「2人以上の教師」の問題の要約とAIコミュニティに関する主観的な意見

私が考えを設定している間、それは記事に少し広がりました



1. 意識と無意識の機能的分離のモデル。 はじめに

2. 忘却の効果のない意識またはANNの発現のモデル

3. 「2人以上の教師」の問題。 最初のタッチ

4. ニューラルネットワークの強化学習。 理論



聴衆は必要な知識を持っているように見えましたが、すべて同じように、私たちは社会の色を持っています-プログラマー:) そして、コメントの中でこれらの記事に出くわした哀れな学生はまだ研究を完了していません。



これを要約して、調査で約束された拡張記事と考えてみましょう。 そして同時に、AIコミュニティには深刻な問題があると私に言った。 一連のコメントの後-はい、明らかにあります。 トレンドを見てみましょう。

AIコミュニティに関する主観的な意見

これから始めましょう。 多くの人はそれを気に入らないでしょうが、自分で落ち着いて評価しようとします。



どんな科学でもそうですが、AIはすでに本格的なインフラストラクチャを取得しています:)。 そして、これは次のようなものです。



1. AIのピラミッドのふもとにオラクルが座っています。これらは、「強いAI」、「弱いAI」に従事していると大声で宣言する人々です-私たちは興味がありません。 これらはフリークです-少なくとも私が会ったものはすべてフリークでした。 これらは21世紀の創造論者であり、論理を採用し、架空の理論を構築しようとしています。 これ以上でもそれ以下でもない。 あなたがまだこれを行っていない若い人なら、この沼から抜け出してください。 最初は、そのような人々と話すことすらしないでください-彼らは宗教的宗派のようにあなたのエネルギーを食べます。

2.エンジニアはAIのピラミッドへの階段にいます。 彼らは「弱いAI」に従事することをためらいません。多くの場合、彼らのパンです。 研究所でも、機械番号の認識、画像処理、証券取引所の予測、ロボットの制御など、非常に狭い方向を選択しています。 など 多くの場合、彼らは科学博士の称号を持ち、少しは教授の称号を持っています。 あなたがそのようなエンジニアと仕事をするようになった若い人、または彼らの講義を聞いているなら-基本を吸収してください、そうでなければあなたは確かに足に滑ります。 しかし、基本を吸収した-夢中にならないでください。 用語だけを知っている学生にならないでください-あなたの考えを自然に表現してください。 自分で何かを試してみてください。アルゴリズムを決して判断しないでください。アプローチは、そのようなエンジニアがあなたに言ったことだけに基づいています。 彼は単に本を読んで判断するだけであることがよくあります（そう、これを認めたAIの優れた教授は知っていました。 あなたが彼が直接関与していないことを彼に信じるなら、オリジナルをチェックせずに-数年後に、あなたは他の人の言葉からこの知識を伝えます。 その結果、あなたは完全に少し誤解されます。 もちろん、オリジナルを確認し、メソッドの作者の実験を再現しようとすると時間がかかります。 しかし、そうでなければ、時間をかけて作成する必要があります。近隣地域で何かを理解しているという誤った印象を信じてください。 そして、用語だけを知っている生意気な学生だけでなく、個人的な仕事に従事していたために権威を持つ人になります（あなたはそれを具体的かつ具体的な結果で誇らしげに呼んでいます）が、同時に、実験的に試していない。

3.熱から少し離れた日陰の階段で、神経生理学的エンジニアはうずくまって、患者と仕事をするのにうんざりし、反対側でAIエンジニアが叫んだことは不可能だと考えました。 彼らは、AIエンジニアの面倒なリモートハムで実現できることを、実験で静かに取り入れて実行します。 それから出てくるもの、何かではありません...しかし、原則として、彼らはAIエンジニアの考えに追いついていません。 しかし、彼らはこれを実際にヒューマンマシンインターフェースに変換しているという事実のおかげで、常に壮観に見えます。

