Машинное обучение

По мере того, как я изучаю машинное обучение и глубокое обучение, я обнаруживаю, что нейронные сети и другие алгоритмы ML на самом деле не очень сложны, почему некоторые разработчики машинного обучения ведут себя как бог перед другими разработчиками и думают, что они превосходны?

Любит | Нелюбов | Ответы | Вид | 5527


Каспер Хансен основатель ML From Scratch и изучающий магистратуру в AI @ DTU   
@ | Обновлено Right Now


Да.

Теперь есть немного более реалистичный взгляд на вещи. Например, автомобильные компании, занимающиеся самостоятельным вождением, теперь обмениваются [1] [2] [3] [4] данными, которые они когда-то собирали и хранили для себя, в надежде ускорить поиск более эффективных решений для самостоятельного вождения.

Обман искусственного интеллекта (ИИ) начал угасать, когда мы увидели, что такая компания, как Waymo, столь же продвинутая, как и их технология, все еще изо всех сил пытается [5] построить полную автономию в автомобилях и в 2019 году все еще позволяет водителям-людям сидеть за рулем автомобиля. автомобиль, который должен вести себя к 2020 году.

Временные рамки для достижения полного автономного вождения продолжают увеличиваться [6] .

Раньше люди говорили, что большие данные - это все, что нам нужно, просто подпитывать эти тонкие нейронные сети (DNN) тоннами данных, и в результате мы получаем интеллектуальное поведение. Итак, ходили слухи, что компания, которая выигрывает в области машинного обучения (ML), или, как правило, искусственного интеллекта, обладает наибольшим количеством данных и вычислений.

К сожалению, вы забыли один главный компонент, алгоритмы.

DNN еще не существует с точки зрения способности решать критические проблемы ИИ, необходимые для полного включения таких вещей, как самостоятельное вождение. Глубокое обучение (DL) не полный ответ. Отсутствуют компоненты, требуются лучшие алгоритмы [7] в сочетании с алгоритмами DL.

Вы можете убедиться, что ML плато, просто взглянув на новизну исследования. Несмотря на существенное увеличение количества создаваемых исследовательских работ, многие из них выглядят и чувствуют то же самое в наши дни с несколькими изменениями здесь и там. В наши дни в статьях по ML нет ничего нового, только небольшие постепенные улучшения [8] .

И многие компании, связанные с ИИ, сегодня тише, чем, скажем, в прошлом году. Хорошим примером являются OpenAI и DeepMind, хотя Google AI все еще горит.

Надеюсь это поможет.

Сноски

[1] Представляем AVS, открытый стандарт для автономной визуализации транспортных средств от Uber.

[2] Lyft открывает доступ к общедоступному автономному вождению данных из своего автопарка 5-го уровня - TechCrunch

[3] Waymo выпускает открытый набор данных с самостоятельным управлением для свободного использования исследовательским сообществом - TechCrunch

[4] Набор открытых данных Waymo доступен для исследователей автономных транспортных средств.

[5] Даже лидер самообслуживания Вэймо изо всех сил пытается достичь полной автономии

[6] https: //www.investors.com/news/s ...

[7] Построение лучшего глубокого обучения требует новых подходов, а не только больших объемов данных

[8] Большинство исследований в области глубокого обучения - это пустая трата времени - Джереми Ховард | AI Podcast Clips

| |



Онлайн-курс
«Машинное обучение для людей»
Один из самых трендовых курсов в сфере Цифровой экономики.