{"id":35293,"date":"2019-10-31T22:03:28","date_gmt":"2019-10-31T19:03:28","guid":{"rendered":"https:\/\/prohoster.info\/blog\/lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari\/"},"modified":"2019-10-31T22:03:28","modified_gmt":"2019-10-31T19:03:28","slug":"lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari","status":"publish","type":"post","link":"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari","title":{"rendered":"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p>Hiljuti ilmus <noindex><a rel=\"nofollow\" href=\"https:\/\/www.getrevue.co\/profile\/peterzhegin\/issues\/ai-investment-activity-trends-of-2018-issue-8-150825?fbclid=IwAR0tU3l4WSotv7pQpYm8PmyKgVbgUgfMLeue_IiV78lXXApH-cy9EcG2kDc\">artikkel<\/a><\/noindex>, mis n\u00e4itab \u00fcsna h\u00e4sti viimaste aastate masin\u00f5ppe suundi. L\u00fchidalt: masin\u00f5ppe startupide arv on viimase kahe aasta jooksul j\u00e4rsult v\u00e4henenud.<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/68b58feab2da46b7bb6f412e088313c1.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\nNoh. R\u00e4\u00e4gime, kas \u201emull on l\u00f5hkenud\u201c, \u201ekuidas edasi elada\u201c ja arutame, kust see \u00fcldse selline olukord tekkis.<br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><br \/>\nAlustame sellest, mis oli selle k\u00f5veriku t\u00f5ukeks. Kust see tekkis. Kindlasti meenuvad k\u00f5ik <noindex><a rel=\"nofollow\" href=\"https:\/\/papers.nips.cc\/paper\/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf\">v\u00f5it<\/a><\/noindex> masin\u00f5ppes 2012. aastal ImageNeti konkursil. See oli ju esimene globaalne s\u00fcndmus! Kuid reaalsus pole selline. Ja t\u00f5usu k\u00f5ver hakkab p\u00f5him\u00f5tteliselt m\u00f5ni aeg varem. Jagaksin selle mitmeks hetkeks.<\/p>\n<ol>\n<li>2008. aasta on termin \u201esuured andmed\u201c. Reaalsed tooted hakkasid <noindex><a rel=\"nofollow\" href=\"https:\/\/ru.wikipedia.org\/wiki\/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5\">ilmuma<\/a><\/noindex> alates 2010. aastast. Suured andmed on tihedalt seotud masin\u00f5ppega. Ilma suurte andmeteta ei saa algoritmid, mis toona olemas olid, stabiilselt t\u00f6\u00f6tada. Ja need pole isegi n\u00e4rviv\u00f5rgud. Enne 2012. aastat olid n\u00e4rviv\u00f5rgud marginaalse v\u00e4hemuse p\u00e4rusmaa. K\u00fcll aga hakkasid t\u00f6\u00f6le hoopis teised algoritmid, mis olid olemas juba aastaid v\u00f5i isegi aastak\u00fcmneid: <noindex><a rel=\"nofollow\" href=\"https:\/\/ru.wikipedia.org\/wiki\/%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85_%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2\">SVM<\/a><\/noindex>(1963,1993 aastad), <noindex><a rel=\"nofollow\" href=\"https:\/\/ru.wikipedia.org\/wiki\/Random_forest\">Random Forest<\/a><\/noindex> (1995), <noindex>AdaBoost<\/noindex> (2003),\u2026 selle ajastu idufirmad on peamiselt seotud struktureeritud andmete automaatse t\u00f6\u00f6tlemisega: kassad, kasutajad, reklaam ja palju muud.\n<p>Selle esialgse laine j\u00e4rgud on raamistikud nagu XGBoost, CatBoost, LightGBM jne.