Comments 4
Прочитал и первую и вторую часть и возник вопрос — каково практическое применение данного метода? Про грибы я понял, про вино тоже. Это очень похоже на рекомендательную систему — берем кучу признаков и по ним определяем — хорошее вино или нет. Потом говорим — «Если хочешь выбрать хорошее вино, то у него должны быть вот такие признаки...»
Но непонятно, почему стоит использовать ваш метод. В каких случаях он предпочтительнее?
Но непонятно, почему стоит использовать ваш метод. В каких случаях он предпочтительнее?
Спасибо за комментарий, Вы все верно сформулировали.
Эту систему нужно рассматривать как интеллектуального помощника исследователя.
Эксперт привносит свое понимание предметной области. Например, у нас был успешный опыт взаимодействия с академиком РАН А.А.Зализняком. Он разработал систему палеографических признаков для письма по бересте в XI-XIII веках в Новгороде. Затем он потратил более 10 лет своей жизни, чтобы на основании берестяных грамот с известными датировками разработать таблицы, какому 20-летию какого века какие комбинации им придуманных признаков соответствуют. Так вот похожая система сделала рутинную переборную задачу вместо него за несколько часов!
Но мы опирались за гений Андрея Анатольевича. Так же с грибами (миколог сможет расширить список существенных признаков и/или значений) и виноделием.
В Америке года 3 назад начались спонсируемые DARPA исследования по XAI (eXplainable Artificial Intelligence). Там развиваются самые разные архитектуры нейросетей, туда привлекли проф. В.Н.Вапника (автора Support Vector Machine). Но эти системы не могут объяснить, почему они решили так (нейросетки, грубо говоря, объясняют это тем, что некоторая сложная функция от признаков преодолела порог, а SMV — что точка оказалась в нужной области пространства).
Западный аналог описываемого подхода — Индуктивное Логическое Программирование — но там все упирается в вычислительную сложность. Пока никто не понимает, как применить вероятностные алгоритмы. Я уверен, что по-другому справиться с комбинаторикой не получится.
Здесь же нам повезло, что проф. Рудольф Вилле придумал представление, на котором вероятностные алгоритмы строятся легко (используют регистровые операции CPU и GPGPU и еще параллелятся совсем без проблем!). При этом и математика оказалась достаточно простой, чтобы в ней можно было много чего доказать. Я написал консольную программу на C++, только ее невозможно было использовать. Теперь возникла идея связать алгоритмы с БД под MariaDB и опитонить систему.
Эту систему нужно рассматривать как интеллектуального помощника исследователя.
Эксперт привносит свое понимание предметной области. Например, у нас был успешный опыт взаимодействия с академиком РАН А.А.Зализняком. Он разработал систему палеографических признаков для письма по бересте в XI-XIII веках в Новгороде. Затем он потратил более 10 лет своей жизни, чтобы на основании берестяных грамот с известными датировками разработать таблицы, какому 20-летию какого века какие комбинации им придуманных признаков соответствуют. Так вот похожая система сделала рутинную переборную задачу вместо него за несколько часов!
Но мы опирались за гений Андрея Анатольевича. Так же с грибами (миколог сможет расширить список существенных признаков и/или значений) и виноделием.
В Америке года 3 назад начались спонсируемые DARPA исследования по XAI (eXplainable Artificial Intelligence). Там развиваются самые разные архитектуры нейросетей, туда привлекли проф. В.Н.Вапника (автора Support Vector Machine). Но эти системы не могут объяснить, почему они решили так (нейросетки, грубо говоря, объясняют это тем, что некоторая сложная функция от признаков преодолела порог, а SMV — что точка оказалась в нужной области пространства).
Западный аналог описываемого подхода — Индуктивное Логическое Программирование — но там все упирается в вычислительную сложность. Пока никто не понимает, как применить вероятностные алгоритмы. Я уверен, что по-другому справиться с комбинаторикой не получится.
Здесь же нам повезло, что проф. Рудольф Вилле придумал представление, на котором вероятностные алгоритмы строятся легко (используют регистровые операции CPU и GPGPU и еще параллелятся совсем без проблем!). При этом и математика оказалась достаточно простой, чтобы в ней можно было много чего доказать. Я написал консольную программу на C++, только ее невозможно было использовать. Теперь возникла идея связать алгоритмы с БД под MariaDB и опитонить систему.
Читаю и будто попал в некий междусобойчик преподавателей и студентов, которые друг друга и предмет давно знают и общаются на себе понятном языке без лишних объяснений.
Скорее всего, Вы правы: мне стоило начать с объяснения теории.
Попробуйте перейти по ссылке на статью 4 из серии (там есть ссылки на статьи 1-3). Я полагаю, что правильный порядок для новичков: 3,4,2,1. Если же речь идет о применении программистами, то лучший порядок: 1,2,3,4 (по мере увеличения числа «ненужных математических формул»(с)).
Попробуйте перейти по ссылке на статью 4 из серии (там есть ссылки на статьи 1-3). Я полагаю, что правильный порядок для новичков: 3,4,2,1. Если же речь идет о применении программистами, то лучший порядок: 1,2,3,4 (по мере увеличения числа «ненужных математических формул»(с)).
Sign up to leave a comment.
CPython библиотека «ВКФ» для машинного обучения