В чём же выражается эти определения? Не говорите только про значение целевой функции — минимизируемый функционал, если уж на то пошло, можно найти в любой задаче машинного обучения. От этого классификация методов не схлопывается в одно лишь «обучение с учителем».
Это кто-то должен сидеть и нажимать ей много раз когда система права а когда нет.
В данном случае вероятно использовались вспомогательные программы, которые считывали очки из игры и передавали в ИИ
Если бы всегда можно было просто жадно делать действие, приводящее к увеличению количества очков (что, казалось бы, как раз случай когда «система права»), эти игры бы не представляли ни интереса, ни сложности.
Тут же действие, дающее очки, не всегда оптимально в долгосрочной перспективе. Поэтому неверно говорить, что кто-то отделяет правильные действия от ошибочных.
Ну окей, если курс по линейной алгебре уже содержит в себе вычислительную составляющую, то хорошо.
Комплексные пространства используются в цифровой обработке сигналов и квантовых вычислениях. Если второе пока не очень применимо на практике, то первое — очень даже.
Деньги — уж извините, штука важная, и без них всегда один исход — все уезжают в штаты.
Ну, судя по тому, что что-то ещё в России осталось, недостатка оных не наблюдается. Ну и не в деньгах же счастье.
Линейная алгебра в отрыве от её вычислительного аспекта не очень полезна прикладнику. Как вы, например, собственные числа искать будете? Как корни характеристического многочлена? А вот для многочлена 5-й степени и выше не существует алгоритма, позволяющего найти решение в аналитическом виде. Тут уж без вычей никак.
Можно, конечно, просто взять библиотеку, но понимания того, что она делает, нет. А потом ещё и удивляться, почему же это с матрицами с большим числом обусловленности всё плохо.
У нас в России почти негде заниматься исследованиями в области машинного обучения (и получать при этом разумные деньги на жизнь)
Яндекс в последние лет 10 развёл хорошую «движуху» в Москве на эту тему: в самом Яндексе есть исследовательские группы, есть ШАД, есть совместные магистратуры с Физтехом и Вышкой. Помимо этого, в МГУ есть кафедра Математических Методов Прогнозирования, некоторые её сотрудники предподают и в ШАДе. Наконец, в СколТехе есть группа компьютерного зрения, кажется, занимающаяся Deep Learning'ом (разумеется, в задачах зрения). Вроде, есть ещё Samsung R&D, но про него я ничего не слышал.
Про другие регионы, к сожалению, сказать толком нечего. До недавнего времени в Питере существовала HP [Research] Labs, где занимались всевозможными исследованиями на тему анализа данных (аудио, видео, картинки и текст), но в прошлом году лаборатория вместе с сотрудниками была перенесена в Штаты.
Получают ли все эти люди разумные деньги, я, разумеется, не знаю, но считать чужие деньги – не самое хорошее занятие.
Численные методы — только если хотите ими потом заниматься
Как же Вы собираетесь машинным обучением без вычей заниматься? Уж про вычислительную алгебру точно почитать нужно.
функции-генераторы
generating functions на русском зовутся производящими функциями, а не генераторами.
Graduate
Аспирантура в Computer Science — это не наша аспирантура. Здесь вы продолжаете учиться пару лет и сдаете comprehensive exam, в случае PhD по 5-ти дисциплинам, то есть надо в голове держать очень серьезную базу на этот момент. Очень полезное упражнение (я сдавал на MSc по 3-м, это намного проще).
Мне казалось, что в аспирантуре студенты уже не столько учатся, сколько помогают учить других (TA) и занимаются исследованиями. Другое дело – обучение на магистра, но не стоит путать MSc и PhD. Зачастую встречаются всевозможные комбинации вроде магистратуры, плавно перетекающей в аспирантуру, но в общем случае, согласно моему представлению, это разные программы.
Соответственно, аспиранту в машинном обучении нужно знать примерно всё. M. Jordan составил список того, что нужно прочитать аспиранту, собирающемуся заниматься исследованиями в области машинного обучения.
Любой человек? Даже младенец, родившийся, скажем, неделю назад?
У Вашего «любого» человека тысячи часов опыта, включающего не только визуальную составляющую, но и множество других путей получения информации об окружающем мире, в том числе о его физике. У машины этого по-умолчанию нет.
Что вообще происходит с миром? Кто-то скачивает пару песен и получает срок или огромные штрафы. Других вообще преследуют так, что молодые парни кончают жизнь самоубийством.
А корпорации открыто впаривают зловреда и потом просто признают, мол да, косячнули, просим-с прощеньица, вот вам утилитка для удаления.
У корпораций есть деньги на лоббирование своих интересов, а простые смертные — ресурс для них. Вы расуждаете «по справедливости», а надо «по количеству ресурсов [= денег]».
P.S. Я бы тоже хотел, чтобы Lenovo как-нибудь хорошо наказали, вплоть до уголовного преследования какого-нибудь менеджера, придумавшего это, например.
Ну, это статья с семью играми от декабря 13 года, а статья в Nature с 49 играми была отправлена летом 14-го. С другой стороны, в статье 13-го года говорится про «a variant of Q-learning», а теперь они это называют Deep Q-Network. Это одна и та же модель?
А как понять, что он извлекает, и насколько оно глубоко?
На мой взгляд, если включить в игру 2 противоборствующих агентов, каждый из которых пытается адаптироваться, задача будет довольно интересной, т.к. для каждого агента его оппонент есть часть окружающей среды, которая, получается, реагирует на действия этого агента.
