Обновление от 2 декабря 2019 г.: Мяу-мяу-мяу? Исходный текст и ссылка автора - все 404, и мы не знаем, что произошло. .
автор:sapySaptarshi Chatterjee
Переводчик прошептал bb:
Первоначальный автор выражает сильное презрение к машинному обучению и даже использует некоторые странные слова (большой туман).
Однако, кроме крайне личного отношения к исходному тексту, резюме машинного обучения в статье все же на месте.Эта статья является частичным переводом исходного текста, перехватывая части, которые я считаю ценными, в основном сохраняя просмотра исходного текста, но с удалением более интенсивных слов. В целом, всем по-прежнему полезно иметь более систематическое представление о машинном обучении: машинное обучение очень мощное, но не всемогущее. Если вас интересует оригинальная точка зрения, вы можете перейти по оригинальной ссылке.
Оригинальный текст выглядит следующим образом
Сейчас 26 сентября 2019 года. Кажется, что в любой технической дискуссии в наши дни, если кто-то хочет звучать круто, он произносит слово «машинное обучение» и с нетерпением ждет победы в обсуждении.
Я являюсь одним из них. Я хотел сделать свою жизнь более увлекательной, поэтому отказался от высокооплачиваемой карьеры, чтобы получить степень магистра в области машинного обучения. Я не жалею об этом решении, но машинное обучение меня настолько разочаровало, что я сменил специальность.
В тот день, когда вы полностью поймете машинное обучение, вашим фантазиям о машинном обучении придет конец. Ни одна машина никогда ничему не научилась. Называть эту область «машинным обучением» — удивительная вещь.
Возможно, вы слышали, что машинное обучение может лечить рак, водить машину, писать код вместо человека и многое другое. Запомните мои слова - это острая курица
По состоянию на сентябрь 2019 года машинное обучение в основном делает только 4 вещи.
1. Задача регрессии
Учитывая набор данных, когда добавляется новая строка данных, машинное обучение может предсказать возможные значения некоторых отсутствующих значений для этой вновь добавленной строки.
a b 2
b c 3
x d ?
2. Задача классификации (обучение с учителем)
Учитывая последовательность объектов и последовательность категорий, мы уже знаем, какие объекты к каким категориям относятся. Машинное обучение может предсказать для нового элемента неизвестной категории, к какой категории в этом наборе категорий он принадлежит.
Например, Audi и BMW относятся к категории «автомобиль», Boeing и Airbus относятся к категории «самолет». Титаник по весу, высоте, стоимости и т.д. больше похож на самолет. Но машинное обучение никогда не сможет сказать, что это на самом деле лодка, потому что в нашей первоначальной классификации нет вещи, называемой лодкой.
3. Обучение без учителя (часто также используется для классификации)
Дана последовательность объектов и число n, которое вы хотите классифицировать. Машинное обучение может группировать похожие объекты в группу, которая в общей сложности делится на n категорий.
Другой пример. Сейчас я собираюсь классифицировать Audi, BMW, Boeing, Airbus и Titanic, теперь я говорю нейросети иметь 2 набора классификации. Скорее всего, он предсказал бы, что Audi и BMW будут в одной категории, а Airbus, Boeing и Titanic — во второй. Однако он не может сказать, к чему на самом деле относятся первая и вторая категории, поэтому требуется, чтобы кто-то указал на них и сказал: «Эй, это машина». Конечно, я также могу сказать, что мы будем в трех категориях, Титаник, вероятно, будет в третьей категории, потому что его характеристики полностью отличаются от других объектов, но машинное обучение никогда не скажет вам, что это лодка.
4. Обучение с подкреплением
Если ваша задача имеет конечную цель (например, выиграть в шахматы), вы можете попытаться установить баллы за каждое возможное количество ходов, таких как «хорошие ходы» и «плохие ходы», с дополнительными баллами за хорошие и плохие ходы. ходы Распределить наказание. Затем вы разрабатываете систему, позволяющую выиграть игру с максимально возможными шансами. (Что касается того, как судить о хорошем или плохом ходе, это алгоритмический вопрос и не имеет ничего общего с самим машинным обучением.)
Можно сказать, что все вышеперечисленное относится к текущему машинному обучению.
А что, если люди скажут, что он может помочь нам обрести самостоятельное вождение или обнаружить рак?
В тысячах фрагментов данных о здоровье человека вы можете пометить пациента с раком или пациента как здорового. Теперь, имея новую запись пациента, мы можем использовать алгоритм классификации, чтобы предсказать, принадлежит ли он к группе больных раком или группе здоровых.
В качестве альтернативы мы разбиваем задачу управления автомобилем на тысячи подэтапов, таких как движение вправо, движение вправо в сочетании с дорожными условиями, и машинное обучение может предсказать, какие шаги автомобиль должен предпринять дальше. Как вы понимаете, эта задача требует инноваций в электронике и машиностроении больше, чем машинного обучения.
Машинное обучение — это просто компьютер, который выполняет какой-то алгоритм и выдает какие-то результаты, и ни в коем случае он не контролирует нас и не правит миром.
Машинное обучение представляет собой комбинацию компьютерных алгоритмов, дискретной математики и теории вероятностей. Если мы дадим ему много данных для расчета, он может дать некоторые значения вероятности, которые имитируют реальный мир. Но предположение, что это изменит мир, — преувеличение.