Бабушка рассказывает о машинном обучении.
В прошлые выходные я был в гостях у бабушки, и она, как обычно, спросила меня, чем я был занят в те дни, поэтому я кратко обновил, немного этого, немного этого, вроде нормальный разговор между бабушкой и внуком, за исключением того, что она помнит то, что я сказал ей. После действительно полезного бабушкиного обеда она попросила у меня эту штуку, пока мыла посуду (я предложил это сделать, но вы же знаете, какие бывают бабушки). Это было не что иное, как машинное обучение, я упомянул об этом очень быстро, я не знаю, почему она держит в голове это конкретное сочетание слов. Ну, я знаю, это новая панорама, машинное обучение стало очень популярным, и теперь это модное слово, эта популярная концепция даже в домах наших бабушек, имейте в виду.
Итак, мы были вдвоем, она мыла посуду, а я смотрел, как она это делает, и немного боялся, как ответить на этот вопрос, объяснить концепцию, которая может быть настолько глубокой и сложной, насколько популярной. Но, давайте признаем, машинное обучение как концепцию почему-то легко объяснить, и к тому же это очень старая концепция. Мы смотрим много фильмов на эту тему за всю жизнь, дело в том, что я не знаю, смотрела ли моя бабушка такие фильмы.
Но тут я вспомнил один мультипликационный сериал, который видел в детстве, и я знаю, что его знает и моя бабушка, так что это было моей отправной точкой. Вы помните The Flintstones?, тот мультсериал о семье, которая жила в доисторические времена вместе с динозаврами, и другой сериал, который был как бы наоборот, с семьей, живущей в футуристическом мире вместе с роботами?, Идея была та же, но в одной серии мы видели животных, помогающих людям выполнять работу (обучение животных?), а в другой мы видели, как это делают роботы.
Если вы не в курсе про Джетсонов, то вот ролик, где упоминали о том, что создатели Флинтстоунов и Джетсонов были провидцами (эти мультсериалы из шестидесятых, я не такой уж и старый, только имейте в виду, что там знали ли люди о таких концепциях, как роботы, ИИ, машинное обучение, задолго до того, как они стали популярными 30, 40 или даже 50 лет спустя.)
Итак, я начал с Роузи, робота, который поддерживает порядок в доме Джетсонов, и сказал бабушке, что представьте себе робота, который может содержать посуду в чистоте. Мы прямо сейчас знаем и классифицируем, какая грязь может быть у тарелки, так что теперь весь этот опыт и информацию мы передаем машине, которая начинает учиться.
Представьте, что у нас есть машина, цель которой — мыть все в посудомоечной машине (посудомоечная машина с машинным обучением), и первая задача — мыть только белые тарелки, поэтому машина делает это и сохраняет этот опыт на будущее. С этим опытом эта штука поняла, что также может чистить стаканы, а почему бы и не кастрюли. Таким образом, вы увидите улучшение поведения этой посудомоечной машины само по себе. И тогда время стирки, а также использование воды и мыла более эффективно, поэтому оно экономит энергию и быстро очищает. Все это за несколько недель или дней. Эта машина научилась правильно мыть посуду, даже лучше, чем человек, но давайте признаем, нас не волнует эта задача, только то, что мы должны это делать, поэтому, если робот может сделать это лучше, почему бы не использовать и посмотреть, как все лучше.
Следуя этому примеру, меня вдохновляет эта кухня, поэтому я продолжаю говорить, я продолжаю со стиральной машиной (теперь она обучается стиральной машине), поэтому я спрашиваю свою бабушку, как они стирали белье в ее молодые годы. Стиральной машины не было, много воды тратили, стирать приходилось вручную, а когда появились первые стиральные машины, они были большими и шумными, не говоря уже о моющих средствах. Процесс был жестким. Теперь это намного проще, но что, если бы это могло быть еще проще. Я спросил ее, как она все это делает?, она сказала мне, что должна положить цветную одежду в одну корзину, а черно-белую - в другую. Затем я сказал ей, что у машины есть три основных способа обучения: под наблюдением, без присмотра и с подкреплением. Под наблюдением мы делаем то же самое, выбираем одежду и сообщаем машине, какого цвета каждая одежда, и со всеми данными, помеченными с нашей помощью, она может различать черную, белую или цветную одежду, а также собирается исследовать, какой тип одежды. моющее средство лучше сделать это и помнить об окружающей среде (это плюс, потому что многие люди до сих пор не заботятся об этом), и после этого он мог бы делать стирку, экономя энергию, воду, деньги и делая процесс более эффективен, мы учим началам, как ребенка, затем машина начинает соединять вещи и получать другие данные из опыта.
