Unsupervised learning или «пойди туда, не знаю куда, найди то, не знаю что»

100% — правда. А особенно начинает бесить, когда в описании какой-то программы читаешь что, дескать, «применялись алгоритмы близкие к искусственному интеллекту» — начинаешь разбираться, а что ж такого хитрого сделали — и оказывается что либо сортировку умную написали, либо архитектура неплохая, либо пару защит от дурака поставили — т.е. ничего близкого к ИИ нет — просто хорошо написанный алгоритм. А от него до ИИ — как от инфузории туфельки до человека разумного.

Распознание текста.

Ну вот, например, у вас огромная куча веб-страниц в обычном html, без всяких перегонов в xml и т.п. Требуется разбить их по классам тематик, возможно пересекающихся, чтобы при добавлении новой посмотреть к каким классам эта новая более близка (т.е. к каким страницам она более близка тематически).

Понятно, что можно написать отдельный механизм для решения такого рода задачи, но он на 95% будет неявно использовать что-то подобное (не обязательно это, но то же что-то из области автоматического обучения или смежной с ней).

НС активно используются в физике высоких энергий. Есть еще такая вещь как управляемая термоядерная реакция, где именно нейронные сети идеальный кандидат для управления.

Видимо Вы не видели реализаций, которые были уместны.
Я встречал железяки, в которых использовались нейросети, точнее японцы использовали отдельные аппаратные реализации. Но регуляторы эти работают по сию пору. Кстати, один неприятный момент вылез, продолжение достоинства. Обслуга расслабилась, и не проверяла электронику. В том числе и лог железки тоже никто не смотрел. Однажды вечером регулятор «раскрылся» (ладно хоть не перекрыл все). Оказалось датчик давно уже «шумел», однако вторичка регулятора даже на паршивом сигнале ОС умудрялась как-то регулировать. Обычный ПИД давно бы уже всех на уши поставил. А этот — «терпел» до последнего.

Я не знаю что Вы имели в виду под ОБЫЧНЫМИ СРЕДСТВАМИ, поэтому нечеткую логику отброшу, т.к. это отдельная и не менее интересная тема (которая открывает тоже довольно-таки интересный инструментарий для решения слабоформализованных задач).

Приведу вам одну задачу — распознавание образов, если конкретнее распознавание рукописного текста.
На примере топика ее тоже можно свести к задачи кластеризации. НС предоставляют широкий инструментарий для маневров, но я для ее решения отановился по-нескольким причинам на PNN-сети.

Приведу ряд критериев, которые на мой взгляд считаю неоспоримыми плюсами при решении данной задачи с помощью НС:

1. Способность к обобщению (это на мой взгляд самый весомый плюс). Грубо говоря у нас есть обучаемая выборка (назвать репрезентативной ее довольно таки сложно, т.к. какждый человек пишет по своему).
После обучения сеть способна распознавать как образы, которые были в этой выборке, так и новые для нее образы с определенной долей точности.

2. Способность к дообучению. Понятно, что новые образы сначала могут нераспознаваться. На этом этапе нам помогает возможность дообучения НС. Т.е. при каждом нераспознанном образе мы добавляем его в обучаемую выборку и переобучаем НС.

3. Быстродействие.
Наиболее ресурсоемкий процесс — обучение.
Но обученная НС, будет требовать намного меньше вычислительных ресурсов, чем зача которая будет решаться ОБЫЧНЫМИ СРЕДСТВАМИ.

Я не говорю что НС — это панацея, это далеко не так, но по-мому глупо не принимать их во внимание при решении определенных задач (распознавание, прогнозирование, ...), а тем более ассоциировать со «змеиным маслом».
Возможно и Вы когда-нибудь столкнетесь с проблемой, которая потребует абсолютно нового подхода к ее решению.
И с помощью чего Вы будете ее решать (будь то НС, нечеткая логика ...), выбирать Вам.

Возможно даже, что решение задачи, которую можно решить и ОБЫЧНЫМИ СРЕДСТВАМИ, будет выглядеть более элегантно если подойти к ее решению с другой стороны.
А статьи подобного плана на мой взгляд позволяют посмотреть на решениие одной задачи под разными углами и немного расширить кругозор.

Тут нужно разграничить понятия, что в вашем представлении есть «обычные средства», а что есть «средства использующие идеи НС». В действительности, как мне кажется, природа вашего вопроса коренится в понимании терминологии, а не в самих методах.

