont.
2. lépés: Nézd meg, mennyire tévedtél
A hiba mérése
Most rátészed a sütőtököt a mérlegre. Valójában 23 font. 8 fontot tévedtél. Ez a te hibád.
A számítógép ugyanezt teszi. Tippel, megnézi a valódi választ, és kiszámolja, mennyit tévedett. „Azt mondtam, ez a fotó egy kutya. Valójában macska. Nagyon tévedtem.”
3. lépés: Igazítsd a következő tipped
Tanulás a hibákból
A következő sütőtök hasonlít az elsőre. Nem tippelsz megint 15 fontot. Megtanultad, hogy az ilyen sütőtökök nehezebbek, mint gondoltad. Így 22 fontot tippelsz. Közelebb!
A számítógép pontosan ezt csinálja. A hibái alapján igazítja a tippelési módszerét. „Folyamatosan kutyát tippeltem, amikor lógó füleket láttam, de tévedtem. Figyeljek jobban más jellemzőkre is.”
4. lépés: Ismételd meg ezerszer
A gyakorlat teszi a mestert
Ha kitalálnád 1000 tök súlyát, és minden alkalommal ellenőriznéd a mérlegen, elég ügyessé válnál benne. Észrevennéd a mintázatokat: „A nagy, kerek, vastag szárú tökök általában nehezek. A magas, vékonyak általában könnyebbek.”
A számítógép ezt ezerszer vagy milliószor teszi meg. Minden alkalommal egy kicsit jobb lesz. Végül nagyon ügyessé válik abban, amit gyakorol.
Ez az egész folyamat. Tippelj. Nézd meg, mennyire tévedtél. Igazíts rajta. Ismételd, amíg elég jó nem leszel. Egyszerű ötlet. De ha milliószor teszed meg nagyon gyorsan, erős eredményeket kapsz.
Miért működik ez ilyen jól (és miért nem varázslat)
Ami itt lenyűgöző: ez a hihetetlenül egyszerű folyamat a feladatok hihetetlenül széles skáláján működik.
Ugyanaz az alapötlet (gyakorlás visszajelzéssel) képes:
- ✓ Megtanulni felismerni az arcodat a telefon feloldásához
- ✓ Megtanulni fordítani nyelvek között
- ✓ Megtanulni felismerni a daganatokat orvosi felvételeken
- ✓ Megtanulni megjósolni, hogy holnap esni fog-e az eső
- ✓ Megtanulni olyan filmeket ajánlani, amelyek valószínűleg tetszeni fognak
Miért működik ez ennyire különböző dolgoknál?
Mert ezek mind a lényegüket tekintve mintafelismerési problémák. Az arcodnak vannak mintázatai. A nyelveknek vannak mintázatai. A daganatoknak vannak mintázatai. Az időjárásnak vannak mintázatai. A filmpreferenciáidnak vannak mintázatai.
A számítógép ezeket a mintázatokat példákon keresztüli gyakorlással találja meg. Nem „érti” az arcokat, a nyelveket vagy az orvostudományt. Csak azt találja meg: amikor ezt a mintázatot látom, a válasz általában az.
Ez erős. De nem varázslat. Ez mintázatillesztés, olyan méretekben gyakorolva, amelyet az ember nem tud elérni.
Mit tanul meg valójában a számítógép (Az igazság meglepheti)
Van valami, amit a legtöbben rosszul gondolnak: a számítógép nem a megértést tanulja meg. Rövidítéseket tanul meg.
Hadd mutassam meg, mire gondolok, egy igaz történettel.
A bőrrákot felismerő MI, amely csalt
Tudósok egy MI-t tanítottak meg arra, hogy fényképekről felismerje a bőrrákot. Nagyon ügyes lett. Jobb, mint néhány orvos. Elképesztő, nem?
Aztán valami furcsát vettek észre. Az MI a vonalzókat nézte. Sok rákos fényképen volt vonalzó (a méretarány jelzésére). Sok nem rákos fényképen nem volt.
