GotAI.NET

Форум: Проблемы искусственного интеллекта

 

Регистрация | Вход

 Все темы | Новая тема Стр.4 (5)<< < Пред. | След. > >>   Поиск:  
 Автор Тема: На: Ликбез по машинному обучению
Михайло
Сообщений: 2366
На: Ликбез по машинному обучению
Добавлено: 20 сен 17 17:49
Да, в машинном обучении есть методы обучения без учителя (кластеризация). Это когда ты учитель сам себе. То есть это суть - те же методы обучения с учителем, только учитель особый..

Лучше подойдут для рассмотрения обучающие примеры удара по футбольному мячу. Делается пробный удар, совершенно неуклюжий. Удар этот состоялся благодаря визуальным примерам и прочим мышечным навыкам. После серии ударов мозг находит закономерности между огромным вектором мышечных напряжений и траекторией полета. Ну наверное навскидку около ста мышц задействованы при ударе по мячу, у каждой мышцы десятки параметров (усилие определенным образом изменяется во времени разгон-замах-удар). Короче десять тысяч параметров - надо найти связь между успешным ударом и этими параметрами.
Вот реальная задача для искусственного интеллекта, а не то, что вы думаете.

***

Кстати говоря, я тут подумал, таки более универсальным подходом должны быть методы обучения без учителя. Что значит "учитель"? Это некий достоверный источник правильных данных. Мы устанавливаем достоверность того или иного источника через то же самое обучение. То есть мы должны по примерам понять, что источник данных достоверный, что учитель на самом деле учитель.

Я вот как источник являюсь учителем? Не для всех, далеко не все получили достаточно информации, чтобы оценить мою достоверность. Очень много помех в данных, много мата. Люди не привыкли доверять матерящимся учителям. Мат и учитель не коррелируются.
[Ответ][Цитата]
Михайло
Сообщений: 2366
На: Ликбез по машинному обучению
Добавлено: 20 сен 17 18:19
Хмур умеет генерировать информацию другими способами нежели анализом фактов из внешней среды (обучение по прецедентам). Что ж, похвально!

Продолжим ликбез. Специальная тема для тёмного товарища.

Итак, повторюсь: обучение по прецедентам - это всеобъемлющий способ обучения, этими методами можно обучаться очень сложным фактам, так как размерность анализируемого пространства признаков не ограничена. Прецедент - это факт, почерпнутый из внешней среды. Если размерность прецедента равна двум (x,y), то это просто измерение, АЦП. Если размерность высокая, то соответственно факт сложный.

Прецеденты бывают настолько сложные, что даже Хмур не может представить себе. Например, прецедентами будут примеры того, как задача разбивается на подзадачи (декомпозиция). Это достаточно сложная задача, которой можно научиться лишь только к 20 годам жизни человека. Аналогично - задача композиции.

Человеку всегда требуется тренировка, он должен видеть несколько примеров. Проблема в том, что примеры бывают комплексные - задача может состоять из простых подзадач. Человек должен прежде научиться разбивать сложную задачу на простые - это делается на тех же примерах. Обучение отлично зацикливается на примерах.

Сложность (комплексность) примеров ведет к тому, что методы машинного обучения должны быть многослойными. Эта идея реализуется в нейросетях, она особенно важна для понимания работы глубоких нейросетей. Первый слой, например, разбивает задачу на подзадачи. Второй слой уже решает простые задачи. Третий слой еще чего-нибудь делает. Так как каждый слой решает свою задачу, то и обучается он на своих примерах.
Долгое время глубокие нейросети (очень-очень многослойные и очень-очень умные) не показывали своей мощи. Причины этого:
1. Данные для обучения были очень скудные, отсутствовали богатые библиотеки данных с миллионами примеров
2. Вычислительные мощности были ограничены
3. Отсутствовали некоторые усовершенствования в структуре нейросетей

