{"id":6580,"date":"2018-10-15T14:13:12","date_gmt":"2018-10-15T12:13:12","guid":{"rendered":"https:\/\/nprofit.net\/pl\/?p=6580"},"modified":"2025-12-01T12:47:22","modified_gmt":"2025-12-01T11:47:22","slug":"postep-w-machine-learningu","status":"publish","type":"post","link":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/","title":{"rendered":"Post\u0119p w machine learningu"},"content":{"rendered":"<div align=\"justify\"><strong>Prawdopodobnie nie s\u0142ysza\u0142e\u015b\/a\u015b o projekcie Kona. W ca\u0142ym internecie zaledwie 7 stron wspomina o tym niezwykle zaawansowanym przedsi\u0119wzi\u0119ciu firmy Google (teraz ju\u017c osiem). Kona jest latarni\u0105 wsp\u00f3\u0142czesnej rewolucji obliczeniowej, kt\u00f3ra zmienia \u015bwiat dot com w \u015bwiat machine learningu.<\/strong><\/p>\n<p>Po latach prowadzenia technologicznych firm, tysi\u0105cach patent\u00f3w i 21 doktoratach honoris causa, Ray Kurzweil porzuci\u0142 etos przedsi\u0119biorcy-wynalazcy i po raz pierwszy zosta\u0142 zatrudniony w obcej firmie. T\u0105 firm\u0105 sta\u0142o si\u0119 Google. Jeden z jej za\u0142o\u017cycieli, Larry Page, przekona\u0142 Kurzweila do tego kroku w trakcie dyskusji nad mo\u017cliwo\u015bci\u0105 stworzenia prawdziwie inteligentnego komputera. Kurzweil pocz\u0105tkowo pr\u00f3bowa\u0142 wynegocjowa\u0107 moc obliczeniow\u0105 oraz dane firmy Google dla w\u0142asnych przedsi\u0119biorstw, lecz ostatecznie negocjacje zamieni\u0142y si\u0119 w rozmow\u0119 rekrutacyjn\u0105 &#8211; skuteczn\u0105 dla obu rozm\u00f3wc\u00f3w, poniewa\u017c firma Google przechwyci\u0142a legend\u0119 bran\u017cy technologicznej, a Kurzweil otrzyma\u0142 dost\u0119p do rozleg\u0142ych zasob\u00f3w korporacji oraz bud\u017cet na zbudowanie du\u017cego zespo\u0142u.<\/p>\n<p>Ostatnie kilka lat pracy zespo\u0142u skupi\u0142o si\u0119 wok\u00f3\u0142 projektu Kona. To pierwszy krok na drodze do AI rodem z ksi\u0105\u017cek fantastycznych, na kt\u00f3rych wychowywa\u0142 si\u0119 73-letni Kurzweil. Adresuje podstawow\u0105 cech\u0119 wszystkich ludzi, kt\u00f3ra jednocze\u015bnie odr\u00f3\u017cnia nas od wszystkich pozosta\u0142ych zwierz\u0105t: zdolno\u015b\u0107 do rozumienia j\u0119zyka i pos\u0142ugiwania si\u0119 nim. Kona ma sprawi\u0107, \u017ce komputer b\u0119dzie wykorzystywa\u0107 j\u0119zyk dok\u0142adnie tak jak cz\u0142owiek &#8211; b\u0119dzie czyta\u0107 i pisa\u0107 artyku\u0142y, wyci\u0105ga\u0107 wnioski z ksi\u0105\u017cek, dyskutowa\u0107 w internecie, odpisywa\u0107 na maile. De facto ma to robi\u0107 lepiej ni\u017c cz\u0142owiek, poniewa\u017c napisanie tekstu czy przeczytanie ksi\u0105\u017cki nie zajmie ca\u0142y dzie\u0144, ale zaledwie okamgnienie.<\/p>\n<p>Na razie Kona zaczyna od ostatniej z wymienionych czynno\u015bci &#8211; odpowiadania na maile. Kod programist\u00f3w w zespole Kurzweila odpowiada za funkcj\u0119 Smart Reply w Gmailu. Mimo \u017ce wygl\u0105da banalnie:<\/p>\n<p><center><img decoding=\"async\" src=\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/smart-reply.png\" \/><\/center><\/p>\n<p>W rzeczywisto\u015bci jest prototypem niesamowicie z\u0142o\u017conej technologii, kt\u00f3ra ma doprowadzi\u0107 komputery do ca\u0142kowitego pos\u0142ugiwania si\u0119 j\u0119zykiem.<\/p>\n<p>Ma, poniewa\u017c na razie radzi sobie r\u00f3\u017cnie:<\/p>\n<p><center><img decoding=\"async\" src=\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/smart-reply-2.png\" \/><\/center><\/p>\n<p>Za tym prototypem jak i ca\u0142ym projektem Kona stoi technologia, kt\u00f3r\u0105 mo\u017cna stre\u015bci\u0107 do nast\u0119puj\u0105cej gradacji: AI -> machine learning -> deep learning.