Az MI azt tanulta meg: „Ha vonalzót látok, az valószínűleg rák.” Ez technikailag egy olyan minta, amely működött a tanító adatokban. De ez nem a rák megértése. Ez egy egyszerűsítés.
Ez mindenhol előfordul:
Példák az MI tanulási torzításaira és egyszerűsítéseire
- ⚠️ Egy toborzó MI azt tanulta meg, hogy a „Jared” nevű önéletrajzokat nagyobb valószínűséggel veszik fel (mert a tanító adatokban torz emberi döntések szerepeltek)
- ⚠️ Egy arcfelismerő rendszer jobban működött fehér férfiakon (mert ők voltak felülreprezentálva a tanító fényképeken)
- ⚠️ Egy hitelbírálati rendszer bizonyos városrészekkel szemben diszkriminált (mert történelmileg torz hitelnyújtási adatokból tanult)
A számítógép mintákat talál azokban az adatokban, amelyeket megadsz neki. Ha az adatokban torzítások vannak, megtanulja a torzításokat. Ha az adatokban egyszerűsítések vannak, megtanulja az egyszerűsítéseket. Nem tud jobbat. Csak megtalálja azt, ami működik a látott példákban. Ezért van szükség a gépi tanulás gondos figyelemre. Erős, de nem bölcs.
A gyakorlás két módja (hagyományos vs. eltérő)
Emlékszel, amikor azt mondtam, hogy a számítógép úgy tanul, hogy a hibái alapján módosítja a tippjeit? Ennek a módosításnak két fő módja van.
A hagyományos mód: apró igazítások a számokon
Hogyan működik ma a legtöbb MI
A számítógépben több millió apró tárcsa van (ezeket súlyoknak hívják). Minden tárcsa egy adott számra van állítva.
Amikor a számítógép hibázik, kitalálja, melyik tárcsákat kell elforgatnia, és milyen irányba. Csak egy kicsit forgat rajtuk. Aztán újra tippel, újra hibázik, és újra elforgatja a tárcsákat. Újra és újra. Miután ezt több milliószor elvégezte, az összes tárcsa olyan számokra van állítva, amelyek jó tippeket eredményeznek.
Az előnye
Nagyon jól működik. Hihetetlenül összetett mintázatokat talál meg. Kipróbált és megbízható.
A hátránya
Rengeteg számítási teljesítményt igényel. Az ilyen rendszerek betanítása több millió dollárba kerül az áramköltségek miatt. És amikor kész, több millió tárcsabeállításod van, de nem igazán tudod megmagyarázni, miért pont azokra a számokra vannak állítva. Ez egy fekete doboz.
Egy eltérő mód: szabályok keresése számok helyett
Hogyan működnek egyes újabb rendszerek
Egyes rendszerek (például amilyeneket a Dweve céghez hasonlók építenek) másképp működnek. Ahelyett, hogy milliónyi számot állítgatnának, logikai szabályokat keresnek.
Ahelyett, hogy megtanulnák, hogy „a 47-es súlynak 0,8234-nek kell lennie", azt tanulják meg, hogy „ha az e-mailben sürgős szavak vannak ÉS ismeretlen feladótól érkezik ÉS furcsa linkeket tartalmaz, akkor valószínűleg spam".
Ez inkább olyan, ahogy az emberek tanulnak
Nincsenek számok a fejedben. Vannak ökölszabályaid: „Ha a kenyérnek savanyú szaga van, valószínűleg rossz. Ha az ég sötét és nehéz, lehet, hogy esni fog."
A jó oldala
A döntéseket valóban meg lehet magyarázni. „Az e-mail azért lett spamként megjelölve, mert megfelelt ennek a három mintának." Ráadásul sokkal hatékonyabb is. Sokkal kevesebb energiát használ.
A rossz oldala
Nem minden probléma működik jól a szabályokkal. Egyes dolgoknak valóban szükségük van arra a milliónyi apró számbeállításra.
Egyik módszer sem mindig jobb. Ezek eszközök. A feladathoz megfelelőt használod.
