Машины сургалт: Үнэгүй хичээлээс квант алгоритм хүртэлх оюуны уралдаан

Машины сургалт гэдэг нь урьд нь хол байсан шинжлэх ухааны уран зөгнөлийн ойлголт байсан бөгөөд одоо бидний амьдралын бүхий л талд нэвтэрсэн байна. Хувь хүний ​​зөвлөмжөөс эхлээд автомат жолоодлого, өвчний оношилгоо хүртэл машины сургалт нь дэлхийг урьд өмнө байгаагүй хурдаар өөрчилж байна. Гэхдээ энэ нь сурталчилгаа шиг хүчтэй юу? Бид энэхүү технологийн хувьсгалын цаад мөн чанарыг хэрхэн ойлгох вэ?

X/Twitter дээрх машины сургалтын талаарх хэлэлцүүлгийг үзэх нь өндөр хурдтай ажиллаж буй экосистемийг ажиглаж байгаатай адил юм. Нэг талаас, төрөл бүрийн "төлбөртэй хичээл үнэгүй" гэсэн уруу таталтууд нь алтны халууралтын үеийн хуудас шиг хурдан мэргэжилд орохыг хүсч буй алт хайгчдыг татахыг хичээж байна; нөгөө талаас, Стэнфорд, MIT зэрэг шилдэг их дээд сургуулиудын хичээлийн нөөцүүд үнэ төлбөргүй нээлттэй байгаа нь академик ертөнц нээлттэй шинжлэх ухааныг хүлээн авч байгааг харуулж байна. Эдгээр хоёр эрс ялгаатай дүр зураг нь одоогийн машины сургалтын салбарын гол зөрчлийг яг таг харуулж байна: босго буурах ба гүн гүнзгий ойлголтын хоорондын ялгаа.

Үнэгүй өдрийн хоолны уруу таталт ба урхи: Мэдлэгийг ардчилах уу эсвэл хямд худалдаалах уу?

"Төлбөртэй хичээл үнэгүй" гэсэн сурталчилгаа байнга гарч ирдэг бөгөөд тэд хүмүүсийн шинэ ур чадварыг хурдан эзэмших хүслийг ашигладаг. Гэсэн хэдий ч Пол Грэм хэлэхдээ: "Хэрэв та үнэхээр үнэ цэнтэй зүйл хийхийг хүсч байвал урт хугацааны туршид шаргуу ажиллахад бэлэн байх ёстой." Машины сургалт бол нэг дор хийх боломжтой технологи биш бөгөөд энэ нь бат бөх математикийн үндэс, програмчлалын ур чадвар, салбарын мэдлэгийг гүн гүнзгий ойлгохыг шаарддаг. "72 цагийн дотор төгс эзэмшинэ" гэж амлаж буй хичээлүүд нь аль хэдийн байгаа мэдлэгийг энгийн савлагаа төдий бөгөөд жинхэнэ гүнзгийрэлт, шинийг санаачлага дутмаг байж магадгүй юм.

Энэ төрлийн хичээлүүд нь боловсролын салбарын тодорхой хүндрэлийг харуулж байна. Уламжлалт боловсролын загвар нь өндөр өртөгтэй, суралцах хугацаа урттай тул хурдан өөрчлөгдөж буй зах зээлийн хэрэгцээг хангахад хэцүү байдаг. Гэхдээ үүний зэрэгцээ "хурдан сурах" гэсэн хэт их эрэлхийлэл нь үндэс суурийг бат бөх бус, ойлголтыг өнгөц болгоход хүргэдэг. Жинхэнэ үнэ цэнтэй мэдлэгийг олж авахын тулд цаг хугацаа, хүчин чармайлт шаардлагатай байдаг.

Стэнфордын өгөөмөр сэтгэл: Академик ертөнцийн нээлттэй эх сурвалжийн сүнс ба хүний ​​нөөцийг хөгжүүлэх ирээдүй

Үүний эсрэгээр Стэнфорд, MIT зэрэг шилдэг их дээд сургуулиудын санал болгож буй үнэгүй хичээлийн нөөцүүд нь эрс ялгаатай байр суурийг харуулж байна. CS221 (хиймэл оюун ухаан), CS229 (машины сургалт), CS230 (гүн сургалт) гэх мэт урьд нь үнэтэй байсан хичээлүүдийг одоо YouTube дээр үнэгүй авах боломжтой. Энэ нь зөвхөн мэдлэгийг ардчилах төдийгүй ирээдүйн хүний ​​нөөцийг хөгжүүлэх хөрөнгө оруулалт юм.

