Comment l'apprentissage automatique m'a aidé à comprendre certains aspects du développement de la petite enfance

Quand mon premier fils n'avait que deux ans, il aimait déjà les voitures, connaissait toutes les marques et modÚles (encore plus que moi, grùce à mes amis), pouvait les reconnaßtre par une petite partie de l'image. Tout le monde a dit: génie. Bien qu'ils aient noté la futilité totale de cette connaissance. Et le fils, pendant ce temps, dormait avec eux, les roulait, les disposait exactement dans une rangée ou un carré.

Garçon aime les voitures

Quand il avait 4 ans, il a appris Ă  compter, et Ă  5 ans, il pouvait dĂ©jĂ  se multiplier et ajouter jusqu'Ă  1000. Nous avons mĂȘme jouĂ© Ă  Math Workout (le jeu est comme ça sur Android - j'aimais calculer dans le mĂ©tro aprĂšs le travail), et Ă  un moment donnĂ©, il a commencĂ© Ă  me faites juste ça. Et pendant son temps libre, il a comptĂ© jusqu'Ă  un million, qui s'est figĂ©. Un gĂ©nie! Ils ont dit, mais nous pensions que ce n'Ă©tait pas du tout.

Soit dit en passant, sur le marché, il a bien aidé sa mÚre - il a calculé le montant total plus rapidement que les vendeurs sur la calculatrice.

De plus, il n'a jamais joué sur le terrain, ne communiquait pas avec ses pairs, ne s'entendait pas trÚs bien avec les enfants et les enseignants du jardin. En général, j'étais un petit enfant réservé.

L'étape suivante était la géographie - nous avons essayé de canaliser l'amour des nombres quelque part et avons remis à notre fils un vieil atlas soviétique. Il s'y est plongé pendant un mois, puis a commencé à nous poser des questions délicates dans le style de:
- Papa, selon toi, quel pays a une grande superficie: le Pakistan ou le Mozambique?
«Probablement le Mozambique», ai-je répondu.
- Ça y est! La superficie du Pakistan est de 2 350 km2 », a rĂ©pondu le fils avec joie.

Le garçon aime la géographie

En mĂȘme temps, il ne s'intĂ©ressait absolument pas aux peuples vivant dans ces pays, ni Ă  leurs langues, ni Ă  leurs vĂȘtements, ni Ă  la musique folklorique. Seuls les chiffres nus: superficie, population, volume des rĂ©serves minĂ©rales, etc.

Tout le monde a de nouveau admirĂ©. "Je suis intelligent au-delĂ  de mes annĂ©es", ont-ils dit autour, mais encore une fois, j'Ă©tais inquiet, car J'ai compris qu'il s'agissait de connaissances totalement inutiles, non liĂ©es Ă  l'expĂ©rience de vie, et qu'il Ă©tait difficile de continuer Ă  dĂ©velopper. La meilleure application de tout ce que j'ai trouvĂ© Ă©tait une proposition pour calculer le nombre de voitures dans le parking, si un pays particulier Ă©tait roulĂ© avec de l'asphalte (sans tenir compte du terrain montagneux), mais rapidement arrĂȘtĂ©, car ça sent le gĂ©nocide.

Fait intĂ©ressant, le sujet des voitures Ă  ce moment-lĂ  a complĂštement disparu, le fils ne se souvenait mĂȘme pas du nom de ses voitures prĂ©fĂ©rĂ©es de son Ă©norme collection, que nous avons commencĂ© Ă  distribuer avec perte d'intĂ©rĂȘt. Et puis il a commencĂ© Ă  compter lentement dans son esprit et a vite oubliĂ© la rĂ©gion des pays. En mĂȘme temps, il a commencĂ© Ă  communiquer davantage avec ses pairs, est devenu plus de contact. Le gĂ©nie passa, les amis cessĂšrent d'admirer, le fils devint juste un bon Ă©lĂšve avec un penchant pour les mathĂ©matiques et les sciences exactes.

Répétition - la mÚre de l'apprentissage


Il semblerait, pourquoi tout cela. Cela est observé chez de nombreux enfants. Leurs parents déclarent à tout le monde que leurs enfants sont géniaux, les grands-mÚres sont enthousiastes et félicitent les enfants pour leur «savoir». Et puis de simples enfants intelligents ordinaires sortent d'eux, pas plus brillants que l'ami du fils de la mÚre.

En Ă©tudiant les rĂ©seaux de neurones, je suis tombĂ© sur un phĂ©nomĂšne similaire, et il me semble que certaines conclusions peuvent ĂȘtre tirĂ©es de cette analogie. Je ne suis ni biologiste ni neuroscientifique. Plus loin - mes suppositions sans prĂ©tendre ĂȘtre particuliĂšrement scientifique. Je serai heureux de commenter les professionnels.