\n<\/li>\n<li>2011-2012 aastal <noindex><a rel=\"nofollow\" href=\"https:\/\/en.wikipedia.org\/wiki\/Convolutional_neural_network\">konvolutsioonilised n\u00e4rvis\u00fcsteemid<\/a><\/noindex> v\u00f5itsid mitmeid konkursse piltide tuvastamise alal. Nende tegelik kasutamine venis m\u00f5nev\u00f5rra. \u00dctleksin, et massiliselt m\u00f5istetavad idufirmad ja lahendused hakkasid ilmuma 2014. aastal. Kaks aastat kulus selleks, et seedida, et neuronid t\u00f5epoolest t\u00f6\u00f6tavad, luua mugavad raamistikud, mida oli v\u00f5imalik paigaldada ja k\u00e4ivitada m\u00f5istliku aja jooksul, ning v\u00e4lja t\u00f6\u00f6tada meetodid, mis stabiliseeriksid ja kiirendaksid konvergentsi aega.\n<p>Konvolutsioonilised v\u00f5rgud v\u00f5imaldasid lahendada masin\u00f5ppe n\u00e4gemis\u00fclesandeid: piltide ja pildil olevate objektide klassifitseerimine, objektide ja inimeste tuvastamine, piltide parandamine jne.<\/li>\n<li>2015\u20132017. Algoritmide ja projektide buum, mis p\u00f5hines rekursiivsetel v\u00f5rkudel v\u00f5i nende analoogidel (LSTM, GRU, TransformerNet jne). Tekkisid h\u00e4sti t\u00f6\u00f6tavad \"k\u00f5ne-tekstiks\" algoritmid ja masint\u00f5lke s\u00fcsteemid. Osaliselt p\u00f5hinevad need konvolutsiooniv\u00f5rkudel, et eristada p\u00f5hiomadusi, ja osaliselt sellel, et oleme \u00f5ppinud koguma t\u00f5eliselt suuri ja kvaliteetseid andmestikke. <\/li>\n<\/ol>\n<p>\n<img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/d4b3a1dd2483ef1300862f5f61db645a.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n\"Mull l\u00f5hkes? Hype on \u00fcle kuumenenud? Kas nad on surnud nagu plokiahel?\"<br \/>\nK\u00fcll! Homme l\u00f5petab teie telefonis Siri t\u00f6\u00f6tamise, ja \u00fclehomme ei saa Tesla eristada p\u00f6\u00f6ramist kengurust.<\/p>\n<p>Neuraalv\u00f5rgud t\u00f6\u00f6tavad juba. Need on k\u00fcmnetes seadmetes. Need v\u00f5imaldavad t\u00f5eliselt teenida, muutes turgu ja \u00fcmbritsevat maailma. H\u00fcpe n\u00e4eb v\u00e4lja pisut erinev:<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/a2b271c8eb1cf54fe59389d10cf8e17e.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nLihtsalt neuraalv\u00f5rgud ei ole enam midagi uut. Jah, paljude inimeste ootused on liiga k\u00f5rged. Kuid suur hulk ettev\u00f5tteid on \u00f5ppinud neid rakendama ja tegema nende p\u00f5hjal tooteid. Neuraalv\u00f5rgud pakuvad uusi funktsioone, v\u00f5imaldavad v\u00e4hendada t\u00f6\u00f6kohti ja alandada teenuste hindu:<\/p>\n<ul>\n<li>Tootmisettev\u00f5tted integreerivad algoritme defektide anal\u00fc\u00fcsimiseks tootmisliinil. <\/li>\n<li>Loomakasvatustalud ostavad s\u00fcsteeme lehmade j\u00e4lgimiseks. <\/li>\n<li> Automaatilised kombainid. <\/li>\n<li>Automatiseeritud k\u00f5nekeskused.<\/li>\n<li>Filtrid SnapChat'is. (kuid v\u00e4hemalt midagi kasulikku!)<\/li>\n<\/ul>\n<p>\nAga k\u00f5ige olulisem ja mitte k\u00f5ige ilmsem: \u201eUusi ideid pole enam, v\u00f5i nad ei tooda kohest kapitali.