Bon temps de lecture, chers utilisateurs Habr!
Cet article concerne le livre Supreme Algorithm, Pedro Domingos, traduction de The Master Algorithm (How the Quest for the Ultimate Learning Machine Will Remake Our World)
L'auteur consacre un livre à la mémoire de sa sœur, et le leitmotiv principal du livre est l'utilisation de l'apprentissage automatique pour trouver des moyens de lutter contre les maladies.
Dans le prologue, l'auteur montre les applications existantes du machine learning.
L'apprentissage automatique est une technologie qui se construit. C'est nouveau
phénomène dans notre monde.
Les algorithmes d'apprentissage sont des artefacts qui créent d'autres artefacts
Dans le premier chapitre, l'auteur décrit la complexité croissante des algorithmes logiciels - spatiaux, temporels, humains (possibilité de détecter des erreurs).
Les algorithmes d'apprentissage sont ceux qui créent d'autres algorithmes entraînés sur la base de données.
La thèse controversée est donnée:
Un jour, l'inévitable se produira: les algorithmes d'apprentissage deviendront un intermédiaire indispensable et le pouvoir y sera concentré
Le deuxième chapitre fournit l'hypothèse centrale du livre:
Toutes les connaissances - passées, présentes et futures - peuvent être extraites des données à l'aide d'un algorithme d'apprentissage universel.
Des arguments sont présentés dans les domaines de la neurobiologie, de l'évolution, de la physique, des statistiques, de l'informatique.
Comme l'a souligné Isaiah Berlin, certains penseurs sont comme des renards et connaissent beaucoup de choses différentes, et certains sont comme des hérissons qui connaissent une chose, mais qui sont importants
Algorithme d'apprentissage universel - Une arme incroyablement puissante contre le monstre de la complexité
Une liste de cinq types de machine learning identifiés est répertoriée:
La recherche de l'Algorithme Suprême est complexe, mais ils sont animés par la rivalité de différentes écoles scientifiques opérant dans le domaine de l'apprentissage automatique. Les plus importants d'entre eux sont les symbolistes, les connexionnistes, les évolutionnistes, les bayésiens et les analogistes.
Pour les symbolistes, l'intelligence se résume à manipuler des symboles - c'est ainsi que les mathématiciens résolvent des équations, remplaçant une expression par une autre
Pour les conjonctifs, la formation est ce que fait le cerveau, et donc ils croient que cet organe doit être reproduit par ingénierie inverse
Les évolutionnistes croient que la mère de l'apprentissage est une sélection naturelle
Les Bayésiens sont principalement préoccupés par l'incertitude
Pour les analogues, la clé de l'apprentissage est de trouver des similitudes entre différentes situations et donc d'en déduire logiquement d'autres similitudes
De plus, en cinq chapitres, les principales méthodes pour chaque type d'approche sont examinées, après quoi l'auteur décrit sa version de leur combinaison basée sur les réseaux logiques de Markov:
Pour résumer: l'algorithme d'apprentissage machine unifié auquel nous sommes arrivés utilise le réseau logique de Markov comme représentation, la probabilité postérieure comme fonction d'évaluation, et l'optimiseur qu'il utilise utilise la recherche génétique en combinaison avec la descente de gradient
Le dixième chapitre décrit les avantages d'un monde doté de bons algorithmes d'apprentissage.
Pourquoi le synopsis est-il biaisé? Parce que j'ai pris les algorithmes décrits comme base, mais au lieu de les compresser en un, j'ai suggéré de construire un pipeline à partir d'eux :)