Geführtes Lernen

Zur Diskussion wird eine originelle Methode des maschinellen Lernens vorgeschlagen. Die Fähigkeit, in kurzen, organisierten Samples zu lernen, wird vorausgesetzt. Kann in Bereichen relevant sein, in denen es keine Big Data gibt.

Zentrale Frage :

Unter welchen Bedingungen kann eine endliche Anzahl von Eingabe / Ausgabe-Beispielen ein Programm eindeutig wiederherstellen?

Formalismus :

Wir nennen das programmierte Gerät die vier {PRG, IN, OUT, COMPUTE}, wobei PRG, IN und OUT Buchstaben sind und PRG *, IN *, OUT * die Sätze von Wörtern in ihnen sind. COMPUTE - eine Funktion, die einem Wortpaar von PRG und einem Wort von OUT entspricht
COMPUTE: PRG * × IN * → OUT *. Oder:

Dabei sind Programm, Eingabe und Ausgabe Wörter in PRG *, IN * bzw. OUT *.

Der COMPUTE-Programmierer ist universell, wenn es für eine berechenbare Funktion von IN bis OUT ein Programm von PRG gibt, das dies implementiert.

Ein Beispiel ist ein Paar (Eingang, Ausgang) ∈ {IN * × OUT *}, für das Gleichheit (I) gilt. Eine Stichprobe von Beispielen wird als eine beliebige endliche Menge von Beispielen bezeichnet.

Lassen Sie das Programm ∈ PRG *. Wir nennen ein Symbol α aus dem Programm von Bedeutung, wenn es ein Beispiel dafür im Programmdefinitionsbereich gibt, für das Gleichheit (I) verletzt werden kann, wenn α durch ein anderes Symbol aus PRG ersetzt wird.

Wir sagen, dass ein Beispiel ein Programm abdeckt , wenn es für ein signifikantes Symbol des Programms in diesem Beispiel ein Beispiel gibt, das seine Signifikanz bestätigt.

Theorem

Für jedes Programm gibt es einige Beispiele - die Referenz und die Kontrolle - mit denen Sie dieses Programm mit einer Genauigkeit bis zur Äquivalenz identifizieren können.

Beweis:

Offensichtlich gibt es für jedes Programm eine endliche Stichprobe, seit der endgültigen Aufzeichnung des Programms. Wir bilden ein solches Muster und nennen es das Referenzmuster. Viele der von dem Referenzbeispiel abgedeckten Programme sind aufzählbar, da viele aller Programme im Allgemeinen aufzählbar sind. Wir nummerieren alle Programme dieses Sets neu. Beispiele für die Kontrollprobe werden nacheinander aus dem Umfang unseres Programms ausgewählt
schließen Sie alle Programme mit Nummern aus, die kleiner als die Nummer des gewünschten Programms sind.
Der Prozess stoppt bei einem Programm, das dem gewünschten Programm entspricht, oder ansonsten
selbst. Offensichtlich wird für die Kontrollprobe nur eine begrenzte Anzahl von Beispielen benötigt.

Erklärung:

Eine endliche Anzahl von Beispielen kann durch eine unendliche Anzahl von Methoden verallgemeinert werden. Die Ergebnisse der jeweiligen Programme werden nur in einer Vielzahl von Beispielen zusammenfallen und darüber hinaus variieren. Die Wahl der Verallgemeinerungsoption kann jedoch durch Auswahl von Kontrollfragen mit dem Prüfer bekannten Antworten gesteuert werden, so dass andere Programme als das gewünschte zu Fehlern führen und nur das entsprechende Programm alle Tests bestehen kann.

In Analogie zum Bildungsprozess werden wir die Stichprobe durch unterstützende Fakten (der Kürze halber, einfach Fakten ), die Manager - Kontrollfragen ( Tests ) abdecken. Um das Programm eindeutig (bis zur Äquivalenz) zu identifizieren, muss das Trainingsmuster aus zwei Teilen bestehen - der Referenz und der Kontrolle.

Managed Machine Learning-Methoden

Organisiertes Lernen („Student Challenge“)

Das Trainingsmuster ist bestellt und angelegt, besteht aus Lektionen. Die Lektion besteht aus zwei Teilen - Fakten und Tests. Jede Lektion hat ein eigenes Programm. Programme aus dem Programm vorheriger Lektionen werden als Baumaterial für nachfolgende als Unterprogramme oder Vorlagen verwendet.

Induktive Programmierung ("Lebenserfahrung")

Das Trainingsmuster ist gestrafft, aber nicht beschriftet, es gibt keine Unterteilung in Fakten und Tests. Die Aufgabe besteht darin, das Programm (Wissen) konsequent an jedes neue Beispiel (Erfahrung) anzupassen . Dazu müssen Sie jedes Mal, wenn das aktuelle Programm zu einem Fehler führt, Ihr eigenes (internes) Trainingsmuster pflegen und es ändern (auffüllen).

Vorhersagekraft ("die Aufgabe des Wissenschaftlers")

Viele Beispiele sind nicht bestellt oder markiert. Es ist erforderlich, das minimale Trainingsmuster zu finden, das zum Erstellen eines Programms erforderlich ist, für das (I) in allen Beispielen des Satzes gültig ist.

Die allgemeine Lösung besteht in einer vollständigen Aufzählung von Nummerierungsoptionen für Beispiele und einer induktiven Synthese für jede Option mit Nachverfolgung des Minimums. Verwerfen der Überprüfung von Optionen, wenn die Anzahl der Fakten das bereits bekannte Minimum überschreitet.

Organisation der Ausbildung („Lehreraufgabe“)

Das Programm ist bekannt. Sie muss ein Trainingsmuster erstellen, um die Komplexität des Lernens für die Schüler zu minimieren . Der Lehrer kann seine Kenntnisse und Fähigkeiten (Programm) nicht direkt auf den Schüler übertragen, sondern muss die Voraussetzungen für deren selbständigen Erwerb durch den Schüler schaffen.

Die Aufgabe des Robotiklehrers wird Sinn machen, wenn künstliche Intelligenz den Menschen übersteigt. Es wird wichtig sein, nicht nur eine Lösung für ein schwieriges Problem zu finden, sondern es auch den Menschen zu erklären.

---

© 2019 Averin A.V.