\u201d Neuraalsed v\u00f5rgud on lahendanud k\u00fcmneid probleeme. Ja lahendavad veelgi rohkem. K\u00f5ik ilmsed ideed, mis olid \u2014 on tootnud hulgaliselt idufirmasid. Kuid k\u00f5ik, mis oli pinnal \u2014 on juba \u00e4ra koristatud. Viimase kahe aasta jooksul ma ei ole kohanud \u00fchtegi uut ideed neuraalsete v\u00f5rkude rakendamiseks. \u00dchtegi uut l\u00e4henemist (noh, okei, seal on natuke GAN-idega probleeme).<\/p>\n<p>Ja iga j\u00e4rgmine idufirma muutub aina keerulisemaks. See ei n\u00f5ua enam kahte kutti, kes koolitavad neuraalv\u00f5rku avatud andmetega. See n\u00f5uab programmeerijaid, serverit, m\u00e4rgistamismeeskonda, keerulist tuge jne.<\/p>\n<p>Tulemuseks on \u2014 idufirmade arv v\u00e4heneb. Kuid tootmine suureneb. Kas on vaja autode numbrite tuvastamist? Turul on sadu spetsialiste, kellel on asjakohane kogemus. Saate palgata ja paarikuuga teie t\u00f6\u00f6taja loob s\u00fcsteemi. V\u00f5i osta valmis lahendus. Aga teha uut idufirmat?.. Hullumeelsus!<\/p>\n<p>K\u00fclastajate j\u00e4lgimise s\u00fcsteem on vajalik \u2014 miks maksta hunnikute litsentse, kui oma s\u00fcsteemi saab 3-4 kuuga luua ja kohandada oma ettev\u00f5tte jaoks. <\/p>\n<p>Praegu l\u00e4bivad n\u00e4rviv\u00f5rgud sama teed, mida on l\u00e4binud k\u00fcmned teised tehnoloogiad. <\/p>\n<p>Kas m\u00e4letate, kuidas 1995. aastast alates on muutunud m\u00f5isted \"veebiarendaja\"? Turg ei ole t\u00e4is spetsialiste. Professionaale on v\u00e4ga v\u00e4he. Kuid ma julgen v\u00e4ita, et 5-10 aasta p\u00e4rast ei ole suurt vahet Java programmeerija ja n\u00e4rviv\u00f5rkude arendaja vahel. Nii \u00fchte kui teist spetsialisti on turul piisavalt.<\/p>\n<p>Klass \u00fclesandeid, mille jaoks n\u00e4rviv\u00f5rgud t\u00f6\u00f6tavad, tuleb lihtsalt. Kui tekib probleem \u2014 palgate spetsialisti.<\/p>\n<p><b>\u201eAga mis edasi? Kus on lubatud tehisintellekt?\u201d<\/b><\/p>\n<p>Siin on v\u00e4ike, kuid huvitav segadus :)<\/p>\n<p>Oluline tehnoloogia, mis meil t\u00e4na on, ei vii meid ilmselt tehisintellekti. Ideed ja nende uuenduslikkus on suurel m\u00e4\u00e4ral ammendunud. R\u00e4\u00e4gime sellest, mis hoiab praegust arengutaset.<\/p>\n<h3>Piirangud<\/h3>\n<p>\nAlustame ises\u00f5itvate autodega. Tundub, et t\u00e4isautonoomsete autode valmistamine kaasaegsete tehnoloogiate abil on v\u00f5imalik. Kuid kui palju aastaid selle saavutamiseks kulub, on ebaselge. Tesla usub, et see juhtub paari aasta p\u00e4rast \u2014 <\/p>\n<p><center><div class=\"youtube-placeholder\" data-id=\"Ucp0TTmvqOE\" onclick=\"loadVideo(this)\">\r\n        <img decoding=\"async\" src=\"https:\/\/img.youtube.com\/vi\/Ucp0TTmvqOE\/hqdefault.jpg\" alt=\"Vaata videot\" loading=\"lazy\" width=\"480\" height=\"360\" style=\"width:100%;height:auto;\">\r\n        <div class=\"play-button\"><\/div>\r\n    <\/div><\/center><br \/>\nOn palju teisi <noindex><a rel=\"nofollow\" href=\"https:\/\/beth.technology\/truths-autonomous-vehicles\/\">spetsialiste<\/a><\/noindex>, kes hindavad seda viis kuni k\u00fcmme aastat. <\/p>\n<p>T\u00f5en\u00e4oliselt, minu arvates, muutub linna infrastruktuur umbes 15 aasta p\u00e4rast nii, et ises\u00f5itvate autode ilmumine muutub v\u00e4ltimatuks ja saab selle j\u00e4tkuks. Kuid seda ei saa pidada