2) это достаточно большой вопрос, требующий подробной разборки, но в комментарии попробую сформулировать различие наиболее коротко. Алгоритм — это последовательность действий. Рефлекс — единомоментная реакция на событие. И да, программно рефлекс реализуется алгоритмом )
1) Из-за того, что автор ставит своей задачей проследить историю эволюции интеллекта, действительно стоит важная задача как-то расширить традиционное понимание интеллекта. Пока автор остановился на таком варианте «Интеллект — это наблюдаемая способность его носителя достигать цели». Если у кого-то есть идеи, как сформулировать иначе, но не менее обобщенно — велкам )
* да, это примечание.
Так если бы ракеты бы ни стоили вообще ничего, может их бы и выпускали бы по цели в таком же количестве ) Вообще, этот гиперболический прием просто призван привлечь внимание к вопросу: что есть интеллектуально? Вот если одноклеточный организм — то он безмозглый. А если блок управление ракетой — то «высокоинтеллектуальный». А если заметить функциональное подобие?
Гениально! Вы подняли вопрос, который весьма долго дискутировался с моим научным руководителем. В конце концов был достигнут консенсус использовать везде в работе слово «интеллект» из-за сложившейся мировой практики использовать термин «искусственный интеллект», а не «искусственный разум». В блоке голосования же я использовал термин «разум», как более привычный в данной контексте. На мой взгляд разница между словами «интеллект» и «разум» примерно как между «человечность» и «гуманность». Вроде одно и то же, а все-таки нюанс есть.
По моему мнению, в рамках того единственного процесса появления разума, что мы имеем честь знать это скорее всего невозможно.
Но вот, если оторваться от реальности и хотя бы вспомнить классику «Солярис» С.Лема — вуаля! он есть!
Это замечательная иллюстрация предмета статьи. В то время, как программер здесь видит совершенно очевидное и строгое определение, менеджер (см. пред комментарий) — кружочки в сомнительном цветовом сочетании.
Благодарю за чудесную формулировку проблемы, которую я, признаться, не решился вставить в тело статьи. Ведь вроде все правильно: современную цивилизацию сделало разделение труда и логично, когда программист пишет код, а менеджер организует рабочий процесс. На деле же уже давно прошли те благословенные времена, когда менеджер вмешивался в процесс разработки только, если проект выходил за рамки бюджета или срывал сроки. (народ: если есть еще те реликтовые места, где это так — я попрошусь к вам на работу:). Сейчас, даже делая внеплановую таску на 14 стори-поинтов, ее нужно обосновать менеджеру. А сделать это непросто и тимлиды бывает идут на хитрость: они делают в проекте эпик с эпичным названием «Онтология сепуления» на 120 стори-поинтов и все, что было не учтено сразу при планировании (а такое бывает часто) пишут на этот эпик, избегая тем самым непростых переговоров. Но у этого метода есть недостаток — нужно иметь дружную команду. Если туда затешется карьерист, он легко сдаст ТЛ и займет его место, и, кстати, сразу столкнется с той же проблемой, что и предшественник. Я же хочу предложить другой путь для ТЛ — фасилитацию, т.е. умение сложное объяснить простыми и ясными бытовыми примерами. И, если описанные в статье приемы пригодятся хоть одному человеку — напишите, я буду знать что это кому-то нужно, и продолжу серию.
поправка: благодаря очень своевременному комментарию пользователя lair была устранена неточность в статье насчет recall (вместо него был описан другой показатель, который действительно используется для балансирования позитивных и негативных образцов). еще раз выражаю мои благодарности пользователю lair
Вы абсолютно правы, я внес изменения в статью. Очень признателен вам за своевременно обнаруженную неточность, действительно ранее был описан совсем другой показатель вместо recall.
сами испорченные персики — это и вправду negative, а вот то, что они были определены обучаемым, как испорченные — это false-negative
А теперь разберем 4 показателя эффективности ML, в которых бывает путаются. Это true-positive (TP), false-positive (FP), true-negative (TN) и false-negative(FN). Первая половина слова означает совпадение (true) или несовпадение (false) мнения вашей сестры с тайной наклейкой на персике. Вторая половина просто означает контейнер, в который ваша сестра бросила персик (X-хороший — positive, П-плохой — negative). А два слова вместе — это просто число персиков в такой категории.
Здесь все дело в математике ) Хорошее значение precision — как можно ближе к 1 (это максимальное совпадение хороших выборов обучаемого и обучающего). Затем recall — хорошее значение 0.5 (это значит что обучаемый в равной степени хорошо проверен на способность различать хороший и плохой вариант). Теперь считаем: 2*1*0.5/(1+0.5) = 0.6(6). Округляем для красоты и получаем 0,7. Теперь если мы хотим получить значение 0.95, то мы должны загнать recall аж в значение 0.91, а это в свою очередь значит, что в контрольной выборке появится значительное превышение TP над FN (например 100 и 9 дадут нам нужное значение recall). Для нашего примера такое, явно недостаточное число порченных персиков в контрольной выборке, может породить сомнение, а так ли все хорошо с обучением? Или все дело в том, что просто мало порченных персиков.
* да, это примечание.
Но вот, если оторваться от реальности и хотя бы вспомнить классику «Солярис» С.Лема — вуаля! он есть!
ru.coursera.org/lecture/vvedenie-mashinnoe-obuchenie/otsienivaniie-kachiestva-xCdqN