Эра глубоких нейронных сетей стартовала где-то в начале 2010-х годов, то есть после создания Готайки и после того, как Хайкин написал свой знаменитый полный курс по нейронным сетям. Даже если вы освоили этот курс, то это ничего не значит. Вам требуется ликбез.
[Ответ][Цитата]
Михайло
Сообщений: 2366
На: Ликбез по машинному обучению
Добавлено: 22 сен 17 9:57
Машинное обучение хоть и содержит в себе немного колдовства, не безгранично по своим возможностям. Дело не в машинном обучении, его слабости, а в том, что:
1. Некоторые задачи нерешаемы за конечное время
2. Некоторые задачи нерешаемы за разумное время (об этом факте обыватели не знают, только программисты)
3. У задачи недостаточно исходных данных (мало примеров/прецедентов)
4. Задачу нужно решить слишком точно (без ошибок)
Эти ограничения фундаментальны. Их нельзя обойти никакому супер-интеллекту. Иными словами, нужно вбить в свою головушку, что задачи не созданы для того, чтобы их непременно и во что бы ни стало успешно решали. Нам повезло, что многие задачи решаются за разумное время, с заданной точностью и у нас есть достаточно исходных данных. В то же время, можно привести ряд примеров задач, когда задача непроста. В этих случаях мы просто избегаем решений, теряемся, краснеем. Та же самая участь постигнет любой сильный супер-интеллект.

Надеюсь вы это понимаете.
[Ответ][Цитата]
Михайло
Сообщений: 2366
На: Ликбез по машинному обучению
Добавлено: 23 сен 17 4:55
Изменено: 24 сен 17 21:12
Некий объект является осмысленным, если получен алгоритм a, который работает на обучающей выборке, но и на всех возможных неизвестных примерах. В машинном обучении это явление называют обобщающей способностью. Согласись, если алгоритм a очень хороший, ошибок предсказания нет, то это значит, что машина понимает объект. А познаваемые объекты могут быть очень сложными... Это могут быть методы, процессы, функции.
[Ответ][Цитата]
Михайло
Сообщений: 2366
На: Ликбез по машинному обучению
Добавлено: 24 сен 17 2:40
Псевдотеория аутопоэзиса вообще требует особой работы развенчиванию.

Начинаю:
Цитата:
В дальнейшем Матурана и Варела продолжили попытки опубликовать результаты своей работы в виде книги, но получали от международных издательств многочисленные отказы в течение девяти лет. При этом многие учёные призывали Матурану и Варелу отказаться от бессмысленных спекуляций, какими им представлялись идеи теории аутопоэзиса. Книга была издана в 1980 году только после того, как идеи теории аутопоэзиса стали известными благодаря публикации нескольких статей в реферируемых научных журналах, докладам на международных научных конференциях и поддержке этой теории влиятельными учеными, в том числе Хайнца фон Фёрстера, который был первым учёным, который проявил интерес к этой теории

Один человек проявил слабость, и после этого прорвало, поток дерьма донесся до советских философов.
Цитата:
Теорию подвергается различной критике по поводу использования термина в его изначальном понимании - как попытка определения и объяснения живого, и многих его расширенных трактовок, таких как применение его к самоорганизующимся системам в общем, или социальным системам в частности. Критика аргументируется тем, что термин не способен определить или объяснить живые системы, а также, что из-за использования самореферентности оно не опирается ни на одну внешнюю для него сущность. Это в действительности попытка подвести базу под радикальный конструктивизм или под солиптическую эпистемологию Матураны, или то, что Данило Золо назвал «бездушной теологией». Примером может служить утверждение Матураны и Варелы что «мы не видим того, что мы не видим, а что мы не видим — не существует», или то, что реальность это изобретение наблюдающих. Модель аутопоэзиса, пишет Род Свенсон «таинственно отделено от физического мира своими прародителями … [и поэтому] базируется на солиптических основаниях, которые бросают вызов и здравому смыслу, и научному знанию».

Теория самообмана.
Цитата:
Американский биолог и биофизик Стюарт Кауффман отметил близость теории аутопоэзиса к своей собственной теории автокаталитического набора и объяснил слабое влияние обеих этих теорий на мейнстримную биологию тем, что современная биология основывается не на теориях и концепциях, а на экспериментах. По его словам, большинство биологов относятся к Вареле и Матуране как к философам. Теория аутопоэзиса критикуется за практическое отсутствие связи с дарвинизмом и трудностях в учёте воспроизводства живых существ.

