Aprendizagem Guiada

Para discussão, é proposto um método original de aprendizado de máquina. A capacidade de aprender amostras curtas e organizadas é assumida. Pode ser relevante em áreas onde não há big data.

Pergunta central :

Sob quais condições um número finito de exemplos de entrada e saída restaura exclusivamente um programa?

Formalismo :

Chamamos o dispositivo programado de quatro {PRG, IN, OUT, COMPUTE}, onde PRG, IN e OUT são alfabetos, PRG *, IN *, OUT * são os conjuntos de palavras neles. COMPUTE - uma função que combina um par de palavras de PRG e IN uma palavra de OUT
COMPUTAÇÃO: PRG * × IN * → OUT *. Ou:

onde programa, entrada, saída são palavras em PRG *, IN *, OUT *, respectivamente.

O programador COMPUTE é universal se, para qualquer função computável de IN a OUT, houver um programa da PRG que a implemente.

Um exemplo é um par (entrada, saída) IN {IN * × OUT *} para o qual a igualdade (I) é válida. Uma amostra de exemplos será chamada de qualquer conjunto finito deles.

Deixe o programa ∈ PRG *. Iremos chamar um símbolo α do programa como significativo se existir um exemplo para ele na área de definição de programa para a qual a igualdade (I) possa ser violada quando α for substituído por outro símbolo do PRG.

Dizemos que uma amostra cobre um programa se, para qualquer símbolo significativo do programa nessa amostra, houver um exemplo confirmando sua significância.

Teorema

Para qualquer programa, existem algumas amostras - a referência e o controle - permitindo identificar esse programa com precisão até equivalência.

Prova:

Obviamente, para qualquer programa, existe uma amostra de cobertura finita, desde o registro final do programa. Formamos uma amostra e chamamos de referência. Muitos dos programas cobertos pelo exemplo de referência são enumeráveis, pois muitos de todos os programas em geral são enumeráveis. Renumeramos todos os programas deste conjunto. Exemplos para a amostra de controle serão selecionados no escopo de nosso programa, para que um por um
excluir todos os programas com números inferiores ao número do programa desejado.
O processo será interrompido em um programa equivalente ao solicitado, ou então
em si. Obviamente, apenas um número finito de exemplos é necessário para a amostra de controle.

Explicação:

Um número finito de exemplos pode ser generalizado por um número infinito, de um modo geral, de métodos. As conclusões dos respectivos programas coincidirão apenas em vários exemplos e variam além. No entanto, a escolha da opção de generalização pode ser controlada selecionando perguntas de controle com respostas conhecidas pelo examinador, para que programas diferentes do desejado levem a erros e apenas o programa equivalente possa ser aprovado em todos os testes.

Por analogia com o processo educacional, cobriremos a amostra apoiando fatos (por questões de brevidade, simplesmente fatos ), as questões de controle do gerente ( testes ). Para identificar exclusivamente (até a equivalência) o programa, a amostra de treinamento deve consistir em duas partes - a referência e o controle.

Métodos de aprendizado de máquina gerenciado

Aprendizado Organizado ("Desafio do Aluno")

A amostra de treinamento é ordenada e organizada, consiste em lições. A lição consiste em duas partes - fatos e testes. Cada lição tem seu próprio programa. Os programas do programa das lições anteriores são usados ​​como material de construção para os subseqüentes como subprogramas ou modelos.

Programação indutiva ("experiência de vida")

A amostra de treinamento é simplificada, mas não rotulada, não há divisão em fatos e testes. A tarefa é adaptar consistentemente o programa (conhecimento) a cada novo exemplo (experiência). Para fazer isso, é necessário manter sua própria amostra de treinamento (interna) e modificá-la (reabastecer) toda vez que o programa atual levar a um erro.

Poder preditivo ("a tarefa do cientista")

Muitos exemplos não são pedidos ou marcados. É necessário encontrar a amostra mínima de treinamento necessária para construir um programa para o qual (I) é válido em todos os exemplos do conjunto.

A solução geral é uma enumeração completa de opções de numeração para exemplos e síntese indutiva para cada uma, com rastreamento do mínimo. Descartar a verificação de opções quando o número de fatos exceder o mínimo já conhecido.

Organização do treinamento ("tarefa do professor")

O programa é conhecido. É necessário que ela construa uma amostra de treinamento para minimizar a complexidade da aprendizagem do aluno. O professor não pode transferir seus conhecimentos e habilidades (programa) diretamente para o aluno, ele deve criar as condições para sua aquisição independente pelo aluno.

A tarefa do professor para robôs fará sentido quando a inteligência artificial ultrapassar a humana. Será importante não apenas encontrar uma solução para um problema difícil, mas é claro explicá-la às pessoas.

---

© 2019 Averin A.V.