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_81 counter-hierarchy ez-toc-counter ez-toc-custom ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Spis tre\u015bci<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Prze\u0142\u0105cznik Spisu Tre\u015bci\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #003366;color:#003366\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #003366;color:#003366\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#AI_i_ML\" >AI i ML<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#DL\" >DL<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#Zwrot_w_kierunku_danych\" >Zwrot w kierunku danych<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#Lamanie_machine_learningu\" >\u0141amanie machine learningu<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#SEO_a_ML\" >SEO a ML<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"AI_i_ML\"><\/span>AI i ML<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Nie bez powodu pos\u0142ugujemy si\u0119 raczej angielskimi ni\u017c polskimi okre\u015bleniami. Nie zawsze obce terminy technologiczne warto dos\u0142ownie t\u0142umaczy\u0107 &#8211; dzi\u0119ki temu angielski computer jest dla nas komputerem, a nie obliczaczem. Podobnie jak przyj\u0105\u0142 si\u0119 skr\u00f3t PC, znacznie cz\u0119\u015bciej w polskim j\u0119zyku jest u\u017cywany skr\u00f3t AI (ang. artificial intelligence) ni\u017c SI (pol. sztuczna inteligencja). W przypadku machine learningu dochodzi dodatkowa warstwa subtelno\u015bci, poniewa\u017c t\u0142umaczenie na <i>uczenie maszynowe<\/i> rozmywa oryginalne znaczenie.<\/p>\n<p>AI to szeroki zbi\u00f3r r\u00f3\u017cnorodnych technologii. ML to jedno z doprecyzowa\u0144 AI. Zosta\u0142o zaproponowane ju\u017c w latach 50., gdy Arthur Samuel wpad\u0142 na pomys\u0142 by &#8211; raczkuj\u0105ce wtedy &#8211; komputery nie tylko uczy\u0107, ale r\u00f3wnie\u017c nauczy\u0107 samodzielnej nauki. Taki ruch w pierwszej chwili sugeruje zdj\u0119cie cz\u0119\u015bci pracy z programisty (s\u0142ynne &#8222;AI zabiera prac\u0119&#8221;), jednak g\u0142\u00f3wnym bogactwem machine learningu s\u0105 algorytmy symuluj\u0105ce ludzkie rozumowanie. Oddanie cz\u0119\u015bci krok\u00f3w algorytmicznych w ca\u0142kowite w\u0142adanie komputera sprawia, \u017ce znacznie lepiej radzi sobie z rozpoznawaniem wzorc\u00f3w, kontrol\u0105 nowych sytuacji i poruszaniem si\u0119 w rzeczywisto\u015bci, w kt\u00f3rej rzadko wyst\u0119puj\u0105 dane <i>od linijki<\/i>.<\/p>\n<p>Przechodz\u0105c z do\u015b\u0107 abstrakcyjnych opis\u00f3w do realnych wdro\u017ce\u0144, machine learning zaczyna si\u0119 ju\u017c od bliskich zwi\u0105zk\u00f3w z korelacj\u0105. Te same dane, kt\u00f3re s\u0142u\u017c\u0105 obliczeniu korelacji, mog\u0105 by\u0107 wykorzystane w wyprowadzeniu regresji:<br \/>\n<center><img decoding=\"async\" src=\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/korelacja-regresja.jpg\" \/><\/center><br \/>\nJu\u017c tak elementarne obliczenia na poziomie licealnym s\u0105 wykorzystywane w niekt\u00f3rych algorytmach ML (oczywi\u015bcie z odpowiednio wi\u0119kszym skomplikowaniem i ze wsparciem dodatkowych modeli matematycznych).<\/p>\n<p>Drugim popularnym wdro\u017ceniem w ML s\u0105 drzewa decyzyjne, gdzie na podstawie okre\u015blonych danych budowana jest \u015bcie\u017cka doprowadzaj\u0105ca do w\u0142a\u015bciwych rezultat\u00f3w:<br \/>\n<center><img decoding=\"async\" src=\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/drzewo-decyzyjne.png\" \/><\/center><\/p>\n<p>Jednak per\u0142\u0105 w koronie ML sta\u0142 si\u0119 deep learning (pol. g\u0142\u0119boka nauka). To w\u0142a\u015bnie on odpowiada za niesamowit\u0105 popularno\u015b\u0107 tematyki AI w ostatnich latach. Powsta\u0142 ju\u017c w latach 90., ale dopiero niesamowity rozw\u00f3j procesor\u00f3w i dost\u0119pno\u015b\u0107 ogromnych mocy obliczeniowych umo\u017cliwi\u0142a rozpocz\u0119cie wdra\u017cania deep learningu w szerokiej skali.