Приятного чтения, уважаемые пользователи Хабра! Статья посвящена книге Педро Домингоса «Главный алгоритм», переводу книги «Главный алгоритм (Как поиски совершенной обучающейся машины переделают наш мир)».
Автор посвящает книгу памяти своей сестры, а основная тема книги — использование машинного обучения для поиска средств борьбы с болезнями.
В прологе автор показывает существующие применения машинного обучения.
Машинное обучение — это технология, которая строит сама себя.Это новая явление в нашем мире.
Алгоритмы обучения — это артефакты, которые создают другие артефакты.В первой главе автор описывает возрастающую сложность алгоритмов программного обеспечения – пространственных, временных, человеческих (способность обнаруживать ошибки).
Алгоритмы обучения — это те, которые создают другие алгоритмы, обучающиеся на данных.Выдвигается спорный тезис:
Когда-нибудь произойдет неизбежное: алгоритмы обучения станут незаменимым посредником и в них сосредоточится власть.Во второй главе излагается центральная гипотеза книги:
Все знания — прошлые, настоящие и будущие — можно извлечь из данных с помощью одного универсального алгоритма обучения.Представлены аргументы из области нейробиологии, эволюции, физики, статистики и информатики.
Как заметил Исайя Берлин, некоторые мыслители подобны лисам и знают много разных вещей, а некоторые подобны ежам, которые знают одно, но важное.
Универсальный алгоритм обучения — невероятно мощное оружие против монстра сложности.Вот список из пяти выявленных типов машинного обучения:
Поиск Высшего Алгоритма сложен, но он оживляется соперничеством разных научных школ, работающих в области машинного обучения.Наиболее важные из них — символисты, коннекционисты, эволюционисты, байесовцы и аналогиисты.
Для символистов интеллект сводится к манипулированию символами, подобно тому, как математики решают уравнения, заменяя одно выражение другим.
Для коннекционистов обучение — это то, что делает мозг, и поэтому они считают, что этот орган следует воспроизводить посредством обратной инженерии.
«Революционеры считают, что мать науки — естественный отбор»
Байесианцы в первую очередь озабочены неопределенностью.
Для специалистов по аналогии ключом к обучению является нахождение сходства между различными ситуациями и тем самым логический вывод о других сходствах.Далее в пяти главах обсуждаются основные методы для каждого типа подхода, после чего автор описывает свой вариант их объединения на основе логических сетей Маркова:
Подведем итог: разработанный нами единый алгоритм машинного обучения использует логическую сеть Маркова в качестве представления, апостериорную вероятность в качестве функции оценки, а его оптимизатор использует генетический поиск в сочетании с градиентным спуском.В десятой главе описываются преимущества мира, оснащенного хорошими алгоритмами обучения.
Почему резюме предвзятое? Потому что я взял за основу описанные алгоритмы, но вместо того, чтобы сжимать их в один, предложил построить из них конвейер :) Теги: #Машинное обучение #искусственный интеллект #высший алгоритм
-
Как Работает Javascript [Объясняю Наглядно]
19 Oct, 24 -
Организованный Фриланс. Часть 1
19 Oct, 24 -
Проблема С Размещением
19 Oct, 24 -
Типограф В Fckeditor
19 Oct, 24