intelligentsuseks. Kaasaegne Tesla on v\u00e4ga keeruline andmete filtreerimise, otsimise ja \u00fcmberkoolitamise konveier. Need on reeglid-reeglid-reeglid, andmete kogumine ning filtrid \u00fcle nende (siin <noindex><a rel=\"nofollow\" href=\"http:\/\/cv-blog.ru\/?p=279\">siin<\/a><\/noindex> olen sellest l\u00e4hemalt kirjutanud, v\u00f5i vaata <noindex><a rel=\"nofollow\" href=\"https:\/\/www.youtube.com\/watch?time_continue=7614&amp;v=Ucp0TTmvqOE\">sellest<\/a><\/noindex> m\u00e4rgist).<\/p>\n<h3>Esimene probleem<\/h3>\n<p>\nJa just siin n\u00e4eme <b>esimest fundamentaalset probleemi<\/b>. Suured andmed. See on just see, mis on p\u00f5hjustanud praeguse laine neuronv\u00f5rkude ja masin\u00f5ppe arengus. Praegu, et midagi keerulist ja automaatset teha, on vaja palju andmeid. Mitte lihtsalt palju, vaid v\u00e4ga-v\u00e4ga palju. On vajalikud automatiseeritud algoritmid nende kogumiseks, sildi panemiseks ja kasutamiseks. Kui soovime, et masin n\u00e4eks kaupa p\u00e4ikese vastu \u2014 peame esmalt koguma piisavalt andmeid. Kui soovime, et masin ei l\u00e4heks segi jalgrattaga, mis on kinnitatud pagasiruumi \u2014 vajame rohkem proove.<\/p>\n<p>Lisaks ei piisa \u00fchest n\u00e4itest. Sadu? Tuhandeid? <\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/923ef975804234f1b3dcbfee0143f2b4.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<\/p>\n<h3>Teine probleem<\/h3>\n<p>\n<b>Teine probleem <\/b> \u2014 visualiseerimine sellest, mida meie neuronv\u00f5rk m\u00f5istis. See on v\u00e4ga keeruline \u00fclesanne. Siiani m\u00f5istab seda vaid v\u00e4hesed. Need artiklid on \u00fcsna v\u00e4rsked, see on vaid m\u00f5ned n\u00e4ited, isegi kui nad on kaugel:<br \/>\n<noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/ods\/blog\/453788\/\">Visualiseerimine<\/a><\/noindex> tekstuuridele keskendumine. N\u00e4itab h\u00e4sti, millele neuronv\u00f5rk kipub keskenduma + mida ta tajub alginfouna.<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/0eab41c3aec71dc2b04794559dd4a651.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<noindex><a rel=\"nofollow\" href=\"http:\/\/jalammar.github.io\/visualizing-neural-machine-translation-mechanics-of-seq2seq-models-with-attention\/\">Visualiseerimine<\/a><\/noindex> t\u00e4helepanu <noindex><a rel=\"nofollow\" href=\"http:\/\/www.wildml.com\/2016\/01\/attention-and-memory-in-deep-learning-and-nlp\/\">t\u00f5lgetes<\/a><\/noindex>. T\u00f5elist t\u00e4helepanu saab sageli kasutada selleks, et n\u00e4idata, mis p\u00f5hjustas sellise reaktsiooni v\u00f5rgus. Olen selliseid asju kohanud nii silumiseks kui ka tootelahendustes. Sellel teemal on palju artikleid. Kuid mida keerulisemad andmed, seda keerulisem on m\u00f5ista, kuidas saavutada stabiilne visualiseerimine.<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/e0c370724115f602e5bd35b20b56f6eb.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nJa jah, vana hea komplekt, mis sisaldab \"vaata, mis on v\u00f5rgu sees, <noindex><a rel=\"nofollow\" href=\"https:\/\/towardsdatascience.com\/how-to-visualize-convolutional-features-in-40-lines-of-code-70b7d87b0030\">filtrites<\/a><\/noindex>\". Need pildid olid populaarsed umbes 3-4 aastat tagasi, kuid k\u00f5ik m\u00f5istsid kiiresti, et need on ilusad, kuid nende sisus pole palju m\u00f5tet.