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"DL\"><\/span>DL<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Deep learning bezpo\u015brednio inspiruje si\u0119 wynalazkiem kilku miliard\u00f3w lat ewolucji &#8211; m\u00f3zgiem.<\/p>\n<p>M\u00f3zg sk\u0142ada si\u0119 z sieci po\u0142\u0105czonych kom\u00f3rek nerwowych. Ogromny sukces tego narz\u0105du mo\u017cna sprowadzi\u0107 do dw\u00f3ch zdolno\u015bci tych kom\u00f3rek: przekazywania oraz modyfikacji sygna\u0142u. Te cechy zgrubnie zosta\u0142y odtworzone za pomoc\u0105 komputerowych sieci neuronowych, gdzie warstwy pojedynczych jednostek s\u0105 ze sob\u0105 wzajemnie po\u0142\u0105czone i posiadaj\u0105 okre\u015blone <i>wagi<\/i> zmieniaj\u0105ce sygna\u0142. Zar\u00f3wno m\u00f3zg jak i sztuczne sieci neuronowe zawdzi\u0119czaj\u0105 mo\u017cliwo\u015b\u0107 uczenia elastycznemu dostosowywaniu po\u0142\u0105cze\u0144 oraz wag.<\/p>\n<p><center><img decoding=\"async\" src=\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/deep-learning.jpg\" \/><\/center><\/p>\n<p>Deep learning wykorzystuje wiele warstw sieci (st\u0105d przymiotnik: g\u0142\u0119boki) formowanych w wielu krokach. Przyk\u0142ad formowania sieci i doj\u015bcia do w\u0142a\u015bciwego rozdzielenia dw\u00f3ch zbior\u00f3w:<\/p>\n<p><center><img decoding=\"async\" src=\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/siec-neuronowa.gif\" \/><\/center><\/p>\n<p>Posiada wiele wad &#8211; wymaga ogromnych ilo\u015bci danych, istotnej mocy obliczeniowej, dok\u0142adna zasada rozumowania jest nieznana &#8211; ale jednocze\u015bnie jest technologi\u0105, kt\u00f3ra wsp\u00f3\u0142cze\u015bnie najbardziej zas\u0142uguje na okre\u015blenie: &#8222;sztuczna inteligencja&#8221;. Deep learning ju\u017c udowodni\u0142 swoj\u0105 skuteczno\u015b\u0107 w opanowywaniu umiej\u0119tno\u015bci, kt\u00f3re jeszcze kilkana\u015bcie lat temu by\u0142y uwa\u017cane za nieosi\u0105galne algorytmicznie, takich jak prowadzenie samochodu w rzeczywistym ruchu drogowym.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Zwrot_w_kierunku_danych\"><\/span>Zwrot w kierunku danych<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Rzeczywi\u015bcie algorytmy machine learning zdj\u0119\u0142y cz\u0119\u015b\u0107 pracy z programist\u00f3w. Przygotowanie klasycznego oprogramowania, kt\u00f3re rozpoznaje pieszych w ruchu drogowym by\u0142oby ekstremalnie czasoch\u0142onne. W przypadku machine learningu kwesti\u0119 rozpoznawania zostawiamy z\u0142o\u017conym algorytmom, natomiast g\u0142\u00f3wnym zadaniem jest tylko przygotowanie odpowiedniej ilo\u015bci danych do nauki.<\/p>\n<p>S\u0142owo &#8222;tylko&#8221; by\u0142o tu zdecydowanie sarkazmem. Zebranie danych, przygotowanie, a nast\u0119pnie opisanie w obj\u0119to\u015bci liczonej w milionach obiekt\u00f3w jest powa\u017cnym problemem we wszelkich zastosowaniach ML. Paradoksalnie wi\u0119kszo\u015b\u0107 dzia\u0142a\u0144 naukowych skupia si\u0119 nie wok\u00f3\u0142 budowy i poprawy sieci neuronowych, ale wok\u00f3\u0142 odpowiedniego opracowywania danych, a tak\u017ce ich w\u0142a\u015bciwego wykorzystania. Przyk\u0142adowo projekty ML powszechnie borykaj\u0105 si\u0119 z <i>overfittingiem<\/i> (pol. zbyt dok\u0142adne dopasowanie), gdzie algorytm <i>nie\u015bwiadomie<\/i> przyzwyczaja si\u0119 do nieistotnych ale cz\u0119stych cech (np. piesi w zielonych kurtkach), przez co nie radzi sobie z sytuacjami odstaj\u0105cymi (np. piesi w czerwonych kurtkach).