Цитата(Fun)
про разницу между машинным обучением и нейросетями — наглядное объяснение, почему фандоп в «Но меч» та еще шляпа.
По мне, так ведущий в этом ролике больше бросается магическими фразами, чем объясняет, из-за чего смешивает в одну кучу модели и обучение с учителем (supervised) и без учителя (unsupervised), процесс обучения и задачу классификации, бросается зарубежными словами и выглядит, как википедия: "вот вам набор слов, теперь гуглите учебники, чтобы понять, что это было"
Искусственный интеллект — это созданная видимость наличия у машины человеческого интеллекта. Видимость эта заключается в демонстрируемой способности накапливать данные, применять их для решения задачи и извлекать новые данные из накопленного опыта. Но это только видимость, у машины при этом может быть больше/меньше интеллекта, и с человеком всё равно несравнима, поэтому говорят о разных видах ИИ: слабый (машина решает какую-то одну когнитивную задачу, для которой она и была сконструирована и обучена) и сильный (машина способна к абстрактному мышлению и может использоваться для всех когнитивных задач, которые решают люди, её в некотором роде даже можно считать равным человеку разумным существом).
Нейросеть — это математическая конструкция, которая состоит из множества элементов, связанных друг с другом. Каждый элемент — это какая-то функция, которая принимает данные на вход и отдаёт данные на выход, а рисунок связей между элементами напоминает связи нейронов — потому и название. Искусственные интеллекты могут основываться на нейросетях.
Машинное обучение — это методы, позволяющие настраивать функции в элементах нейросети. Их много, они продолжают появляться, они основаны на разных областях знаний, в их основе есть обучение с учителем и обучение без учителя и вообще много чего.
Современные нейросети не умеют думать, они только решают ту задачу, на которую их обучили, то есть им настроили параметры функций в их составных элементах. Технические решения с нейросетями "добрые" маркетологи называют ИИ, но это всё — слабые ИИ. И даже для них обучение нейросети — это очень время- и трудозатратное занятие.
Чтобы нейросети умели думать, нужно, чтобы это качество возникло как новое свойство системы, поэтому нейросети нужно объединять с другими техническими решениями (в том числе — другими нейросетями), используя какие-то принципы. Нейросети должны, например, уметь использовать разные решающие функции, им потребуется память и какие-то методы взаимодействия с ней; им нужно уметь обрабатывать накопленный опыт и не забывать исключительные случаи. Какой нужно создать архитектуру системы, чтобы эта система научилась мыслить — никто пока не знает, но это не беда, потому что мы изобрели эволюционные алгоритмы :)
Была такая игрушка "Амёбы". Там игроки не знают, какой геном нужен, чтобы их амёба умела метко стрелять и хорошо избегать смерти, но эволюционный алгоритм помогает создать этот геном, а игроки смотрят на всё это дело часами.
Фантдоп в "Но меч" в том, что применение эволюционного алгоритма помогло-таки персонажам найти архитектуру мыслящей машины. Он твердонаучен, как вампиры у Уоттса, и фантастичен, потому что пока этого нет в реальности, но и принципиальных препятствий не видно :)
А вообще, думаю, самые наглядные объяснения — в вузовских учебниках по распознаванию образов и другим связанным с нейросетями дисциплинам.
- Дж. Ту, Р. Гонсалес - "Принципы распознавания образов" (1974);
- В.Н. Вапник, А.Я. Червоненкис - "Теория распознвания образов" (1974);
- Хайкин С. - "Нейронные сети. Полный курс" (2006)
Последний выделю, пожалуй, чё-т нравица и количеством страниц, и содержанием) Но он едва ли не сразу бьёт по читателю материалом, который предполагает предварительное знакомство с теорией распознавания образов, которая есть в предыдущих двух книгах.
Чтобы запилить свою нейросеть, требуется знание математического анализа, поэтому учебники на него очень опираются.
Добавлено через 9 мин. 59 с. Цитата(Fun)
чувак учит программу убегать от луча смерти
Вот, кстати, отличный пример использования эволюционного алгоритма при обучении нейросети!