Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
nwiadomości”
,nzakupy”
,itd.Innymisłowy,ponieważproblemniemaściślezdefiniowa-
negozadania,agentsztucznejinteligencjimożeznaleźćinteresującewzorcewykraczające
pozanaszpoczątkowyzakresposzukiwań.
Cowięcej,tensystemnienadzorowanyjestlepszyodsystemunadzorowanegowznaj-
dowaniunowychwzorcówwprzyszłychdanych,cosprawia,żerozwiązanienienadzoro-
wanestajesiębardziejelastyczne.Wtymtkwisiłauczenianienadzorowanego.
Mocneisłabestronyuczenianadzorowanego
Uczenienadzorowanedoskonalesprawdzasięprzyoptymalizowaniuwydajnościdlado-
brzezdefiniowanychzadańzdużąliczbąoznakowań.Rozważmynaprzykładbardzo
dużyzbiórdanychzobrazamiobiektów,gdziekażdyobrazjestoznaczonyetykietą.Jeśli
zestawdanychbędziewystarczającodużyiprzeszkolimyodpowiedniealgorytmyucze-
niamaszynowego(tzn.splotowesiecineuronowe)nawystarczającowydajnychkompu-
terach,będziemymoglizbudowaćbardzodobrysystemklasyfikacjiopartynauczeniu
nadzorowanym.
Ponieważsztucznainteligencjaopartanauczeniunadzorowanymszkolisięnadanych,
będziemywstaniezmierzyćjejwydajność(poprzezfunkcjękosztu),porównującprzewi-
dzianeprzezniąoznakowanieobrazuzprawdziwymoznakowaniemobrazu,któremamy
wzbiorzedanych.Sztucznainteligencjaspróbujejawniezminimalizowaćtęfunkcjękosz-
tu,takabyjejbłąddlanigdywcześniejniewidzianychobrazów(zzestawuodłożonego)
byłmożliwiejaknajmniejszy.
Właśniedlategooznakowaniasątakpotężne–pomagająkierowaćagentemsztucznej
inteligencji,zapewniającmumożliwośćpomiarubłędu.Sztucznainteligencjawykorzystu-
jemiarębłędudopoprawieniaswojejwydajnościwczasie.Beztakichoznakowańsztucz-
nainteligencjaniewie,jakjestskuteczna(lubnie)wpoprawnymklasyfikowaniuobrazów.
Jednakżekosztyręcznegooznakowaniazbiorudanychzobrazamisąwysokie.Nawet
najbardziejzadbanezbiorydanychzobrazamibędąmiałyjedynietysiąceoznakowań.
Stanowitoproblem,ponieważsystemyuczenianadzorowanegobędąbardzodobrewkla-
syfikowaniuobrazówobiektów,dlaktórychmająoznakowania,alesłabewklasyfikowaniu
obrazówobiektów,dlaktórychniemaoznakowań.
Systemyuczenianadzorowanegosąpotężne,alemająograniczonemożliwościuogól-
nianiaswojejwiedzyponadoznakowania,naktórychzostałyprzeszkolone.Ponieważ
większośćświatowychdanychjestnieoznakowana,wprzypadkuuczenianadzorowanego
zdolnośćsztucznejinteligencjidoposzerzaniaswojejwydajnościnanigdywcześniejnie-
widzianeprzypadkijestdośćograniczona.
Innymisłowy,uczenienadzorowanejestświetnewrozwiązywaniuproblemówwąskiej
sztucznejinteligencji,alenietakdobrewrozwiązywaniubardziejambitnych,mniejwy-
raźniezdefiniowanychproblemówsilnejsztucznejinteligencji.
6
|
Rozdział1:Uczenienienadzorowanewekosystemieuczeniamaszynowego