Így néz ki valójában a tanulási folyamat
Hol Működik Ez Valójában a Mindennapjaidban
Megmutatom, hol használod már most a gépi tanulást minden egyes nap, valószínűleg anélkül, hogy észrevennéd.
⏰ A Reggeli Ébresztőd
A telefonod ébresztőjében valószínűleg van egy funkció, ami fokozatosan növeli a hangerőt. Ez egyszerű. De egyes telefonok azt is megtanulják, hogy mikor szoktál természetesen felébredni, és jobb ébresztési időpontokat javasolnak. A gépi tanulás észrevette: „Mindig átalussza a 6 órás ébresztőt, de természetesen 6:30-kor ébred. Javasoljam inkább a 6:30-at?”
🚗 Az Ingázásod
A térképalkalmazások előre jelzik a forgalmat. Hogyan? Millió utazásból tanulták meg: „Kedden reggelente ez az autópálya 7:45 körül zsúfolttá válik. Ha esik az eső, ez az útvonal 15 perccel lassabb.” Az adatokból feltárt mintázatok.
📧 Az E-mail Fiókod
Minden spam e-mail, ami nem jut el a postaládádba? Gépi tanulás. Minden e-mail, ami automatikusan mappákba kerül? Gépi tanulás. Az e-mail alkalmazásod millió példából tanulta meg, hogyan néz ki a spam, és mi fontos kifejezetten neked.
🎬 A Szórakoztatásod
A Netflix sorozatokat ajánl. A Spotify lejátszási listákat készít neked. A YouTube videókat javasol. Mindez gépi tanulás. Megtanulták: „Azok, akik ezt a három sorozatot nézték, általában ezt a negyediket is szeretik. Azok, akik ezt az előadót hallgatják, általában ezeket a többi előadókat is szeretik.”
🛒 A Vásárlásod
„Akik ezt megvették, azok ezt is megvették...” Gépi tanulás. „Ez is érdekelhet...” Gépi tanulás. Még az árak is, amiket látsz, módosulhatnak gépi tanulás alapján a keresleti mintázatok függvényében.
🔒 A Biztonságod
A bankkártya-társaságod letilt egy gyanús tranzakciót? A gépi tanulás észlelt egy mintázatot: „Ez a terhelés nem illik az illető szokásos költési szokásaihoz. Lehet, hogy csalásról van szó.”
Mindezek a rendszerek példákból tanultak. Mintákat fedeztek fel. Gyakorlással egyre jobbak lettek. Ez a gépi tanulás, amely naponta több tucatszor érinti az életedet.
A becsületes korlátok (amire nem képes)
A gépi tanulás erős, de nem varázslat. Legyünk őszinték: mit nem tud megtenni.
Példák nélkül nem tanul
Adatokra van szükséged. Sok adatra. Meg akarod tanítani a számítógépet egy ritka betegség felismerésére? Több ezer példára van szükséged a betegségről. Nincs ilyen adatod? Akkor nem tudod betanítani a rendszert. Ennyire egyszerű.
Nem érti a kontextust úgy, ahogy az emberek
Az ember lát egy hóval borított „STOP” táblát, és tudja, hogy az még mindig egy stop tábla. A számítógép lehet, hogy nem ismeri fel, mert az összes tanító példája tiszta, jól látható stop táblákat mutatott. A tökéletes stop táblák mintáját tanulta meg, nem a „stop” fogalmát.
Nem tudja megmagyarázni a döntéseit (általában)
Kérdezd meg egy orvost, miért gondolja, hogy influenzád van: „Lázad van, fáj a tested, és influenza-szezon van.” Világos érvelés.
Kérdezd meg a legtöbb MI-rendszert, miért hozott egy döntést: „Mert ez a 47 millió szám pontosan ezekre az értékekre van állítva.” Ez nem segít.
Megtanulja az előítéleteidet
Ha elfogult adatokkal tanítod, akkor az előítéletet tanulja meg. Ha a múltbeli felvételi adatok bizonyos csoportokkal szembeni elfogultságot mutatnak, az MI is elfogult lesz. Nem tud jobbat. Csak azt tanulja meg, ami az adatokban van.