Чистой воды философия, нет связи с реальностью.
Цитата:
Кристофер Ленгтон[en], один из основателей теории искусственной жизни, считает теорию аутопоэзиса просто иным способом систематизировать те вопросы над которыми работает современная биология, не привнося ничего нового.

Пустая теория.
Цитата:
Американский биолог Линн Маргулис признала полезность теории аутопоэзиса для различения живого и неживого, но вместе со многими другими экспериментальными биологами выразила мнение, что следование философским аспектам теории Варелы влечёт за собой проблемы для биологов.

Вредительская теория.

Я добавлю от себя:
Чтобы модель клетки распространить на любую другую модель живого, надо сперва доказать, что внешняя среда этого живого соответствует внешней среде клетки. Но это нереально, так как во внешней среде человека есть такая опасность: ему в голову может ударить монтировка, тогда как на уровне клетки никаких монтировок нет.
Отсюда следует простой вывод - лжетеория, которую следует развенчивать.
[Ответ][Цитата]
гость
188.170.83.*
На: Ликбез по машинному обучению
Добавлено: 24 сен 17 3:50

но с другой стороны, вопрос об обучении систематизирован у того же норвига или люгера не очень удачно, у воронцова более удачный подход 'через прецеденты', это может породить иллюзию полноты охвата вопроса, но это не так.
[Ответ][Цитата]
Михайло
Сообщений: 2366
На: Ликбез по машинному обучению
Добавлено: 24 сен 17 3:59
Книжка Норвига - это лишь справочник, энциклопедия, собирательное издание "все без разбору на тему автоматизации/интеллектуализации". Там есть такие вещи, которые вообще не стоило включать в книжку. В частности бинарный поиск и многое другое. Это тематика наук более низкого, фудаментального уровня. Лучше бы включил туда теорвер и линейную алгебру, больше бы толку было бы.
Польза от таких книг есть, но она проявляется не в плане обучения, так как там все чрезвычайно поверхностно, собирательно. Польза как от путеводной звезды.

Название чисто маркетинговое, никакого там искусственного интеллекта вы не найдете.
[Ответ][Цитата]
Михайло
Сообщений: 2366
На: Ликбез по машинному обучению
Добавлено: 25 сен 17 7:53
Бессодержательные посты удаляются.
[Ответ][Цитата]
NO.
Сообщений: 10700
На: Ликбез по машинному обучению
Добавлено: 25 сен 17 8:10
Нет сомнений, что искусственный интеллект и машинное обучение в течение последних нескольких лет обрели широкую известность. Как технологии Big Data удерживают статус самого обсуждаемого IT-тренда современности, так и алгоритмы машинного обучения можно считать наимощнейшим инструментом, ориентированным на прогнозное приложение больших объемов данных. Один из наиболее глобальных примеров использования машинного обучения — алгоритмы Netflix, которые предлагают посмотреть киноленты на основании тех, что пользователь видел ранее. Сюда же можно отнести и систему Amazon, рекомендующую приобрести книгу, отталкиваясь от купленных ранее электронных или печатных изданий.

Возможности машинного обучения довольно серьезные. Если вы хотите вплотную заняться его изучением, нужно определиться со стартовой позицией. Что касается меня, то впервые с искусственным интеллектом я столкнулся во время учебы заграницей, а именно в Копенгагене. Моим преподавателем был профессор прикладной математики и компьютерных наук Датского технического университета. Здесь он проводил исследования в области математической логики и искусственного интеллекта, уделяя основное внимание их применению для создания моделей с человекообразным ходом мысли. Занятия профессора можно охарактеризовать как смесь обсуждения теорий и основных концепций с практическим решением проблем. В течение курса мы использовали классическую в области ИИ книгу — С. Рассел, П. Норвиг «Искусственный интеллект — Современный подход». В ней в доступном виде подана информация о ключевых разделах, включая интеллектуальных агентов, решение проблем посредством поиска, задачи удовлетворения ограничений, основы планирования и вероятностные рассуждения. В конце каждого занятия мы реализовывали простые поисково-ориентированные агенты, решая задачи в виртуальной среде разработки.