Энэхүү нээлттэй хуваалцах сүнс нь машины сургалтын салбарын хөгжлийг хурдасгаж байна. Эдгээр өндөр чанартай хичээлүүдийг судалснаар суралцагчид машины сургалтын онолын үндэс болон практик ур чадварыг системтэйгээр эзэмшиж, ирээдүйн инновацид бат бөх үндэс суурийг тавьж чадна. Үүний зэрэгцээ эдгээр хичээлүүд нь өндөр төлбөр төлөх боломжгүй оюутнуудад тэгш боломж олгож, илүү олон хүмүүст энэхүү технологийн хувьсгалд оролцох боломжийг олгож байна.

Хяналттай сургалтаас хүчжүүлсэн сургалт хүртэл: Машины сургалтын алгоритмын зэвсгийн уралдаан

X/Twitter дээрх хэлэлцүүлэг нь машины сургалтын төрөл бүрийн алгоритмуудыг хамарсан. Шугаман регрессээс эхлээд мэдрэлийн сүлжээ, хяналттай сургалтаас хүчжүүлсэн сургалт хүртэл алгоритмын төрөл олон янз бөгөөд хэрэглээний хувилбарууд нь өөр өөр байдаг. Пост дээр дурдсан Bias-Variance Tradeoff-той адил тохирох алгоритмыг сонгох нь ихэвчлэн нарийвчлал ба ерөнхий чадварын хооронд тохиролцоо хийхийг шаарддаг.

• Хяналттай сургалт: Энэ бол хамгийн түгээмэл машины сургалтын төрөл бөгөөд шошготой өгөгдлийг судалж таамаглах загвар бүтээдэг. Зургийн танилтаас эхлээд спам шүүлтүүр хүртэл хяналттай сургалтын хэрэглээ хаа сайгүй бий. Гэхдээ энэ нь өгөгдөл шошголох өндөр өртөгтэй, загвар хэт тохирох гэх мэт асуудлуудтай тулгардаг.

• Хяналтгүй сургалт: Хяналттай сургалтаас ялгаатай нь хяналтгүй сургалт нь шошгогүй өгөгдлийг боловсруулж, өгөгдөл дэх хэв маяг, бүтцийг олж шинжилдэг. Кластерын шинжилгээ, хэмжээсийг багасгах техникүүд нь хяналтгүй сургалтын ердийн хэрэглээ юм. Хяналтгүй сургалт нь өгөгдөлд нуугдсан мэдээллийг олж илрүүлэх боломжтой боловч үр дүнг тайлбарлахад хэцүү байдаг.

• Хүчжүүлсэн сургалт: Хүчжүүлсэн сургалт нь хүрээлэн буй орчинтой харилцан үйлчлэлцэх замаар оновчтой стратегийг сурдаг сургалтын арга юм. Энэ нь тоглоом, робот удирдлага зэрэг салбарт гайхалтай амжилт гаргасан. AlphaGo-ийн амжилт нь хүчжүүлсэн сургалтын алгоритмын дэвшилд тулгуурласан юм. Хүчжүүлсэн сургалт нь маш их туршилт шаарддаг бөгөөд сургалтын процесс нь урт бөгөөд төвөгтэй байдаг.

• Шилжүүлсэн сургалт: Пост дээр дурдсан шилжүүлсэн сургалт (Transfer Learning)-тай адил энэ нь машины сургалтын салбарын чухал чиг хандлага юм. Энэ нь бидэнд аль хэдийн сургагдсан загварыг шинэ даалгаварт ашиглах боломжийг олгож, сургалтын цаг хугацаа, өгөгдлийн хэрэгцээг бууруулдаг. Шилжүүлсэн сургалт нь зургийн таних, байгалийн хэл боловсруулах зэрэг салбарт өргөн хэрэглэгддэг.Тооцоолох чадавх нэмэгдэж, өгөгдлийн хэмжээ тэсрэлттэйгээр өсөхийн хэрээр машин сургалтын алгоритмуудын зэвсгийн уралдаан улам ширүүсэх болно. Шинэ алгоритмууд байнга гарч ирж, одоо байгаа алгоритмууд ч тасралтгүй сайжирч байна. Хамгийн гол нь эдгээр алгоритмуудыг бодит асуудалд хэрхэн ашиглаж, нийгмийн жинхэнэ хэрэгцээг хэрхэн шийдвэрлэх вэ.