<\/p>\n<p>Z uwagi na istotno\u015b\u0107 i czasoch\u0142onno\u015b\u0107 procesu przygotowywania danych, w\u0142a\u015bnie ten element krajobrazu machine learningu nie tylko generuje problemy, ale r\u00f3wnie\u017c&#8230; mo\u017ce by\u0107 celem ataku.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Lamanie_machine_learningu\"><\/span>\u0141amanie machine learningu<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>W ostatnich latach prawdziw\u0105 furor\u0119 robi\u0105 ataki na narz\u0119dzia deep learning. Idea jest prosta: za pomoc\u0105 manipulacji danych, algorytmy s\u0105 zmuszane do zwr\u00f3cenia ca\u0142kowicie z\u0142ych wynik\u00f3w, takich jak ten:<\/p>\n<p><center><img decoding=\"async\" src=\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/atak-na-machine-learning.png\" \/><\/center><\/p>\n<p>Na najbardziej podstawowym poziomie dziel\u0105 si\u0119 na white-box (pol. bia\u0142a skrzynka) oraz black-box (pol. czarna skrzynka, ale nie lotnicza). W trakcie ataku white-box badacze maj\u0105 dost\u0119p do ca\u0142ego systemu i pr\u00f3buj\u0105 go wprowadzi\u0107 w b\u0142\u0105d wykorzystuj\u0105c bezpo\u015brednio jego zasoby. To rzadka sytuacja, mo\u017cliwa raczej tylko w warunkach laboratoryjnych lub przy wewn\u0119trznych testach.<\/p>\n<p>Znacznie bardziej atrakcyjne s\u0105 ataki black-box, gdzie atakuj\u0105cy operuje wy\u0142\u0105cznie z zewn\u0105trz, bez \u017cadnej wsp\u00f3\u0142pracy z autorami algorytmy, a tak\u017ce bez wiedzy o wewn\u0119trznych mechanizmach (st\u0105d czarna skrzynka &#8211; archetyp nieznanego mechanizmu, w kt\u00f3rym widzimy tylko to co pojawia si\u0119 na pocz\u0105tku i na ko\u0144cu). Do tej pory takie ataki wymaga\u0142y ogromnych mocy obliczeniowych i milion\u00f3w pr\u00f3b by osi\u0105gn\u0105\u0107 efekt taki jak wy\u017cej (zmiana pandy w gibona), jednak niedawno pojawi\u0142a si\u0119 \u015bwietna publikacja, kt\u00f3ra \u0142amie algorytmy za pomoc\u0105 nieca\u0142ego tysi\u0105ca odpyta\u0144:<\/p>\n<blockquote><p><a href=\"https:\/\/arxiv.org\/abs\/1805.11090\">GenAttack: Practical Black-box Attacks with Gradient-Free Optimization<\/a><\/p><\/blockquote>\n<h2><span class=\"ez-toc-section\" id=\"SEO_a_ML\"><\/span>SEO a ML<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Celowo przez ca\u0142y artyku\u0142 nie pad\u0142o ani jedno s\u0142owo o SEO. Ka\u017cdy czytelnik, jako inteligentna nie-maszyna dysponuj\u0105ca w g\u0142owie pe\u0142nym wachlarzem algorytm\u00f3w nauczania, mo\u017ce bez problemu odnie\u015b\u0107 informacje i wnioski w stosunku do \u015brodowiska wyszukiwania. Trudno okre\u015bli\u0107 jakie dok\u0142adnie algorytmy s\u0105 klasyczne, a jakie ju\u017c przesz\u0142y pod strzechy ML, jednak swego czasu sformu\u0142owali\u015bmy hipotez\u0119: przeniesienie algorytmu do <i>core<\/i> oznacza jego usamodzielnienie w kontek\u015bcie ML. Je\u015bli jest prawdziwa, wszystkie powy\u017csze informacje s\u0105 ekstrapolowalne zar\u00f3wno na Pingwina jak i na Pand\u0119. Jednak jak pokazuje projekt Kona, najbardziej interesuj\u0105ce luki mog\u0105 si\u0119 kry\u0107 w rozumieniu tre\u015bci przez wyszukiwark\u0119 Google.<\/p>\n<p><small>Zalinkowane \u017ar\u00f3d\u0142a: Arxiv.org. \u0179r\u00f3d\u0142a grafik: KurzweilAI.net, KeyDifferences.com, LewisGavin.co.uk, Medium.com, Arxiv.org.