Para la discusión, se propone un método original de aprendizaje automático. Se asume la capacidad de aprender en muestras cortas y organizadas. Puede ser relevante en áreas donde no hay grandes datos.
Pregunta central :
¿En qué condiciones un número
finito de ejemplos de entrada-salida restaura de
manera única un programa?
Formalismo :
Llamamos al
dispositivo programado los cuatro {PRG, IN, OUT, COMPUTE}, donde PRG, IN y OUT son alfabetos, PRG *, IN *, OUT * son los conjuntos de palabras en ellos. COMPUTE - una función que combina un par de palabras de PRG e IN una palabra de OUT
COMPUTAR: PRG * × IN * → OUT *. O:
donde programa, entrada, salida son palabras en PRG *, IN *, OUT *, respectivamente.
El programador COMPUTE es universal si para cualquier función computable de IN a OUT hay un programa de PRG que lo implementa.
Un ejemplo es un par (entrada, salida) ∈ {IN * × OUT *} para el que se cumple la igualdad (I).
Una muestra de ejemplos se llamará cualquier conjunto finito de ellos.
Deje que el programa ∈ PRG *. Llamaremos a un símbolo α del programa
significativo si hay un ejemplo para él en el área de definición del programa para el cual se puede violar la igualdad (I) cuando α se reemplaza por otro símbolo de PRG.
Decimos que una muestra
cubre un programa si para cualquier símbolo significativo del programa en esta muestra hay un ejemplo que confirma su importancia.
TeoremaPara cualquier programa, hay un par de muestras, la referencia y el control, que le permiten identificar este programa con precisión hasta equivalencia.
Prueba:Obviamente, para cualquier programa, hay una muestra de cobertura finita, desde el registro final del programa. Formamos una muestra y la llamamos referencia. Muchos de los programas cubiertos por la muestra de referencia son enumerables, ya que muchos de todos los programas en general son enumerables. Renumeramos todos los programas de este conjunto. Los ejemplos para la muestra de control se seleccionarán del alcance de nuestro programa para que uno por uno
excluya todos los programas con números menores que el número del programa deseado.
El proceso se detendrá en un programa equivalente al buscado, o bien
en sí mismo Obviamente, solo se necesita un número finito de ejemplos para la muestra de control.
ExplicaciónUn número finito de ejemplos puede generalizarse mediante un número infinito, generalmente hablando, de métodos. Los resultados de los respectivos programas coincidirán solo en una multitud de ejemplos y variarán más allá. Sin embargo, la elección de la opción de generalización se puede controlar seleccionando preguntas de control con respuestas conocidas por el examinador para que los programas que no sean los deseados conduzcan a errores y solo el programa equivalente pueda pasar todas las pruebas.
Por analogía con el proceso educativo, cubriremos la muestra respaldando hechos (por brevedad, simplemente
hechos ), el gerente - preguntas de control (
pruebas ). Para identificar de manera única (hasta la equivalencia) el programa, la muestra de capacitación debe constar de
dos partes : la referencia y el control.
Métodos gestionados de aprendizaje automático
Aprendizaje organizado ("Desafío estudiantil")
La muestra de capacitación se ordena y presenta, consta de lecciones. La lección consta de dos partes: hechos y pruebas. Cada lección tiene su propio programa. Los programas del programa de lecciones anteriores se utilizan como material de construcción para los posteriores como subprogramas o plantillas.
Programación inductiva ("experiencia de vida")
La muestra de entrenamiento está simplificada pero no etiquetada, no hay división en hechos y pruebas. La tarea es adaptar constantemente el programa (conocimiento) a cada nuevo ejemplo (experiencia). Para hacer esto, debe mantener su propia muestra de capacitación (interna) y modificarla (reponerla) cada vez que el programa actual genere un error.
Poder predictivo ("la tarea del científico")
Muchos ejemplos no están ordenados ni marcados. Se requiere
encontrar la muestra
mínima de capacitación necesaria para construir un programa para el cual (I) sea válido en todos los ejemplos del conjunto.
La solución general es una enumeración completa de opciones de numeración para ejemplos y síntesis inductiva para cada uno, con seguimiento del mínimo. Descartando la verificación de opciones cuando el número de hechos excedió el mínimo ya conocido.
Organización de la formación ("tarea del profesor")
El programa es conocido. Se requiere que ella construya una muestra de capacitación para
minimizar la complejidad del aprendizaje para el estudiante. El profesor no puede transferir sus conocimientos y habilidades (programa) directamente al alumno; debe crear las condiciones para su adquisición independiente por parte del alumno.
La tarea del maestro para los robots tendrá sentido cuando la inteligencia artificial supere a la humana. Será importante no solo encontrar una solución a un problema difícil, sino que está claro explicárselo a las personas.
© 2019 Averin A.V.