Неконтролируемый — это когда вы даете инструменты, но не маркируете их, поэтому машина становится прагматичной губкой, которая учится только на опыте и действует с этими результатами. Предположим, вам нужна помощь в приготовлении пищи, но у вас нет времени маркировать все ингредиенты и все рецепты один за другим, вы даете роботу только следующее: кучу немаркированных ингредиентов и вместе с этим кучу рецептов. у которого есть некоторая хорошая еда в результате. Здесь машина должна интерпретировать все с нуля, только зная, что тема и цель — еда, приготовление пищи. А потом он начинает готовить, у нас есть обучение с подкреплением, машина готовит, и если вы съедите все, что он приготовил, он поймет, что это было хорошо, и сохранит эту информацию, чтобы в следующий раз он стал лучше, если вы этого не сделаете. Если есть, то он узнает, что что-то идет не так, и снова сохраняет этот опыт как противоположный цели, для которой он был создан. То же самое для Роузи, робота-помощника Джетсонов, и, если подумать, то же самое для людей, это нормальный процесс обучения. Разница в том, что вся эта одежда — это не десять или двадцать штанов, а миллионы помеченных данных, которые нам теперь разрешено передавать машинам благодаря Интернету и всем этим волшебным вещам.
И действительно, это похоже на маленького ребенка, который сознательно или бессознательно впитывает и собирает много информации об основных техниках и начинает творить, как мышечная память, машины знают, что они способны создавать нейронные сети, что позволяет ему создавать новую информацию и новые знания из опыта.
И точно так же, как у маленького ребенка, у нас есть методы обучения машине. Есть одно, похожее на то, когда вы говорите ребенку рассортировать некоторые фигуры и положить все одинаковые фигуры в одну сторону, а другие, принадлежащие к другой группе, - в другую, и так далее. Этот метод имеет «причудливое математическое» название: K-БЛИЖАЙШИЕ СОСЕДИ, давайте остановимся только на ближайших соседях. Это контролируемый метод обучения
Еще один полезный метод — это дерево решений, то есть то, как и почему мы принимаем одно решение вместо другого. Почему мы идем ужинать, а не готовим дома, это решение зависит от многих переменных, таких как расстояние, еда, деньги, климатические условия, и после того, как мы оценим все эти конечности, мы приняли решение.
Апокалиптический поворот сюжета:
Ну, а что, если я вам скажу, что сейчас машины могут вести себя так же, как маленький ребенок в возрасте от 1 до 7 месяцев. Это реальность сейчас, мы сейчас учим и смотрим на машины в его первых детских шагах, и мы гордимся, и скоро мы сможем научить его готовить и яйца и начать изучать основы профессиональной кулинарии, потому что мы делали это веками, теперь пришло время научить кого-то или, в данном случае, что-то еще, чтобы сделать это, у нас есть вся информация, и эти вещи будут учиться так быстро, как они могут, быстрее, чем 7 летняя маленькая девочка, быстрее нас.
Как бы страшно и апокалиптически это ни звучало, мы можем контролировать пределы этого, дело в том, что есть некоторые задачи, которые машины могут выполнять намного быстрее, чем мы, но я думаю, что на данный момент спорт все еще остается частью человеческой деятельности. .
Но представьте теперь, что вы находитесь у себя дома, и вы хотите услышать какую-то случайную музыку в том настроении, в котором вы находитесь в этот момент, вам все равно, известна ли она, знаменита или никогда не слышала, только хотите, чтобы эта компания звучала для этого ощущение момента. Итак, вы говорите машине: «Я хочу послушать поп-музыку, танцевальную, но не очень, с расслабляющей лирикой и длительностью около четырех минут», затем машина делает свое дело, и вуаля, у вас есть бренд. новая песня, только для вас, персонализированная. Машины теперь делают музыку для некоторых людей, которым все равно. Соревнования теперь для машин. Все они очень быстро научились.
Что осталось нам?
Подробнее об основах машинного обучения вы можете узнать здесь:
А для говорящих по-испански эта интересная статья об ответственности в прогнозировании:
https://medium.com/bikolabs/la-responsabilidad-de-la-predicci%C3%B3n-56d17df04a98