Т.е. у среды есть обратная связь, так что стратегия, хорошо работающая сейчас, может перестать так хорошо работать уже через некоторое время, т.к. оппонент «раскусит» вашу тактику.
Мне же думается, что причина причина в другом: этот «ИИ» не смог научиться играть, например, в PacMan (по-моему, об этом говорилось в интервью Nature), так что ожидать от него чего-нибудь интересного от противостояния с «двойником» не стоит. Хотя было бы очень интересно посмотреть на дуэль роботов.
Да и ctrl почти не приходится пользоваться, потому что почти все команды идут через cmd.
Да ладно, и в терминале тоже? Я так приучился первым делом запускать tmux, ибо стирать посимвольно медленно, а пословно — быстрее. Но если на автомате нажать cmd+w вместо ctrl+w, то всё будет очень плохо.
Ну и да, я, как и комментатор выше, ещё и Thinkpad'ом с линуксом пользуюсь.
Ну, справедливости ради, стоит отметить, что рабочие материалы это не обязательно именно видеозаписи. Могут быть и просто слайды, на мой взгляд, довольно бесполезные в отрыве от самих лекций (для тех, кто их не слышал).
In Russia, we went from having never received a request to receiving more than 100 requests for account information during this reporting period. We did not provide information in response to any of those requests
А вот немного запросов на удаление они удовлетворили
During this reporting period, we received an 84 percent increase in global government and government-sanctioned demands to remove content from Twitter. The top three requesting countries included: Turkey (477 requests), Russia (91), and Germany (43). [...] As for Russia, requests ranged from promotion of illegal drugs to attempts to suppress non-violent demonstrations. While we had a compliance rate of 13 percent, we denied several requests to silence popular critics of the Russian government and other demands to limit speech about non-violent demonstrations in Ukraine.
Even dictionaries acknowledge this usage, though they all tell you it's disputed and typically discourage writers from using it. See for example Wiktionary.
Но и про заяву на AGI тоже никто не говорит.
Тут же действие, дающее очки, не всегда оптимально в долгосрочной перспективе. Поэтому неверно говорить, что кто-то отделяет правильные действия от ошибочных.
Комплексные пространства используются в цифровой обработке сигналов и квантовых вычислениях. Если второе пока не очень применимо на практике, то первое — очень даже.
Ну, судя по тому, что что-то ещё в России осталось, недостатка оных не наблюдается. Ну и не в деньгах же счастье.
Можно, конечно, просто взять библиотеку, но понимания того, что она делает, нет. А потом ещё и удивляться, почему же это с матрицами с большим числом обусловленности всё плохо.
Яндекс в последние лет 10 развёл хорошую «движуху» в Москве на эту тему: в самом Яндексе есть исследовательские группы, есть ШАД, есть совместные магистратуры с Физтехом и Вышкой. Помимо этого, в МГУ есть кафедра Математических Методов Прогнозирования, некоторые её сотрудники предподают и в ШАДе. Наконец, в СколТехе есть группа компьютерного зрения, кажется, занимающаяся Deep Learning'ом (разумеется, в задачах зрения). Вроде, есть ещё Samsung R&D, но про него я ничего не слышал.
Про другие регионы, к сожалению, сказать толком нечего. До недавнего времени в Питере существовала HP [Research] Labs, где занимались всевозможными исследованиями на тему анализа данных (аудио, видео, картинки и текст), но в прошлом году лаборатория вместе с сотрудниками была перенесена в Штаты.
Получают ли все эти люди разумные деньги, я, разумеется, не знаю, но считать чужие деньги – не самое хорошее занятие.
generating functions на русском зовутся производящими функциями, а не генераторами.
Мне казалось, что в аспирантуре студенты уже не столько учатся, сколько помогают учить других (TA) и занимаются исследованиями. Другое дело – обучение на магистра, но не стоит путать MSc и PhD. Зачастую встречаются всевозможные комбинации вроде магистратуры, плавно перетекающей в аспирантуру, но в общем случае, согласно моему представлению, это разные программы.
Соответственно, аспиранту в машинном обучении нужно знать примерно всё. M. Jordan составил список того, что нужно прочитать аспиранту, собирающемуся заниматься исследованиями в области машинного обучения.
У Вашего «любого» человека тысячи часов опыта, включающего не только визуальную составляющую, но и множество других путей получения информации об окружающем мире, в том числе о его физике. У машины этого по-умолчанию нет.
P.S. Я бы тоже хотел, чтобы Lenovo как-нибудь хорошо наказали, вплоть до уголовного преследования какого-нибудь менеджера, придумавшего это, например.
Насколько мне известно, задачей ИИ было максимизировать количество набранных очков, которые, как уже заметили выше, подавались ей в явной форме.
На мой взгляд, если включить в игру 2 противоборствующих агентов, каждый из которых пытается адаптироваться, задача будет довольно интересной, т.к. для каждого агента его оппонент есть часть окружающей среды, которая, получается, реагирует на действия этого агента.
Т.е. у среды есть обратная связь, так что стратегия, хорошо работающая сейчас, может перестать так хорошо работать уже через некоторое время, т.к. оппонент «раскусит» вашу тактику.
Мне же думается, что причина причина в другом: этот «ИИ» не смог научиться играть, например, в PacMan (по-моему, об этом говорилось в интервью Nature), так что ожидать от него чего-нибудь интересного от противостояния с «двойником» не стоит. Хотя было бы очень интересно посмотреть на дуэль роботов.
Правда, упоминания чего-либо подобного в оригинальной статье я не нашёл.
Ну и да, я, как и комментатор выше, ещё и Thinkpad'ом с линуксом пользуюсь.
А вот немного запросов на удаление они удовлетворили