<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/87ace90924d5b900f9382ecc6ceef6d0.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nMa ei maininud k\u00fcmneid teisi naljakate t\u00f6\u00f6riistu, meetodeid, h\u00e4kke, uuringute tulemusi, kuidas v\u00f5rgu sisemisi aspekte visualiseerida. Kas need t\u00f6\u00f6riistad t\u00f6\u00f6tavad? Kas need aitavad kiiresti m\u00f5ista, milles probleem on ja v\u00f5rku siluda?.. Viimased protsendid k\u00e4tte saada? Noh, umbkaudne j\u00e4rgnevalt:<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/6da71648c300ee3bc8673d08287b77e3.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nV\u00f5ite vaadata \u00fcksk\u00f5ik millist Kaggle'i konkursi. Ja kirjeldust, kuidas inimesed teevad l\u00f5plikke lahendusi. Olime kogunud 100-500-800 miljonit mudelit ja see hakkas t\u00f6\u00f6le!<\/p>\n<p>Ma muidugi liialdan. Kuid need l\u00e4henemised ei paku kiireid ja otseseid vastuseid.<\/p>\n<p>Olles piisavalt kogemusi, erinevaid variante katsetades on v\u00f5imalik j\u00f5uda j\u00e4reldusele, miks teie s\u00fcsteem nii otsustas. Kuid s\u00fcsteemi k\u00e4itumise parandamine on keeruline. Tuleb rakendada ajutine lahendus, t\u00f5sta k\u00fcnnist, lisada andmeset ja valida teine tagala.<\/p>\n<h3>Kolmas probleem<\/h3>\n<p>\n<b>Kolmas fundamentaalne probleem <\/b> \u2014 v\u00f5rgud ei \u00f5peta loogikat, vaid statistikat. Statistiliselt see <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/post\/417405\/\">n\u00e4gu<\/a><\/noindex>:<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/def14bbc2f40e4e26656a2d8032b09c1.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nLoogiliselt ei tundu see eriti sarnane. Neurov\u00f5rgud ei \u00f5pi midagi keerulist, kui neid ei sunnita. Nad \u00f5pivad alati maksimaalset lihtsust. On silmad, nina, pea? Siis on see n\u00e4gu! Tuleb tuua n\u00e4ide, kus silmad ei t\u00e4henda n\u00e4gu. Ja taas \u2014 miljoneid n\u00e4iteid.<\/p>\n<h3>All pool on all are there<\/h3>\n<p>\n\u00dctleksin, et just need kolm globaalset probleemi piiravad seni neurov\u00f5rkude ja masin\u00f5ppe arengut. Ja seal, kus need probleemid ei piiranud \u2014 on juba aktiivselt kasutusel.<\/p>\n<p><b>Kas see on l\u00f5pp? Neurov\u00f5rgud on peatunud?<\/b><\/p>\n<p>Ei ole teada. Kuid kindlasti loodavad k\u00f5ik, et ei ole. <\/p>\n<p>On olemas palju l\u00e4henemisviise ja suundi nende fundamentaalsete probleemide lahendamiseks, millest ma \u00fclal r\u00e4\u00e4kisin. Siiski ei ole \u00fckski neist l\u00e4henemistest seni suutnud tuua midagi t\u00f5eliselt uut, lahendada midagi, mis on olnud lahendamata. Praegu p\u00f5hinevad k\u00f5ik fundamentaalsed projektid stabiilsetel l\u00e4henemisviisidel (Tesla) v\u00f5i j\u00e4\u00e4vad institutsioonide v\u00f5i ettev\u00f5tete (Google Brain, OpenAI) katseprojektideks.