Благодаря этим занятиям, я получил приличный багаж знаний и решил продолжить обучение в области машинного обучения. В течение всего июня 2016 года я посещал технические конференции в Сан-Франциско по глубинному обучению, нейронным сетям, организации данных и машинному обучению. Само главное, что в конце месяца я поступил на вводный ML-курс от Udacity и успешно закончил его через 2 недели. В этой статье я хочу поделиться с вами базовыми алгоритмами машинного обучения, которые мне удалось изучить в течение курса.

Методы машинного обучения можно разделить на 3 основные категории: контролируемое, неконтролируемое и подкрепляемое обучение. Контролируемое обучение полезно в тех случаях, когда свойство (ярлык) доступно для определенного массива данных (обучающего набора), но на данный момент оно отсутствует и должно быть предсказано для других случаев. Неконтролируемое обучение используется для обнаружения неявных отношений в данном немаркированном наборе данных. Подкрепляемое обучение — что-то среднее между вышеописанными категориями: есть некоторая форма обратной связи, доступная для каждого шага или действия, но отсутствует ярлык и сообщение об ошибке.
[Ответ][Цитата]
NO.
Сообщений: 10700
На: Ликбез по машинному обучению
Добавлено: 25 сен 17 8:13
Машинное обучение с каждым днем занимает всё большее место в нашей жизни ввиду огромного спектра его применений. Начиная от анализа пробок и заканчивая самоуправляемыми автомобилями, всё больше задач перекладывается на самообучаемые машины.

Мы порой даже примерно не представляем, как работают некоторые приложения, основанные на методах машинного обучения. Скажем, никто не сможет вам ответить на вопрос «Почему мне сегодня в рекламе показали сайт A, а не Б?». Наиболее печальным во всей этой ситуации является то, что большинство людей имеет неверное представление о машинном обучении.

ВВОДНАЯ

Машинное обучение считается ветвью искусственного интеллекта, основная идея которого заключается в том, чтобы компьютер не просто использовал заранее написанный алгоритм, а сам обучился решению поставленной задачи.

Любую работающую технологию машинного обучения можно условно отнести к одному из трёх уровней доступности. Первый уровень — это когда она доступна только различным технологическим гигантам уровня Google или IBM. Второй уровень — это когда ей может воспользоваться людей студент с некоторым багажом знаний. Третий уровень — это когда даже бабуля способна с ней совладать.

Машинное обучение находится сейчас на стыке второго и третьего уровней, за счёт чего скорость изменения мира с помощью данной технологии растет с каждым днем.

ОБУЧЕНИЕ С УЧИТЕЛЕМ И БЕЗ УЧИТЕЛЯ

Большую часть задач машинного обучения можно разделить на обучение с учителем (supervised learning) и обучение без учителя (unsupervised learning). Если вы представили себе программиста с плёткой в одной руке и куском сахара в другой, вы немного ошиблись. Под «учителем» здесь понимается сама идея вмешательства человека в обработку данных. При обучении с учителем у нас есть данные, на основании которых нужно что-то предсказать, и некоторые гипотезы. При обучении без учителя у нас есть только данные, свойства которых мы и хотим найти. На примерах разницу вы увидите немного яснее.

ОБУЧЕНИЕ С УЧИТЕЛЕМ

У нас есть данные о 10 000 квартирах в Москве, причём известна площадь каждой квартиры, количество комнат, этаж, на котором она расположена, район, наличие парковки, расстояние до ближайшей станции метро и так далее. Кроме того, известна стоимость каждой квартиры. Нашей задачей является построение модели, которая на основе данных признаков будет предсказывать стоимость квартиры. Это классический пример обучения с учителем, где у нас есть данные (10 000 квартир и различные параметры для каждой квартиры, называемые признаками) и отклики (стоимость квартиры). Такая задача называется задачей регрессии.
[Ответ][Цитата]
NO.
Сообщений: 10700
На: Ликбез по машинному обучению
Добавлено: 25 сен 17 8:14
Новые алгоритмы позволяют компьютерам решать задачи, которые раньше были под силу только человеку. С одной стороны, это принесёт нам огромную пользу, с другой — новые вызовы для каждого из нас. Чтобы прогресс не застал вас врасплох, будьте начеку и следите за ситуацией.

До недавних пор программистам приходилось писать сложные и очень точные инструкции даже для того, чтобы компьютеры могли выполнять самые простые задачи.