Quand j'ai essayĂ© de comprendre comment mon fils avait appris si rapidement Ă  compter plus vite que moi (il a passĂ© le niveau de Math Workout en 20,4 secondes, alors que mon record Ă©tait de 21,9), j'ai rĂ©alisĂ© qu'il ne comptait pas du tout. Il a mĂ©morisĂ© que lorsque 55 + 17 apparaĂźt, vous devez appuyer sur 72. À 45 + 38, vous devez cliquer sur 83, et ainsi de suite. Au dĂ©but, il comptait certainement, mais la poussĂ©e de vitesse s'est produite au moment oĂč il a pu se souvenir de toutes les combinaisons. Et assez rapidement, il a commencĂ© Ă  se souvenir non pas d'inscriptions concrĂštes, mais de combinaisons de symboles. C'est exactement ce qui est enseignĂ© Ă  l'Ă©cole, en Ă©tudiant la table de multiplication - rappelez-vous la table de correspondance MxN -> P.

Il s'est avéré qu'il percevait la plupart des informations précisément comme une relation entre l'entrée et la sortie, et que l'algorithme trÚs général que nous avons utilisé pour faire défiler pour obtenir une réponse ne se limitait pas à un algorithme hautement spécialisé trÚs bien affiné pour calculer des nombres à deux chiffres. Il a fait un peu d'excellentes tùches, mais beaucoup plus lentement. C'est-à-dire ce qui semblait super cool pour tout le monde était en fait juste simulé par un réseau neuronal bien formé pour une tùche spécifique.

Connaissances supplémentaires


Pourquoi certains enfants ont-ils la capacité de s'en souvenir, alors que d'autres ne le font pas?

Imaginez le champ d'intĂ©rĂȘt de l'enfant (ici nous abordons la question qualitativement, sans aucune mesure). A gauche se trouve le champ des intĂ©rĂȘts d'un enfant ordinaire, et Ă  droite se trouve le champ des intĂ©rĂȘts d'un enfant «doué». Comme prĂ©vu, le principal intĂ©rĂȘt se concentre dans les domaines oĂč les inclinations spĂ©ciales. Mais sur les choses de tous les jours et la communication avec les pairs, l'attention ne suffit plus. Il considĂšre cette connaissance superflue.

IntĂ©rĂȘts d'un enfant ordinaire de 5 ansLes intĂ©rĂȘts d'un brillant enfant de 5 ans
IntĂ©rĂȘts d'un enfant ordinaire de 5 ansL'intĂ©rĂȘt de l'enfant "brillant" de 5 ans


Chez de tels enfants, le cerveau analyse et conduit la formation uniquement sur des sujets sĂ©lectionnĂ©s. GrĂące Ă  la formation, un rĂ©seau neuronal dans le cerveau doit apprendre Ă  classer avec succĂšs les donnĂ©es entrantes. Mais le cerveau possĂšde de trĂšs nombreux neurones. Vraiment plus que nĂ©cessaire pour un travail normal avec des tĂąches aussi simples. Habituellement, dans la vie, les enfants rĂ©solvent de nombreux problĂšmes diffĂ©rents, mais ici, les mĂȘmes ressources sont affectĂ©es Ă  un Ă©ventail de tĂąches plus restreint. Et la formation dans ce mode conduit facilement Ă  ce que les professionnels du ML appellent le sur-ajustement. Le rĂ©seau, en utilisant une abondance de coefficients (neurones), a Ă©tĂ© formĂ© de telle maniĂšre qu'il donne toujours exactement les bonnes rĂ©ponses (mais il peut donner un non-sens complet sur les donnĂ©es d'entrĂ©e intermĂ©diaires, mais personne ne le voit). Ainsi, la formation n'a pas conduit au fait que le cerveau a distinguĂ© les principales caractĂ©ristiques et les a mĂ©morisĂ©es, mais au fait qu'il a ajustĂ© beaucoup de coefficients afin de produire un rĂ©sultat exact sur des donnĂ©es dĂ©jĂ  connues (comme dans l'image de droite). De plus, sur d'autres sujets, le cerveau a appris ainsi, mal formĂ© (comme dans l'image de gauche).

Apprentissage automatique: sous-ajustement et sur-ajustement

Qu'est-ce que le sous-ajustement et le sur-ajustement?
Pour ceux qui ne sont pas dans le sujet, je vous le dirai trÚs briÚvement. Lors de la formation d'un réseau de neurones, la tùche consiste à sélectionner un certain nombre de paramÚtres (poids de communication entre les neurones) afin que le réseau, répondant aux données de formation (échantillon de formation), réponde le plus précisément et le plus précisément possible.