<\/p>\n<p>Rohkem \u00f6eldes on peamine suund sissetulevate andmete m\u00f5ningate k\u00f5rgema taseme esitlemiste loomine. Teatud m\u00f5ttes nagu \"m\u00e4lu\". Lihtsaim n\u00e4ide m\u00e4lust on erinevad \"Embedding\" \u2014 pildiesitlused. N\u00e4iteks k\u00f5ik n\u00e4otuvastuss\u00fcsteemid. V\u00f5rgustik \u00f5pib, kuidas saada n\u00e4ost stabiilne esitus, mis ei s\u00f5ltu p\u00f6\u00f6rlemisest, valgustusest, eraldusv\u00f5imest. Sisuliselt minimeerib v\u00f5rk m\u00f5\u00f5dikut \"erinevad n\u00e4od \u2014 kaugel\" ja \"sarnased \u2014 l\u00e4hedal\".<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/5e9d871fe096b7a77dbe11a6e315c5e4.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nSelliseks \u00f5ppimiseks on vajalik k\u00fcmneid ja sadu tuhandeid n\u00e4iteid. Sellegipoolest kannab tulemus endas teatud elemendi \"One-shot Learning\". N\u00fc\u00fcd ei ole meil vaja sadu n\u00e4gusid, et inimest meelde j\u00e4tta. Ainult \u00fcks n\u00e4gu, ja k\u00f5ik \u2014 me <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/davidsandberg\/facenet\">tunneme \u00e4ra<\/a><\/noindex>!<br \/>\nKuid on \u00fcks probleem\u2026 V\u00f5rk suudab \u00f5ppida ainult piisavalt lihtsaid objekte. Kui proovida eristada mitte n\u00e4gusid, vaid n\u00e4iteks \"inimesi nende riiete j\u00e4rgi\" (\u00fclesanne <noindex><a rel=\"nofollow\" href=\"https:\/\/medium.com\/@alitech_2017\/reforming-person-re-identification-with-local-convolutional-neural-networks-17148f11f17b\">Uuesti identifitseerimine<\/a><\/noindex>) \u2014 kvaliteet langeb mitu korda. Ja v\u00f5rk ei suuda enam \u00f5ppida piisavalt ilmselgeid vaatenurga muutusi.<\/p>\n<p>Ja \u00f5ppida miljonite n\u00e4idete pealt \u2014 see on ka kuidagi nii ja naa. <\/p>\n<p>On uurimist\u00f6id, mis aitavad oluliselt v\u00e4hendada valikute arvu. N\u00e4iteks v\u00f5ib kohe meenutada \u00fchte esimest t\u00f6\u00f6d <b>OneShot Learning<\/b> <noindex><a rel=\"nofollow\" href=\"https:\/\/arxiv.org\/pdf\/1605.06065v1.pdf\">Google'ilt<\/a><\/noindex>:<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/da83c6f290248f2bcf963c3053a26688.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nSelliseid t\u00f6id on palju, n\u00e4iteks <noindex><a rel=\"nofollow\" href=\"https:\/\/pdfs.semanticscholar.org\/d1c4\/c4c7989102e85b5248cebfcb0cb000c3b837.pdf\">1<\/a><\/noindex> v\u00f5i <noindex><a rel=\"nofollow\" href=\"https:\/\/www.cs.cmu.edu\/~rsalakhu\/papers\/oneshot1.pdf\">2<\/a><\/noindex> v\u00f5i <noindex><a rel=\"nofollow\" href=\"http:\/\/www.robots.ox.ac.uk\/~tvg\/publications\/2018\/0431.pdf\">3<\/a><\/noindex>.<\/p>\n<p>Miinus on see, et tavaliselt \u00f5pe t\u00f6\u00f6tab h\u00e4sti m\u00f5ne lihtsa, \"MNIST'i t\u00fc\u00fcpi n\u00e4ite\" pealt. Aga keeruliste \u00fclesannete korral on vaja suurt andmebaasi, objekti mudelit v\u00f5i mingit maagiat.<br \/>\n\u00dcldiselt on One-Shot \u00f5ppimise uurimist\u00f6\u00f6d v\u00e4ga huvitav teema. Leiad palju ideid. Kuid enamasti segavad \u00f5ppimist kaks probleem, mille ma v\u00e4lja t\u00f5in (enne \u00f5petamine tohutu andmebaasi pealt \/ ebastabiilsus keerulistel andmetel).