Комментарии 15
Кто-то из современных великих (академиков?) сказал, что мозг это очень сложная система и его работу можно описать ЛЮБОЙ моделью. И от каждого описания может быть некая польза. Вот вы описали с точки зрения машинного обучения. В целом, интересно. Важно не останавливаться только на этом представлении. Есть еще много других. Например, включающие эмоциональные проявления.
Есть такой анекдот про Джеффри Хинтона:
Приходит Хинтон вечером домой и с порога говорит — "Наконец-то! Я понял, как на самом деле работает мозг!"
Дочка — "Папа, опять?"
Приходит Хинтон вечером домой и с порога говорит — "Наконец-то! Я понял, как на самом деле работает мозг!"
Дочка — "Папа, опять?"
НЛО прилетело и опубликовало эту надпись здесь
Нельзя научить алгоритм или человека только на примерах одного типа.
У Кевина Мерфи в его талмуде про это забавно было: "родители могут показать детям на что-нибудь и сказать — "смотри, вон собачка". Но они почти никогда не делают наоборот: "смотри, вон не-собачка")
Так что с негативными примерами не все так просто и очевидно, как кажется на первый взгляд.
А у того Кевина дети-то есть? Всё нормально у них с негативными примерами.
Смотри. Это кииииса.
А это кто у нас? Собаааачка.
Ой, а где собачка? Нееет собачки. Убежала собачка.
Смотри. Это кииииса.
А это кто у нас? Собаааачка.
Ой, а где собачка? Нееет собачки. Убежала собачка.
Мне тут ближе пример с одноклассовой классификацией (можно это назвать и concept learning) и частичным обучением (Semi-Supervised Learning).
Ребенок живет в мире громадного числа объектов, которые он сначала не может классифицировать (непомеченная выборка). Мы ему показываем 2-3 раза ложку, и он скоро обучается понятию "ложка". При этом, конечно, не надо ребенку показывать миллион ложек и миллион не-ложек, как это делается в простом подходе к обучению с учителем.
Так что мое мнение, что мы еще очень много для SSL можем почерпнуть из наблюдений за детьми. И также мне кажется, ребенок может прийти к какому-то понятию и без отрицательных примеров (решая задачу одноклассовой классификации).
Ребенок живет в мире громадного числа объектов, которые он сначала не может классифицировать (непомеченная выборка). Мы ему показываем 2-3 раза ложку, и он скоро обучается понятию "ложка". При этом, конечно, не надо ребенку показывать миллион ложек и миллион не-ложек, как это делается в простом подходе к обучению с учителем.
Так что мое мнение, что мы еще очень много для SSL можем почерпнуть из наблюдений за детьми. И также мне кажется, ребенок может прийти к какому-то понятию и без отрицательных примеров (решая задачу одноклассовой классификации).
Да, суть примерно в этом) Суровые психологи называют это fast mapping, кажется.
"Это собачка. А это кто? — Соба!!! — Нет, это киса!" — Обучаем-то классификации на несколько классов, а не на два (собачки и не собачки). Так же и в машинном обучении показывали бы примеры разных классов и требовали соответствующий сигнал на выходе. Так что не вижу особых отличий.
Я бы сказал, что машинное обучение, в его современной ипостаси глубоких сетей — моделирует на приемлемом уровне только работу неокортекса (коры). А неокортекс — это по сути гигантский фильтр, пропускающий сквозь себя только важные для выживания сигналы, отсеивающий все остальные.
Что важно в человеческом сознании, и что пока никак не получается промоделировать? Эмпатия. Возможность построить в себе модель другого человека и спрогнозировать его реакции на собственные действия. Такого нет даже близко. Впрочем, как и возможности построить модель окружающей среды (для прогона вариантов своих действий и выбора приемлемого варианта). А такие модели постоянно строят животные.
При этом, механизм эмпатии — вещь не выучаемая, а наследственная.
Что важно в человеческом сознании, и что пока никак не получается промоделировать? Эмпатия. Возможность построить в себе модель другого человека и спрогнозировать его реакции на собственные действия. Такого нет даже близко. Впрочем, как и возможности построить модель окружающей среды (для прогона вариантов своих действий и выбора приемлемого варианта). А такие модели постоянно строят животные.
При этом, механизм эмпатии — вещь не выучаемая, а наследственная.
> Способность же объяснить почему именно так работает алгоритм вторично, как для человека, так и для машины
А это неправда. Способность выявлять закономерности (низший уровень мышления) имел и первобытный человек. Способность их анализировать, создавать и тестировать модели, породила науку, которая и создала практически весь современный мир, в котором мы с вами находимся. В том числе и модели, по которым вы обучаете свои программы.
А это неправда. Способность выявлять закономерности (низший уровень мышления) имел и первобытный человек. Способность их анализировать, создавать и тестировать модели, породила науку, которая и создала практически весь современный мир, в котором мы с вами находимся. В том числе и модели, по которым вы обучаете свои программы.
Может я чего не понимаю, но как можно сравнивать запрограммированный заранее пусть и очень хороший классификатор с мозгом? Мозг — результат постоянной адаптации нервной системы на протяжении миллионов лет, к постоянно меняющимя внешним условиям и его задачи выходят далеко за примитивое сегментирование изображений и прочие ноухау современных систем анализа данных.
ИИ выиграл в го!!! Да это революция, это впервые, но при чем тут интеллект. Это хорошо натренированная система рефлексов не более того.
ИИ выиграл в го!!! Да это революция, это впервые, но при чем тут интеллект. Это хорошо натренированная система рефлексов не более того.
В том то и суть парадигмы машинного обучения, что программа меняется в зависимости от внешних условий. Сама.
Действительно, пока даже ребёнок бьёт машину в примитивном распознавании. Но, может быть, это потому, что алгоритм плох? Прогресс алгоритмов показывает, что это, по видимому, так.
Чтобы сравнивать искусственный интеллект с биологическим, хорошо бы определиться, что значит последний. Но это тяжело. Самое простое, устоявшееся, определение — это когда машина не отличима от человека в его делах. Думаю, что все больше областей человеческой деятельности попадает под "неотличимо" (а часто просто хуже).
Действительно, пока даже ребёнок бьёт машину в примитивном распознавании. Но, может быть, это потому, что алгоритм плох? Прогресс алгоритмов показывает, что это, по видимому, так.
Чтобы сравнивать искусственный интеллект с биологическим, хорошо бы определиться, что значит последний. Но это тяжело. Самое простое, устоявшееся, определение — это когда машина не отличима от человека в его делах. Думаю, что все больше областей человеческой деятельности попадает под "неотличимо" (а часто просто хуже).
Не знаю. Скорее нет, т.к. только частью является.
Собственно "на калькуляторе" и считается основной объем вычислений для машинного обучения. Здесь смысл, который я хотел донести, идет от Мински — совокупность неразумных агентов вместе составляют ИИ.
Собственно "на калькуляторе" и считается основной объем вычислений для машинного обучения. Здесь смысл, который я хотел донести, идет от Мински — совокупность неразумных агентов вместе составляют ИИ.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Учимся у машинного обучения (субботнее, философское)