<\/small><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Prawdopodobnie nie s\u0142ysza\u0142e\u015b\/a\u015b o projekcie Kona. W ca\u0142ym internecie zaledwie 7 stron wspomina o tym niezwykle zaawansowanym przedsi\u0119wzi\u0119ciu firmy Google (teraz ju\u017c osiem). Kona jest latarni\u0105 wsp\u00f3\u0142czesnej rewolucji obliczeniowej, kt\u00f3ra zmienia \u015bwiat dot com w \u015bwiat machine learningu. Po latach prowadzenia technologicznych firm, tysi\u0105cach patent\u00f3w i 21 doktoratach honoris causa, Ray Kurzweil porzuci\u0142 etos przedsi\u0119biorcy-wynalazcy [&hellip;]<\/p>\n","protected":false},"author":3,"featured_media":43801,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[17],"tags":[],"class_list":["post-6580","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-aktualnosci"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.0 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Post\u0119p w machine learningu - Blog NPROFIT<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Post\u0119p w machine learningu - Blog NPROFIT\" \/>\n<meta property=\"og:description\" content=\"Prawdopodobnie nie s\u0142ysza\u0142e\u015b\/a\u015b o projekcie Kona. W ca\u0142ym internecie zaledwie 7 stron wspomina o tym niezwykle zaawansowanym przedsi\u0119wzi\u0119ciu firmy Google (teraz ju\u017c osiem). Kona jest latarni\u0105 wsp\u00f3\u0142czesnej rewolucji obliczeniowej, kt\u00f3ra zmienia \u015bwiat dot com w \u015bwiat machine learningu. Po latach prowadzenia technologicznych firm, tysi\u0105cach patent\u00f3w i 21 doktoratach honoris causa, Ray Kurzweil porzuci\u0142 etos przedsi\u0119biorcy-wynalazcy [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/\" \/>\n<meta property=\"og:site_name\" content=\"NPROFIT\" \/>\n<meta property=\"article:published_time\" content=\"2018-10-15T12:13:12+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-12-01T11:47:22+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/125822-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1500\" \/>\n\t<meta property=\"og:image:height\" content=\"1000\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Rafa\u0142 Grochala\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Napisane przez\" \/>\n\t<meta name=\"twitter:data1\" content=\"Rafa\u0142 Grochala\" \/>\n\t<meta name=\"twitter:label2\" content=\"Szacowany czas czytania\" \/>\n\t<meta name=\"twitter:data2\" content=\"9 minut\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/\"},\"author\":{\"name\":\"Rafa\u0142 Grochala\",\"@id\":\"https:\/\/nprofit.net\/pl\/#\/schema\/person\/deee9af57d51ec4460c4fb789a2932e6\"},\"headline\":\"Post\u0119p w machine learningu\",\"datePublished\":\"2018-10-15T12:13:12+00:00\",\"dateModified\":\"2025-12-01T11:47:22+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/\"},\"wordCount\":1460,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/nprofit.net\/pl\/#organization\"},\"image\":{\"@id\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/125822-1.jpg\",\"articleSection\":[\"Aktualno\u015bci\"],\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/\",\"url\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/\",\"name\":\"Post\u0119p w machine learningu - Blog NPROFIT\",\"isPartOf\":{\"@id\":\"https:\/\/nprofit.net\/pl\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/125822-1.jpg\",\"datePublished\":\"2018-10-15T12:13:12+00:00\",\"dateModified\":\"2025-12-01T11:47:22+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#breadcrumb\"},\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#primaryimage\",\"url\":\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/125822-1.jpg\",\"contentUrl\":\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/125822-1.jpg\",\"width\":1500,\"height\":1000},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Strona