4.しかし、問題は-ピラミッドの最上部にある展望台にいるのは誰ですか？ それは奇妙ではありません-それは空です、入り口は無料ではありません、誰もそこに行きません。 時々、戦いの最中に走っているエンジニアだけがそこに飛び込み、すぐに去ります。 これはAI理論家にとっての場所です。 多くの場合、エンジニアは底がどこにあり、どこが上にあるかを区別しません。そのため、理論家と神託を混同します。 しかし、これはAIエンジニアの脳がどのように構成されているかです;彼が理論的な一般化を見るとき、彼は特定の問題を見ず、それが揚げるかどうかを理解しません。 彼は木の後ろの森を見ず、太陽を見ると、神託の啓示のためにそれを取ります-そして、彼は考えています-なぜ私は太陽に上がって特定の何かをする必要がありますか？ それで、彼は太陽を焦がすことを恐れて、木の上に上がりません。 そして、焦げた人々-彼が見た-ピラミッドの郊外で、彼の足の下に忍び寄る。 しかしもちろん、彼が現代の言葉から学んだとしても、彼はニューラルネットワーク、遺伝的アルゴリズム、ファジーロジックなどのアイデアを生み出した人々が、ピラミッドの最上部にあるこの展望台をまだ訪れたことを知らない。話すために。

理論家の仕事は難しく、感謝していません

ついにAIエンジニアの群衆を押し通してAI理論家の望楼に入ると、うらやましい運命が待っています。 上から、彼には単純な問題に対する単純な解決策をとる権利がないことが明らかになります。 彼はもはや特定の仕事をする余裕はありませんが、彼の前でとても愛された特定の仕事をします。 彼は、望楼から押し出されないように、ピラミッドの階段で群衆の熱意を少し冷やす必要があると考えています。 また、特定のグループではなく、全員に水をかける必要があります。



しかし、飛散した水がAIエンジニアによって飲めることを自分に納得させるにはどうすればよいでしょうか？ 結局のところ、彼らは特定の問題を解決するためにローションだけを必要とします。 ここが最も難しい部分です。 AIエンジニアのタスクを退化させる必要があります。その場合にのみ、彼らは共通点を持ちます。 そして、この退化した問題の解決策を見つけてください。 さらに、実際には、縮退したタスクを、AIエンジニアがタスクを導き出す現実の世界に適合させることは大したことではありません。 彼らは少なくとも道具を与えられる必要があり、彼らの問題はハンマーやaを使うことです。



しかし、現代の理論家にとってはますます複雑になり、気取らない退化がすでに構築されています-分類問題、クラスタリング問題、MDP、PoMDPなどについてのアイデアはすでにあります 現実世界の問題がますます多く残るように、タスクを縮退させる必要があります。



そのため、このような縮退問題の1つを検討します。

理解するために必要な最小値は、人工ニューラルネットワークを使用してフィットネス関数を設定する方法であり、なぜこれが必要なのですか？

まず、着る人から「ピンクのメガネ」を外さなければなりません。 ANNの予測能力と学習速度について話しましょう。 すべてはミンスキーに準拠しています-彼らは不十分でゆっくりと予測します。 そして、Rosenblattパーセプトロンで説明しますが、原則として他のネットワークに違いはありません。



特定のタスクに対して良好な結果をもたらす美しいタスクを選択するのはAIエンジニアです。 額の状況をお見せします。 誰が同意しない-私たちは以下で説明するタスクを取り、それを自分でテストし、コードの計算で特定の結果を提供します-結果を再現できるようにします



チャレンジ。



単純な関数c = a + bを使用します。ここで、aとbは1〜64の整数で、cは1〜256の整数です（後で少し大きな次元が必要になります）。



次に、パーセプトロンに16個の入力と256個の出力があります。 つまり 2バイトが入力され、2進数aおよびbを表します。 そして、パーセプトロンが少し良く機能するために、出力は、そのような数とその出力数として解釈されます。 出口のあいまいさを取り除くために、「勝者がすべてを取る」という原則に取り組んでいます。 最もアクティブな出力のみを考慮します。