Nem tud alkalmazkodni teljesen új helyzetekhez
Az emberek ebben nagyszerűek. Soha nem láttál még lila zsiráfot, de ha látnál egyet, felismernéd, hogy az egy zsiráf, amely történetesen lila.
Egy számítógép, amelyet hagyományos zsiráfokkal tanítottak, teljesen összezavarodhat egy lila zsiráf láttán. Az nem szerepelt a tanító adatokban. A rendszer nem tud így általánosítani.
Ezek nem apró hibák. Ezek alapvetően meghatározzák, hogyan működik a gépi tanulás. E korlátok megértése ugyanolyan fontos, mint a képességek megértése.
Amire Emlékezned Kell
Ha ez soknak tűnik, íme, ami valójában számít:
- 1 A gépi tanulás gyakorlás visszajelzéssel. A számítógép tippel, ellenőrzi, hogy igaza van-e, módosít, és újra próbálja. Pontosan úgy, ahogy te is bármit megtanulsz gyakorlással.
- 2 Három fő típus létezik. Felügyelt (megoldókulccsal), felügyelet nélküli (minták felismerése egyedül), és megerősítéses (próbálgatással tanulás). Mindegyik más problémákra való.
- 3 Mintákat talál, nem megértést. A számítógép nem "érti meg". Csak észreveszi: ha ezt a mintát látom, a válasz általában az. Erős, de nem ugyanaz, mint az emberi megértés.
- 4 Folyamatosan használod. Az e-mailjeid, a térképed, a szórakoztatásod, a vásárlásaid. A gépi tanulás naponta több tucatszor érinti az életedet.
- 5 Valódi korlátai vannak. Sok adatra van szüksége. Előítéleteket tanul meg. Nem tudja könnyen megmagyarázni magát. Nem általánosít úgy, mint az ember. A korlátok megértése ugyanolyan fontos, mint a képességeké.
- 6 Különböző megközelítések léteznek. A legtöbb MI több millió számot állítgat. Egyes rendszerek ehelyett logikai szabályokat tanulnak. Különböző eszközök különböző feladatokra.
A lényeg
A gépi tanulás nem misztikus. Csupán arról szól, hogy egy számítógép gyakorlással egyre jobb lesz valamiben.
Mutass neki példákat. Hagyd, hogy tippeljen. Szólj neki, ha téved. Figyeld, ahogy módosít és javul. Ismételd meg ezerszer. Végül nagyon jó lesz a feladatban.
Nem úgy tanul, ahogy te megtanultál biciklizni, olvasni vagy barátokat szerezni. Nem fejleszt ki megértést, bölcsességet vagy józan észt.
Statisztikai mintázatokat keres az adatokban ismételt gyakorlás és módosítás révén. Ennyi. De olyan méretekben, amire az ember képtelen, milliónyi példával, valóban hasznos eredményeket hoz létre.
A spam szűrőd működik. A hangasszisztensed megért téged. A térképed elkerüli a forgalmat. Mindez azért, mert a számítógépek milliónyi példán gyakoroltak, amíg megtalálták a működő mintázatokat.
A „tanulás" szó varázslatosnak hangzik. A valóság matematikai. De ez a matematika, nagy léptékben alkalmazva, minden egyes nap megváltoztatja az életed.
Most már tudod, hogyan működik. A rejtély eloszlott. A gépi tanulás mintázatfelfedezés gyakorlás által. Egyszerű fogalom. Erőteljes megvalósítás. És éppen most használod, miközben ezeket a szavakat olvasod egy olyan eszközön, amely tele van olyan rendszerekkel, amelyek megtanulták könnyebbé tenni az életed.
Egyes cégek, mint például a Dweve, más módokat keresnek a „gyakorlásra”, nem csak a számok tekergetését. Logikai szabályok tanulását a numerikus súlyok helyett. Kényszerek keresését a tanulási paraméterek helyett. Különböző megoldások különböző problémákra. Mert a gépi tanulásnak nem kell egyformának lennie mindenki számára.