g\u0142\u00f3wna\",\"item\":\"https:\/\/nprofit.net\/pl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Post\u0119p w machine learningu\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/nprofit.net\/pl\/#website\",\"url\":\"https:\/\/nprofit.net\/pl\/\",\"name\":\"NPROFIT\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/nprofit.net\/pl\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/nprofit.net\/pl\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pl-PL\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/nprofit.net\/pl\/#organization\",\"name\":\"NPROFIT\",\"url\":\"https:\/\/nprofit.net\/pl\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\/\/nprofit.net\/pl\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2025\/07\/bigLogo.png\",\"contentUrl\":\"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2025\/07\/bigLogo.png\",\"width\":323,\"height\":50,\"caption\":\"NPROFIT\"},\"image\":{\"@id\":\"https:\/\/nprofit.net\/pl\/#\/schema\/logo\/image\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\/\/nprofit.net\/pl\/#\/schema\/person\/deee9af57d51ec4460c4fb789a2932e6\",\"name\":\"Rafa\u0142 Grochala\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\/\/nprofit.net\/pl\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/9a780866936ecbff74d7126aeb4ef9cb985d001f6de07aa85c9564b35e1551b4?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/9a780866936ecbff74d7126aeb4ef9cb985d001f6de07aa85c9564b35e1551b4?s=96&d=mm&r=g\",\"caption\":\"Rafa\u0142 Grochala\"},\"url\":\"https:\/\/nprofit.net\/pl\/blog\/author\/rafal\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Post\u0119p w machine learningu - Blog NPROFIT","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/","og_locale":"pl_PL","og_type":"article","og_title":"Post\u0119p w machine learningu - Blog NPROFIT","og_description":"Prawdopodobnie nie s\u0142ysza\u0142e\u015b\/a\u015b o projekcie Kona. W ca\u0142ym internecie zaledwie 7 stron wspomina o tym niezwykle zaawansowanym przedsi\u0119wzi\u0119ciu firmy Google (teraz ju\u017c osiem). Kona jest latarni\u0105 wsp\u00f3\u0142czesnej rewolucji obliczeniowej, kt\u00f3ra zmienia \u015bwiat dot com w \u015bwiat machine learningu. Po latach prowadzenia technologicznych firm, tysi\u0105cach patent\u00f3w i 21 doktoratach honoris causa, Ray Kurzweil porzuci\u0142 etos przedsi\u0119biorcy-wynalazcy [&hellip;]","og_url":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/","og_site_name":"NPROFIT","article_published_time":"2018-10-15T12:13:12+00:00","article_modified_time":"2025-12-01T11:47:22+00:00","og_image":[{"width":1500,"height":1000,"url":"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/125822-1.jpg","type":"image\/jpeg"}],"author":"Rafa\u0142 Grochala","twitter_card":"summary_large_image","twitter_misc":{"Napisane przez":"Rafa\u0142 Grochala","Szacowany czas czytania":"9 minut"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#article","isPartOf":{"@id":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/"},"author":{"name":"Rafa\u0142 Grochala","@id":"https:\/\/nprofit.net\/pl\/#\/schema\/person\/deee9af57d51ec4460c4fb789a2932e6"},"headline":"Post\u0119p w machine learningu","datePublished":"2018-10-15T12:13:12+00:00","dateModified":"2025-12-01T11:47:22+00:00","mainEntityOfPage":{"@id":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/"},"wordCount":1460,"commentCount":0,"publisher":{"@id":"https:\/\/nprofit.net\/pl\/#organization"},"image":{"@id":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#primaryimage"},"thumbnailUrl":"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/125822-1.jpg","articleSection":["Aktualno\u015bci"],"inLanguage":"pl-PL","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/","url":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/","name":"Post\u0119p