Bom tempo de leitura, queridos usuários Habr!
O artigo é dedicado ao livro “O Algoritmo Supremo”, Pedro Domingos, tradução do Algoritmo Mestre (Como a Busca pela Máquina Final de Aprendizagem Refaz o Nosso Mundo)
O autor dedica um livro à memória de sua irmã, e o principal leitmotiv do livro é o uso do aprendizado de máquina para encontrar meios de combater doenças.
No prólogo, o autor mostra os aplicativos existentes de aprendizado de máquina.
O aprendizado de máquina é uma tecnologia que se constrói. Isso é novo
fenômeno em nosso mundo.
Algoritmos de aprendizado são artefatos que criam outros artefatos
No primeiro capítulo, o autor descreve a crescente complexidade dos algoritmos de software - espacial, temporal, humano (a possibilidade de detectar erros).
Algoritmos de aprendizado são aqueles que criam outros algoritmos treinados com base em dados.
A tese controversa é dada:
Algum dia o inevitável acontecerá: os algoritmos de aprendizado se tornarão um intermediário indispensável e o poder estará concentrado neles
O segundo capítulo fornece a hipótese central do livro:
Todo o conhecimento - passado, presente e futuro - pode ser extraído dos dados usando um algoritmo de aprendizado universal.
Os argumentos são apresentados nos campos da neurobiologia, evolução, física, estatística, ciência da computação.
Como observou Isaiah Berlin, alguns pensadores são como raposas e sabem muitas coisas diferentes, e alguns são como ouriços que sabem uma coisa, mas são importantes.
Algoritmo de Aprendizado Universal - Uma Arma Incrivelmente Poderosa Contra o Monstro da Complexidade
Uma lista de cinco tipos identificados de aprendizado de máquina está listada:
A busca pelo algoritmo supremo é complexa, mas eles são animados pela rivalidade de várias escolas científicas que operam no campo de aprendizado de máquina. Os mais importantes são simbolistas, conexionistas, evolucionistas, bayesianos e analistas.
Para os simbolistas, a inteligência se resume a manipular símbolos - é assim que os matemáticos resolvem equações, substituindo uma expressão por outra
Para os conectivos, o treinamento é o que o cérebro faz e, portanto, eles acreditam que esse órgão deve ser replicado pela engenharia reversa.
Os evolucionistas acreditam que mãe da aprendizagem é seleção natural
Os bayesianos estão preocupados principalmente com a incerteza
Para os análogos, a chave do aprendizado é encontrar semelhanças entre diferentes situações e, assim, inferir logicamente outras semelhanças.
Além disso, em cinco capítulos, são considerados os principais métodos para cada tipo de abordagem, após o qual o autor descreve sua versão de sua combinação com base nas redes lógicas de Markov:
Resumindo: o algoritmo unificado de aprendizado de máquina ao qual chegamos usa a rede lógica de Markov como uma representação, a probabilidade posterior como uma função de avaliação e o otimizador nela usa a pesquisa genética em combinação com a descida do gradiente
O décimo capítulo descreve os benefícios em um mundo equipado com bons algoritmos de aprendizado.
Por que a sinopse é tendenciosa? Como tomei os algoritmos descritos como base, mas em vez de compactá-los em um, sugeri a criação de um pipeline a partir deles :)