<\/p>\n<p>Teiselt poolt sobivad Embedding'i teemaga GAN \u2014 generatiivsed vastands\u00fcsteemid. Olete t\u00f5en\u00e4oliselt lugenud Habras palju artikleid selle kohta. (<noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/ods\/blog\/340154\/\">1<\/a><\/noindex>, <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/itsumma\/blog\/447896\/\">2<\/a><\/noindex>,<noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/ods\/blog\/322514\/\">3<\/a><\/noindex>)<br \/>\nGANi omadus on teatud sisemise olekuruumi loomine (sisuliselt sama kui Embedding), mis v\u00f5imaldab luua pilti. Need v\u00f5ivad olla <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/shaoanlu\/faceswap-GAN\">n\u00e4od<\/a><\/noindex>, need v\u00f5ivad olla <noindex><a rel=\"nofollow\" href=\"https:\/\/github.com\/sergeytulyakov\/mocogan\">tegevused.<\/a><\/noindex>. <\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/8c25c375dae3559b6895d6c4eb3f6cfd.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nGANi probleem on see, et mida keerulisem on genereeritud objekt, seda keerulisem on seda kirjeldada \"generaatoreidiskriminaator\" loogikas. Tulemuseks on see, et reaalsetes rakendustes, mis on tuntud - ainult DeepFake, mis j\u00e4llegi manipuleerib n\u00e4o esindustega (kelle jaoks on olemas tohutu andmebaas).<\/p>\n<p>Teisi kasulikke rakendusi olen kokku puutunud v\u00e4ga harva. Reeglina on need mingid m\u00e4ngulised asjad piltide lisamisega.<\/p>\n<p>Ja j\u00e4lle, keegi ei tea, kuidas see aitab meid liikuda helgele tulevikule. Neuraalv\u00f5rgus loogika\/esinduse esitlemine on hea. Kuid vajame tohutut arvu n\u00e4iteid, me ei saa aru, kuidas neuronid selle endas esindavad, me ei saa aru, kuidas sundida neuronit meelde j\u00e4tma m\u00f5nda t\u00f5eliselt keerulist esindust.<\/p>\n<p><b>Tugevdamise \u00f5ppimine<\/b> \u2014 see on t\u00f5eline l\u00e4henemine. Kindlasti m\u00e4letate, kuidas Google k\u00f5igist ette j\u00f5udis Go m\u00e4ngus. Viimased v\u00f5idud Starcraftis ja Dotas. Kuid siin ei ole asjad sugugi nii roosilised ja lootustandvad. K\u00f5ige paremini r\u00e4\u00e4gib RL-i ja selle keerukustest <noindex><a rel=\"nofollow\" href=\"https:\/\/www.alexirpan.com\/2018\/02\/14\/rl-hard.html\">see artikkel<\/a><\/noindex>.<\/p>\n<p>Kokkuv\u00f5tlikult, mida autor on kirjutanud:<\/p>\n<ul>\n<li>Karbist v\u00e4lja pakutavad mudelid ei sobi \/ t\u00f6\u00f6tavad enamasti halvasti<\/li>\n<li>Praktiliste probleemide lahendamine on lihtsam muude meetoditega. Boston Dynamics ei kasuta RL-i selle keerukuse \/ ettearvamatu iseloomu \/ arvutuskeerdk\u00e4ikude t\u00f5ttu<\/li>\n<li>Et RL t\u00f6\u00f6taks \u2014 on vajalik keeruline funktsioon. Sageli on selle loomine \/ kirjutamine keeruline<\/li>\n<li>Mudeleid on keeruline koolitada. Peab kulutama hulganisti aega, et neid v\u00e4lja raputada ja kohalikke optimeeringuid \u00fcletada<\/li>\n<li>Seet\u00f5ttu on raske mudelit korrata, mudel on ebastabiilne v\u00e4himatki muutuste korral<\/li>\n<li>Tihti toimub \u00fcle\u00f5pe mingite valede korrap\u00e4rasuste peale, kuni juhuslike numbrite generaatorini<\/li>\n<\/ul>\n<p>\nPeamine probleem on see, et RL ei t\u00f6\u00f6ta veel tootmiskeskkonnas. Google'il on m\u00f5ned eksperimentaalsed projektid ( <noindex><a rel=\"nofollow\" href=\"https:\/\/ai.google\/research\/teams\/brain\/robotics\/\">1<\/a><\/noindex>, <noindex><a rel=\"nofollow\" href=\"https:\/\/ai.googleblog.com\/2018\/06\/scalable-deep-reinforcement-learning.html\">2<\/a><\/noindex> ). Aga ma ei ole n\u00e4inud \u00fchtegi toote s\u00fcsteemi.