Comments 13
Какая-то у Вас неправильная «зазывайка»
Они ещё и тормозят адски. Наверно нейронками анализируют мои паттерны поведения.
Спасибо, передали скрин
Самый большой облом от нейросетей — что поначалу кажется, будто можно дать нейросети набор данных, в котором вы точно знаете что есть решение, и она его обязательно найдет. Но на практике это не так. В этих данных, которые для нейросети чаще всего выглядят как случайные числа (ведь если было бы понятно как извлечь из них нужные для решения данные, то вы это сделали бы более простыми способами), обычно оказывается куча других псевдокорреляций, на которых градиентному спуску сойтись намного проще. Кроме того, решение должно быть дифференцируемое, то есть при небольших изменениях его параметров, результат тоже должно меняться слабо. Иначе с большой вероятностью алгоритм не сойдется.
Но больше всего раздражают глупые ошибки обученной нейросети. Глупые с нашей точки зрения, конечно, потому что мы ориентируемся на логику. Ну как можно перепутать человека и стол, например? Но для нейросети это просто цифры, увеличиваемые и уменьшаемые по мере прохождения от входа к выходу, и отсекаемые при некотором пороге (именно это даёт нелинейность и позволяет нейросетям решать сложные задачи). В итоге при проектировании нейросети приходится рассматривать задачу как потоки информации, текущие по слоям. Где-то приходится их специально разъединять, чтобы лучше выделить, а потом объединять обратно. Где-то усиливать, добавлять внутренних детекторов или временно увеличивать ёмкость сети на этом слое. А где-то наоборот, сужать канал, вводя бутылочное горлышко bottleneck, чтобы через него могла протиснуться только нужная информация, и тем самым отфильтроваться от шума. Определять размер этого бутылочного горлышка то ещё приключение. Надо знать специфику задачи и примерный объем полезной информации для ее решния. Сделаешь шире — просочатся шумы, которые потом ложной корреляцией приведут к ошибкам. Сделаешь уже — и система просто не сможет решить задачу из-за недостатка информации.
Я уж не говорю о случаях, когда по всей теории и со всеми триками должно работать, но оно… почему-то не работает) К счастью, и обратные примеры бывают. Когда работает лучше, чем ожидаешь. Все это довольно сильно отличается от первоначальных ожиданий и от образа нейросетей, сформированного СМИ, когда только приходишь в эту область (и да, машинное обучение это не только нейросети, старые методы, вроде деревьев решений, тоже активно используются). Причем даже если вы были знакомы с мат. аппаратом нейросетей ещё 20 лет назад, это не сильно помогает. Объемы и методы в современном машинном обучении кардинально отличаются от тех, что были тогда. Так что опытные нейросетевики и абсолютные новички, в плане необходимости обучения тому как там сейчас все устроено, оказываются практически в равном положении. Но потенциальный потенциал...! Ради него нейросетям можно простить все)
Мое самое большое разочарование в алгоритмах ИИ - это то, как, например, Яндекс-Дзен, проанализировав статьи, которые я смотрел, подсовывает мне такие рекомендуемые статьи, словно считает меня клиническим идиотом... Или в директ-рекламе тупо показывает мне товары, которые я раньше смотрел на Озоне, словно считает меня забывчивым склеротиком... Обидно...
О да, и рекомендательные системы, что в музыке, что на ютьюбе, бесконечно подсовывывающие одно и то же. Блин, у вас есть вся история просмотра, дайте мне что-нибудь новенькое, но не отстоящее на 180 градцсов от плиз интересов! Нет, тебя держат в коконе, рекомендуя одних и тех же "понравившихся исполнителей" и "видео с каналов, которые вы смотрели"
О да, мне всегда начинают рекомендовать какие-то товары как раз после того, как я его купил, и он мне уже точно не нужен
Закончишь за пару недель? 8 самых раздражающих вопросов к Data Scientist