Тайлбарлах боломжтой хиймэл оюун ухаан (XAI): Хар хайрцгийг эвдэж, ил тод байдлыг дэмжих

Энэхүү нийтлэлд тайлбарлах боломжтой хиймэл оюун ухаан (XAI)-ыг дурдсан байна. Машин сургалт чухал салбарт улам бүр өргөн хэрэглэгдэхийн хэрээр алгоритмын ил тод байдал, тайлбарлах боломжийн талаарх хүмүүсийн шаардлага улам бүр нэмэгдэж байна. Хэрэв машин сургалтын загвар буруу шийдвэр гаргавал бид яагаад ийм шийдвэр гаргасныг ойлгож, сайжруулах ёстой.

XAI-ийн зорилго нь машин сургалтын загварыг илүү ил тод, ойлгоход хялбар, итгэхэд хялбар болгох явдал юм. XAI технологийн тусламжтайгаар бид загвар хэрхэн шийдвэр гаргаж байгааг ойлгож, загвар дахь хазайлт, алдаанаас зайлсхийх боломжтой. XAI нь машин сургалтын шударга байдал, найдвартай байдал, аюулгүй байдлыг хангахын тулд маш чухал юм.

Алгоритмаас давж: Машин сургалт ба квант тооцооллын огтлолцол

“Фотоник болон холимог квант машин сургалтад зориулсан нээлтийн хөдөлгүүр” сэдэвт нийтлэл нь машин сургалт ба квант тооцооллын нэгдэл хурдасч байгааг харуулж байна. Квант тооцоолол нь хүчирхэг зэрэгцээ тооцоолох чадвартай бөгөөд уламжлалт компьютерийн шийдвэрлэхэд хэцүү нарийн төвөгтэй асуудлыг шийдвэрлэх боломжтой. Квант тооцооллыг машин сургалтад ашиглах нь алгоритмын үр ашиг, загварын нарийвчлал гэх мэт салбарт ахиц дэвшил гаргах боломжтой юм.

Квант машин сургалт эрт үе шатандаа байгаа ч асар их боломжоо харуулсан. Ирээдүйд квант машин сургалтыг эм бэлдмэл нээх, материалын шинжлэх ухаан, санхүүгийн загварчлал гэх мэт салбарт ашиглаж, хиймэл оюун ухааны хөгжлийг шинэ эрин үе рүү түлхэц үзүүлэх болно.

Ирээдүйн чиг хандлага: Өгөгдлөөс оюун ухаан руу, тогтвортой машин сургалтын экосистемийг бий болгох

Машин сургалтын ирээдүй нь зөвхөн алгоритмын шинэчлэлд төдийгүй тогтвортой экосистемийг хэрхэн бий болгоход оршино. Үүний тулд бид дараах хэд хэдэн чиглэлд хүчин чармайлт гаргах шаардлагатай байна.

1. Өгөгдлийн засаглал: Өгөгдлийн чанар, аюулгүй байдал, нууцлалыг хангах. Машин сургалтын найдвартай суурийг хангахын тулд өгөгдлийн засаглалын төгс тогтолцоог бий болгох.

2. Ёс зүйн хэм хэмжээ: Хиймэл оюун ухааны ёс зүйн хэм хэмжээг тогтоож, машин сургалтыг зохисгүй зорилгоор ашиглахаас сэргийлэх. Машин сургалтын шударга байдал, ил тод байдал, тайлбарлах боломжийг хангах.

3. Хүний нөөцийг хөгжүүлэх: Машин сургалтын мэргэжилтнүүдийг сургах ажлыг эрчимжүүлж, хурдацтай өсөн нэмэгдэж буй зах зээлийн эрэлт хэрэгцээг хангах. Нээлттэй хуваалцахыг дэмжиж, мэдлэгийг түгээх, шинэчлэлийг дэмжих.

4. Салбарын нэгдэл: Машин сургалтыг бусад салбартай нэгтгэхийг дэмжих, жишээлбэл, биологи, анагаах ухаан, санхүү гэх мэт. Машин сургалтыг бодит асуудлыг шийдвэрлэхэд ашиглаж, нийгмийн илүү үнэ цэнийг бий болгох.Машины сургалт бол оюуны өрсөлдөөн боловч тэг нийлбэртэй тоглоом биш юм. Нээлттэй хамтын ажиллагаа, хамтын хүчин чармайлтын үр дүнд бид илүү ухаалаг, илүү шударга, илүү тогтвортой ирээдүйг бий болгож чадна. Гол нь бид шүүмжлэлт сэтгэлгээгээ хадгалж, гадаргуугийн гялбаанд төөрөлдөхгүй, машины сургалтын мөн чанарыг гүнзгий ойлгож байж л энэхүү технологийн хувьсгалаас үүдэлтэй боломжуудыг жинхэнэ утгаар нь ашиглах боломжтой.