Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
Mocneisłabestronyuczenianienadzorowanego
Uczenienadzorowanebijeuczenienienadzorowanenagłowęwwąskozdefiniowanych
zadaniach,dlaktórychmamydobrzezdefiniowanewzorce,któreniezmieniająsięzbytnio
wczasie,orazwystarczającoduże,łatwodostępne,oznakowanezbiorydanych.
Jednakwprzypadkuproblemów,wktórychwzorceniesąznanelubstalesięzmieniają
albodlaktórychniemamywystarczającodużychoznakowanychzbiorówdanych,lepiej
sprawdzasięuczenienienadzorowane.
Zamiastkierowaćsięoznakowaniem,uczenienienadzorowanedziałapoprzezucze-
niesiępodstawowejstrukturydanych,któresąużywanedoszkolenia.Robito,próbując
przedstawićdane,naktórychsięszkoliprzypomocyzestawuparametrów,któryjestzna-
czącomniejszyodliczbyprzykładówdostępnychwzestawiedanych.Przeprowadzając
takieuczeniereprezentacji,uczenienienadzorowanejestwstanieidentyfikowaćróżne
wzorcewzestawiedanych.
Wprzykładziezzestawemdanychobrazów(tymrazembezoznakowań)sztucznain-
teligencjaopartanauczeniunienadzorowanymmożebyćwstanieidentyfikowaćigrupo-
waćobrazywoparciuoto,jakbardzosąpodobnedosiebieijakróżnesąodpozostałych.
Naprzykładwszystkieobrazy,którewyglądająjakkrzesła,będązgrupowanezesobą,
awszystkieobrazy,którewyglądająjakpsy,będązgrupowanezesobą,itd.
Oczywiściesztucznainteligencjaopartanauczeniunienadzorowanymniepotrafisama
oznakowaćtychgrupjakonkrzesła”lubnpsy”
,alegdyjużpodobneobrazysąpogrupowa-
nerazem,ludziemajądużoprostszezadanieprzyoznakowywaniuichetykietami.Zamiast
ręcznegooznakowywaniamilionówobrazów,ludziemogąręcznieoznakowaćwszystkie
wyróżnionegrupy,ateoznakowaniazostanązastosowanewobecwszystkichelementów
wewnątrzdanejgrupy.
Powstępnymszkoleniu,jeślisztucznainteligencjaopartanauczeniunienadzorowa-
nymznajdzieobrazy,którenienależądożadnejzoznakowanychgrup,sztucznainteli-
gencjautworzyosobnegrupydlaniesklasyfikowanychdotądobrazów,dającczłowiekowi
możliwośćoznakowanianowych,nieoznakowanychdotychczasgrupobrazów.
Uczenienienadzorowanesprawia,żeniemożliwewcześniejdorozwiązaniaproblemy
stająsiębardziejrozwiązywalneijestdużobardziejelastycznewznajdowaniuukrytych
wzorcówzarównowdanychhistorycznych,któresądostępnepodczasszkolenia,jak
iwprzyszłychdanych.Cowięcej,mamyterazmetodęsztucznejinteligencjidlaogrom-
nychzbiorównieoznakowanychdanych,któreistniejąnaświecie.
Choćuczenienienadzorowanejestmniejbiegłeoduczenianadzorowanegowrozwią-
zywaniukonkretnych,wąskozdefiniowanychproblemów,tolepiejradzisobiezbardziej
otwartymiproblemamisilnejsztucznejinteligencjiiuogólnianiemtejwiedzy.
Równieważnejestto,żeuczenienienadzorowanemożerozwiązywaćwieletypowych
problemównapotykanychprzezanalitykówdanychpodczasbudowaniarozwiązańwy-
korzystującychuczeniemaszynowe.
Uczenienadzorowaneanienadzorowane
|
7