Помнится как я в свою студенческую бытность пытался писать разные фильтры для обработки изображений, что называется, «по наитию». К примеру, сглаживание и реализовывал, как поиск усредненых значений между рядом распложенными точками. А «emboss», как наоборот увеличение этих значений. И я помню, каково было мое удивление, когда позднее выяснилось, что такие (и многие другие) обработки запросто реализуются матричными преобразованиями. Тобишь я, фактически, по наитию, делал почти то же самое, только я ничего не знал про операции с матрицами и делал все основываясь на здравом смылсе и моем тогдашнем понимании.

И в последствии я не раз сталкивался с тем же фактом, что многие решения имеют более, скажем так, глубинную природу. Теоретики же занимаются формализацией и прозорливо умеют рассматривать схожеть в том, что, опять же, по наитию кажется совершенно разным.

Здесь, фактически, то же самое. Если отмести всю терминологию и представить себе суть метода «на пальцах» (я себе представлял реализацию распознавания изображений), то все встанет на свои места и станет предельно ясным. я вдруг понял, что то, как я себе это представляю, это и есть, собвстенно, кластерный метод, описанный выше.

то же, каким образов тема статьи кореллирует с темой ИИ становится ясно, если вспомнить что предмет «распознавания знакомых образов и поиска + запоминания аналогий» лежит в основе восприятия (я немного интересуюсь лингвистикой, семиотикой и антропологией вообще, посему, говорю не по наслышке). И что все мышление, согласно существующим на сей день наиболее правдоподобным теориям, построено, собственно, на этои принципе. Тобишь, в некоем упрощенном виде, можно создать машину, которая будет по сходному принципу строить отношения между распознаваемыми и классифицируемыми ею образами и в результате получить вполне себе адекватный аналог работы (не буду говорить «мозга») развитой нервной системы, способной к сбору и классификации знанаий, а следовательно к принятию каких-то незаложенных алгоритмически в самом начале решений. так что, это все имеет самое непосредственное отнощение к теме :)

(даже интересно, что автор этого комментария из 2009 году думает про нейронные сети сейчас, в 2016)

Я бы даже поставил вопрос иначе: «а существует ли единственно правильный ответ»?

Есть лишь постоянное стремление набрать опыт (д определённого возраста), который позволит видеть мир «устойчивым» и «понятным» (или считать его таковым). В итоге выбора «правильных» ответов каждым из нас для каждого мир оказывается устойчив в разных/индивидуальных частях его понимания.

Так чем же должен заниматься «ИИ» который сидит в «банке под крышкой в системнике», изобретать бога из пыли и уборщицы, которая его может сломать?

Навязывается вопрос, даже если кто-то его и изобретёт, то что он собирается от него добиться? Это же не прогнозируемо. Если изобретаете новые алгоритмы — пожалуйста, но не считайте, что алгоритм — это ИИ. Алгоритм — это рефлекс.

мы сами себе задаем вопросы, и сами на них ищем ответы, а правильных ответов «вообще», строго гоовря, не существует. Всегда нужно подразумевать как-минимум контекст, внутри которого задан вопрос. Для науки этот контекст, наверное, коренится в принятом «языке» (математика — царица наук) и, наверное, в природе самого человека (в неизбежной протагоровой его сущьности :)

Извините, нетуда запостил, это ответ на первый комментарий.

Кстати, вот эта фраза, которую Вы цитируете — «Однако есть ситуации, и их довольно много, когда правильного ответа никто не знает. И даже непонятно что является ответом. И даже задача не вполне ясна. Есть только данные.» — в корне противоречит следующей, которая говорит, что ответом является перечень групп, выделенных из этих данных, и задачей — их выделение.

Хотя, это надо сказать не столько Вам, сколько автору топика. Ибо такое построение захода в тему — возмутительнейшим образом некорректно!

Если вы не задаёте вопроса (задачи), то компьютер вправе ответить вам случайным образом (тот же 42). Вас устроит такой ответ? :-)

Положим, дадим компу миллион кубиков, пускай что-нибудь из них состроит (как человек, да?). Ну так он и состроит. Но оно нам надо, то что получится? А фиг знает. И зачем в таком случае нейроны когда можно просто рандомом сделать «что-нибудь».

Сам, признаться, не разобрался в этом наиинтереснейшем вопросе. Это вопросы и себе тоже.