ニューラルネットワーク予測の精度の考え方



出力の入力の指定された空間全体でパーセプトロンをトレーニングする場合、追加することを正しく学習します。 これをグラフィカルに表示するには、「赤い正方形」を描画します:)、X軸上で左上隅から開始し、Y軸bで数値aを延期し、ポイントとの交点で赤のグラデーションで合計cを表示します。 次のものが得られます。





しかし、すべてが知られているとき、予測の余地はありません。 それでは、2つおきのポイントを削除しましょう。







次に、グラフィックエディタを使用して、不足しているポイントを追加します。 「赤の広場」を復元できますか。 たった1人でできると思う-はい、はいマレヴィッチ:)



しかし、パーセプトロンは、ほとんどすべての点で他の人と同じように誤解されますが、一般的な傾向のみを保持します。 彼がすることは次のとおりです。







このように、数学的な正確さが必要なときがわかります-予測はコーヒー畑の占いです。 しかし、いくつかの傾向が非常に適していることを示しています。 したがって、パーセプトロンは画像処理で機能します。 私たちの目はだまされる可能性があり、そこでは詳細な正確さは必要ありません。 しかし、計算精度が必要なマシンでは、パーセプトロンは機能しません。 私たちの直感は同じ特性です-それは分析におけるグラフィックメモリの使用と言うことができます。 それが心理学全体です。



フィットネス機能



実際には簡単です。 上記で、私たちが使用する関数c = a + bは、何らかのプロセスへの適合性を十分に反映している可能性があります。 （経済学では、彼らは効用関数について話すのが好きで、そこには役に立たないすべてのものがあり、お金を使う必要はありません:)、あるいは評価関数について話す-これらは価格を求めるアマチュアでもあります:)行動に適した条件の適合性を判断します）。 さて、ケトル内の水を、各ソースの温度センサーとは別の2つのソースで加熱しましょう。 水がいつ沸騰するかを判断する必要があります。



実際、上記の問題を解決しました。 上記で、フィットネス関数c = a + bを実装するようにパーセプトロンをトレーニングしました。 100度以上の温度を美しく表示するためだけに残っています。これを緑のグラデーションで行いましょう。これが得られます。







そして、一般的に、パーセプトロンが予測をあきらめなかった場合（黒い点）、それは原則としてトレンドと間違われていないことがわかります。 AIエンジニアは、パラメーター、ニューラルネットワークの種類などを少し試すことができます。 誤った画像をほとんど受信しません。 一般的に、多くの間違いがあります-しかし、境界線が見つかります。 したがって、完全にファジーなデバイスは、アクションを非常に明確にガイダンスすることができます。 これは、特定のフィットネス関数に基づいて実行するようにエージェントをトレーニングする人が使用します。



今、あなたはただ人工神経回路網にフィットネス関数を設定する方法を理解せずにはいられませんでした;）



人工ニューラルネットワークを使用してフィットネス関数を設定すると便利なのはなぜですか？



この質問はもう少し複雑です。 数式でフィットネス関数を簡単に設定できるのに、なぜこのような不正確で遅い学習ネットワークを使用するのでしょうか？ 直感を使わず、学校で得た分析の基本を使うのと同じです。



数式には1つだけ問題があります-それは困難で妥協のないものです。



しかし、実際には、温度の測定を開始し、以前は未知のポイントで-何らかの異常を受け取り始めました。 理由はわかりませんが、彼らは始めました。 まだソースの温度がかなり低い地域では-温度は100度よりも急激に高くなりました。 これは次のようなものです。







そして今、各次元が私たちに非常に高価に与えられていることを想像してください、それは数日と1万ドルかかります-そして、私たちは異常が何であり、少なくともどの領域で本当に理解したいです 私たちの式は取り返しのつかないほど時代遅れで不適切です。