w machine learningu - Blog NPROFIT","isPartOf":{"@id":"https:\/\/nprofit.net\/pl\/#website"},"primaryImageOfPage":{"@id":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#primaryimage"},"image":{"@id":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#primaryimage"},"thumbnailUrl":"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/125822-1.jpg","datePublished":"2018-10-15T12:13:12+00:00","dateModified":"2025-12-01T11:47:22+00:00","breadcrumb":{"@id":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/"]}]},{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#primaryimage","url":"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/125822-1.jpg","contentUrl":"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2018\/10\/125822-1.jpg","width":1500,"height":1000},{"@type":"BreadcrumbList","@id":"https:\/\/nprofit.net\/pl\/blog\/postep-w-machine-learningu\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Strona g\u0142\u00f3wna","item":"https:\/\/nprofit.net\/pl\/"},{"@type":"ListItem","position":2,"name":"Post\u0119p w machine learningu"}]},{"@type":"WebSite","@id":"https:\/\/nprofit.net\/pl\/#website","url":"https:\/\/nprofit.net\/pl\/","name":"NPROFIT","description":"","publisher":{"@id":"https:\/\/nprofit.net\/pl\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/nprofit.net\/pl\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pl-PL"},{"@type":"Organization","@id":"https:\/\/nprofit.net\/pl\/#organization","name":"NPROFIT","url":"https:\/\/nprofit.net\/pl\/","logo":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/nprofit.net\/pl\/#\/schema\/logo\/image\/","url":"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2025\/07\/bigLogo.png","contentUrl":"https:\/\/nprofit.net\/pl\/wp-content\/uploads\/2025\/07\/bigLogo.png","width":323,"height":50,"caption":"NPROFIT"},"image":{"@id":"https:\/\/nprofit.net\/pl\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/nprofit.net\/pl\/#\/schema\/person\/deee9af57d51ec4460c4fb789a2932e6","name":"Rafa\u0142 Grochala","image":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/nprofit.net\/pl\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/9a780866936ecbff74d7126aeb4ef9cb985d001f6de07aa85c9564b35e1551b4?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/9a780866936ecbff74d7126aeb4ef9cb985d001f6de07aa85c9564b35e1551b4?s=96&d=mm&r=g","caption":"Rafa\u0142 Grochala"},"url":"https:\/\/nprofit.net\/pl\/blog\/author\/rafal\/"}]}},"_links":{"self":[{"href":"https:\/\/nprofit.net\/pl\/wp-json\/wp\/v2\/posts\/6580","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/nprofit.net\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/nprofit.net\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/nprofit.net\/pl\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/nprofit.net\/pl\/wp-json\/wp\/v2\/comments?post=6580"}],"version-history":[{"count":0,"href":"https:\/\/nprofit.net\/pl\/wp-json\/wp\/v2\/posts\/6580\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/nprofit.net\/pl\/wp-json\/wp\/v2\/media\/43801"}],"wp:attachment":[{"href":"https:\/\/nprofit.net\/pl\/wp-json\/wp\/v2\/media?parent=6580"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/nprofit.net\/pl\/wp-json\/wp\/v2\/categories?post=6580"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/nprofit.net\/pl\/wp-json\/wp\/v2\/tags?post=6580"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}