Языки программирования всегда развивались, но самым значительным достижением в этой области стало упрощение работы с кодом. Теперь компьютеры можно не программировать как раньше, а настраивать таким образом, чтобы они обучались сами.

Этот процесс, названный машинным обучением, обещает стать настоящим технологическим прорывом и может повлиять на любого человека, независимо от сферы его деятельности. Поэтому разобраться в теме будет полезно каждому из нас.

Что такое машинное обучение

Машинное обучение избавляет программиста от необходимости подробно объяснять компьютеру, как именно решать проблему. Вместо этого компьютер учат находить решение самостоятельно. По сути, машинное обучение — это очень комплексное применение статистики для поиска закономерностей в данных и создания на их основе нужных прогнозов.

История машинного обучения началась ещё в 1950-е годы, когда информатикам удалось научить компьютер играть в шашки. С тех пор вместе с вычислительной мощностью росла сложность закономерностей и прогнозов, которые компьютер способен распознать и составить, а также проблем, которые он может решить.

Сначала алгоритм получает набор обучающих данных, а затем использует их для обработки запросов. К примеру, вы можете загрузить в машину несколько фотографий с описанием их содержимого вроде «на этом фото изображён кот» и «на этом фото нет кота». Если после этого добавить в компьютер новые изображения, он начнёт определять снимки с котами уже самостоятельно.

Алгоритм продолжает совершенствоваться. Верные и ошибочные результаты распознавания попадают в базу данных, и с каждым обработанным фото программа становится умнее и всё лучше справляется с поставленной задачей. В сущности, это и есть обучение.
[Ответ][Цитата]
Михайло
Сообщений: 2366
На: Ликбез по машинному обучению
Добавлено: 25 сен 17 12:19
Наверняка кто-нибудь подумает: вот это машинное обучение, оно работает только с прецедентами, а ведь еще всякие другие методы, например, просто здравый смысл, методы строгой логики и т.д.
На что есть неожиданный ответ: любой другой метод осваивается только методом обучения по прецедентам. Вот так вот, приехали! А вы как думали, что в машину будут загружены всякие разные правила той внешней среды, в которой она будет существовать? А не забота ли самой машины - изучать эти правила самостоятельно?

Вот вы как логику изучали? Она при рождении запрограммирована была? Ну что вы! Вы изучали логику может в школе, но скорее всего по-настоящему только в ВУЗе. Вы тренировались на примерах, вы наверняка делали лабораторки, контрольные задания.

Вспомните, как вы учились преобразовывать уравнения, системы уравнений, сложные суперпозиции функций и т.п. Правильно, все познается так же на примерах.

Итак, ребятки, машинное обучение - это самый низкоуровневый метод, все остальные методы - это надстройки над машинным обучением. При чем проще, если машина сама выучит высокоуровневые правила и методы, потому что искусственно вводить знания - это довольно сложно и не нужно. Засуньте свою аутопоэзию в нейронную сетку...
[Ответ][Цитата]
NO.
Сообщений: 10700
На: Ликбез по машинному обучению
Добавлено: 26 сен 17 14:29
Цитата:
Автор: Михайло
Итак, ребятки, машинное обучение - это самый низкоуровневый метод, все остальные методы - это надстройки над машинным обучением.

А МО надстройка над чем?
[Ответ][Цитата]
Михайло
Сообщений: 2366
На: Ликбез по машинному обучению
Добавлено: 26 сен 17 20:04
Изменено: 26 сен 17 20:05
МО тоже надстройка над некоторыми вещами, но тут интересен не тот факт, что надстройка/подстройка, а тот факт, что все надстройки над МО строятся самой машиной самостоятельно.
А все, что до уровня МО (включительно) - это труд разработчика машины.
[Ответ][Цитата]
NO.
Сообщений: 10700
На: Ликбез по машинному обучению
Добавлено: 27 сен 17 5:37
Самостоятельность бывает разная. У машины одна, у человека совсем другая. У кошки например самостоятельности много, но это кошачья самостоятельность и к интеллекту не ведёт.
[Ответ][Цитата]
 Стр.4 (5)1  2  3  [4]  5<< < Пред. | След. > >>