S'il y a trop peu de tels paramĂštres, le rĂ©seau ne pourra pas prendre en compte les dĂ©tails de l'Ă©chantillon, ce qui conduira Ă  une rĂ©ponse trĂšs approximative et moyenne qui ne fonctionne pas bien mĂȘme dans l'Ă©chantillon d'apprentissage. Comme dans l'image de gauche ci-dessus. C'est insuffisant.

Avec un nombre adéquat de paramÚtres, le réseau donnera un bon résultat, «avalant» de fortes déviations dans les données d'entraßnement. Un tel réseau répondra bien non seulement à l'ensemble de formation, mais aussi à d'autres valeurs intermédiaires. Comme dans l'image du milieu ci-dessus.

Mais si le rĂ©seau reçoit trop de paramĂštres configurables, il est alors formĂ© pour reproduire mĂȘme les Ă©carts et fluctuations importants (y compris ceux causĂ©s par des erreurs), ce qui peut conduire Ă  des dĂ©tritus complets lorsque vous essayez d'obtenir une rĂ©ponse aux donnĂ©es d'entrĂ©e ne provenant pas de l'ensemble de formation. Comme dans l'image ci-dessus. C'est exagĂ©rĂ©.

Un exemple illustratif simple.



Imaginez que vous avez plusieurs points (cercles bleus). Vous devez dessiner une courbe lisse qui vous permet de prédire la position des autres points. Si nous prenons, par exemple, un polynÎme, puis pour les petits degrés (jusqu'à 3 ou 4), notre courbe lisse sera assez précise (courbe bleue). Dans ce cas, la courbe bleue peut ne pas passer par les points de départ (point bleu).

Cependant, si le nombre de coefficients (et donc le degrĂ© du polynĂŽme) augmente, la prĂ©cision du passage des points bleus augmentera (ou il y aura mĂȘme un hit Ă  100%), mais le comportement entre ces points deviendra imprĂ©visible (voir comment la courbe rouge fluctue).


Il me semble que c’est l’inclinaison de l’enfant Ă  un sujet spĂ©cifique (la fixation) et le mĂ©pris total des autres sujets qui conduisent au fait qu’au cours de la formation, trop de «facteurs» sont accordĂ©s Ă  ces mĂȘmes sujets.

Étant donnĂ© que le rĂ©seau est configurĂ© pour des donnĂ©es d'entrĂ©e spĂ©cifiques et n'a pas allouĂ© de «fonctionnalitĂ©s», mais qu'il a «bĂȘtement» mĂ©morisĂ© les donnĂ©es d'entrĂ©e, il ne peut pas ĂȘtre utilisĂ© avec des donnĂ©es d'entrĂ©e lĂ©gĂšrement diffĂ©rentes. L'applicabilitĂ© d'un tel rĂ©seau est trĂšs Ă©troite. Avec l'Ăąge, l'horizon s'Ă©largit, le foyer s'Ă©rode et il n'y a plus de possibilitĂ© d'affecter autant de neurones Ă  la mĂȘme tĂąche - ils commencent Ă  ĂȘtre utilisĂ©s dans de nouvelles tĂąches plus nĂ©cessaires Ă  l'enfant. Les «paramĂštres» de ce rĂ©seau surchargĂ© s'effondrent, l'enfant devient «normal», le gĂ©nie disparaĂźt.

Bien sĂ»r, si un enfant a une compĂ©tence qui est utile en soi et peut ĂȘtre dĂ©veloppĂ©e (par exemple, la musique ou le sport), alors son «gĂ©nie» peut ĂȘtre maintenu pendant longtemps, et mĂȘme amener ces compĂ©tences Ă  un niveau professionnel. Mais dans la plupart des cas, cela ne fonctionne pas, et Ă  partir des compĂ©tences passĂ©es et une trace ne restera pas Ă  l'Ăąge de 8 Ă  10 ans.

Conclusions


  • avez-vous un enfant brillant? ça va passer;)
  • les horizons et le «gĂ©nie» sont des choses liĂ©es, et ils sont connectĂ©s prĂ©cisĂ©ment par le mĂ©canisme d'apprentissage
  • ce "gĂ©nie" visible - probablement pas du tout gĂ©nial, mais l'effet de trop d'entraĂźnement cĂ©rĂ©bral sur une tĂąche particuliĂšre sans le comprendre - c'est juste que toutes les ressources ont Ă©tĂ© consacrĂ©es Ă  cette tĂąche
  • en corrigeant les intĂ©rĂȘts Ă©troits de l'enfant, son gĂ©nie disparaĂźt
  • si votre enfant est «ingĂ©nieux» et un peu plus rĂ©servĂ© que ses pairs, alors vous devez dĂ©velopper ces mĂȘmes compĂ©tences avec soin, dĂ©velopper activement vos horizons en mĂȘme temps, et ne pas vous concentrer sur ces compĂ©tences «cool» mais gĂ©nĂ©ralement inutiles

Source: https://habr.com/ru/post/fr424201/


All Articles