そして、ここではより良いものはなく、彼らはニューラルネットワークの使用方法を理解していませんでしたが、予測を与えることができるのは悪いですが、少なくともこれは：

文脈における「2人以上の教師」の問題

少し難しくなります。 考える準備をしてください:)、私は上記が市場の監視員でさえ明らかになったと思います。



2人の教授がいて、そのうちの1人が2つの水源からの水の加熱を測定し、レイアウト（右側）と2番目のレイアウト（左側）を取得したとします。







次に、ソースの温度を合計して最終温度を取得する必要があるという理論を分析して構築しました。 そして、2番目の理論は別の理論を構築しました-彼が熱源の温度の1つだけをとるだけで十分です。



そして、彼らは、もちろん、お互いに無知な人々、欺ceiv者などと呼び合い、口論しました。 彼らは何も同意しなかったので、それぞれ自分の研究室に行きました。 普通の話ですね。 その後、それぞれが自分の「学校」を作成しました。 彼は学生に彼の理論を教え始めました、そして、1つの学校のそれぞれの悲惨な学生は別の学校の同じ悲惨な学生と議論しました-結局、彼らはお互いに叫ぶ必要がありました-したがって、学生は私たちのピラミッドの階段で太陽の下で場所を獲得します。



しかし、これらの学校の闘いを長い間見守っていた半学歴のある人には明らかになりました。 しかし、おそらく、A学校の教授とB学校の教授の両方が考慮に入れていない要因があります。彼は彼らに伝えることを決めましたが、彼らは彼のオフィスで閉まり、人々はある種の神託を恐れて通りから人を出させませんでした。 したがって、私たちの学部生は、教授の生徒たちを通り抜けなければなりません。もちろん、彼らはそれぞれ独自の方法で笑い、寺院で指をひねり、鼻に落ちようと努力しました。 私たちのヒーローは、成熟して側面を打ち負かし、何も起こらないことに気付き、ピラミッドの最上部にあるガゼボに引退しました。 そこで彼は、2人の教授の間の不一致の要因が何であるかを示すまで気付きました。 そして、彼は座って混雑しているのを見回した。 そして、私はすでに気づきました-私はすでに非常に高く登っていたので-なぜ私は2人の教授を試してみる必要がありますか？彼らがそれぞれ互いに議論し、各ペアに特定の問題がある-理論の発散の未知の一般的な要因。



そして彼は一般的なカテゴリーで問題について考え始め、それからピラミッドの階段に座っているすべての人に振りかけました。 はい-彼は望楼の精神に感染し、多くがここに行きたくない理由を理解しました。 それは本当に人を壊します。



それが彼のこれまでの理解です。 上記のようにニューラルネットワークを使用して、異常の場所を特定します-動作しません。 異常は状態空間のいたるところにあり、すべての教授の見方によって異なります。 つまり A教授の各ポイントとB教授のポイントの間には矛盾があります。



彼はまた、この矛盾を解決するために、この頃に起こっていたA教授とB教授の実験によって設定された全歴史を考慮する必要があることを理解しました。 多くの不必要で、時には一致するデータ（教授はほぼ同じことをしたため）。 しかし、それらのどこかにのみ、影響を与える要因があります。



手作業での分析は骨が折れるため、彼はニューラルネットワークを導入し、それにフィードバックを接続して、実験全体の履歴を活性化しました。 そして今、予測後に2つのソースの温度を測定すると、A教授のデータと同様のデータを受信しました。コンテキストからネットワークから信号が返されました。A教授による実験の歴史です。B教授に近いデータでも同様に、実験条件を何度も変更する必要がありました教授のようなデータパターンを受信しませんでした。



そして今、拍手-ネットワークは不一致の理由を見つけ、ネットワークの仕事はすぐに判明し、見つかった別の要因に応じて完全なレイアウトを構築し、パターンは教授のものよりも複雑になりましたが、驚くほど正確なデータを与えました教授は矛盾することはありません）...このパターンはもちろん、ネットワークから何らかの形で選択して分析的に記録する必要がありますが、ガゼボの近くのベンチに座っている人に頼らなければなりません...しかし、それは夢であることが判明しました ネットワークが正常にスピンまで-geroyは居眠り、彼は宇宙の未来について考え、ビールを飲みに行きました。