<\/p>\n<p><b>M\u00e4lu<\/b>. K\u00f5ik \u00fclaltoodud puudused \u2014 struktuuritus. \u00dcks l\u00e4henemisviise, kuidas \u00fcritatakse seda korrastada, on anda n\u00e4rviv\u00f5rgule juurdep\u00e4\u00e4s eraldi m\u00e4lule. Nii saab see sinna oma samme salvestada ja \u00fcle kirjutada. Sel juhul saab n\u00e4rviv\u00f5rk m\u00e4\u00e4ratleda hetke m\u00e4lu seisundi. See sarnaneb v\u00e4ga klassikaliste protsessorite ja arvutitega.<\/p>\n<p>K\u00f5ige tuntum ja populaarsem <noindex>artikkel <\/noindex> \u2014 DeepMindi poolt:<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/acc6bcd86c8c071fbd9776a91f990752.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nKas see ongi v\u00f5ti intelligentsuse m\u00f5istmiseks? T\u00f5en\u00e4oliselt mitte. S\u00fcsteem vajab ikkagi tohutut andmekogumit treenimiseks. Ja see t\u00f6\u00f6tab peamiselt struktureeritud tabelandmetega. Samal ajal, kui Facebook <noindex><a rel=\"nofollow\" href=\"https:\/\/embodiedqa.org\/\">lahendas <\/a><\/noindex>sarnase probleemi, otsustasid nad, et \"unustame m\u00e4lu, teeme lihtsalt keerukama n\u00e4rviv\u00f5rgu ja toome rohkem n\u00e4iteid \u2014 ning see \u00f5pib iseseisvalt.\"<\/p>\n<p><b>Eraldamine<\/b>. Teine viis luua t\u00e4henduslik m\u00e4lu on v\u00f5tta samad embedid, kuid treenimise k\u00e4igus lisada t\u00e4iendavad kriteeriumid, mis aitaksid eristada \u201cm\u00f5tteid\u201d. N\u00e4iteks soovime \u00f5petada n\u00e4rviv\u00f5rku tuvastama inimese k\u00e4itumist poes. Kui me j\u00e4rgiksime standardset l\u00e4henemist, peaksime looma k\u00fcmneid erinevaid v\u00f5rke. \u00dcks otsib inimest, teine m\u00e4\u00e4rab, mida ta teeb, kolmas tema vanuse, neljas \u2014 soo. Eraldi loogika j\u00e4lgib, millises poepooles ta on v\u00f5i \u00f5ppimas. Kolmas m\u00e4\u00e4rab tema trajektoori jne.<\/p>\n<p>V\u00f5i, kui andmeid oleks l\u00f5putult, saaks \u00fchte v\u00f5rku \u00f5petada k\u00f5ikv\u00f5imalike v\u00e4ljundite jaoks (ilmne, et sellist andmemassiivi ei oleks v\u00f5imalik koguda).<\/p>\n<p>Dizaintegmenti l\u00e4henemine \u00fctleb meile, et koolitame v\u00f5rku nii, et ta suudab iseseisvalt eristada m\u00f5isted. Et ta videost looks embeding'i, kus \u00fcks ala m\u00e4\u00e4ratleks tegevuse, teine \u2014 positsiooni maa peal ajas, kolmas \u2014 inimese pikkuse ja veel \u00fcks \u2014 tema soo. Koolitamise k\u00e4igus sooviksin, et v\u00f5rku ei tuleks peaaegu mitte \u00fcldse juhendada selliste v\u00f5tmem\u00f5istetega, vaid et ta ise eristaks ja grupeeriks alasid. Taolisi artikleid on suhteliselt v\u00e4he (m\u00f5ned neist <noindex><a rel=\"nofollow\" href=\"https:\/\/ai.googleblog.com\/2019\/04\/evaluating-unsupervised-learning-of.html\">1<\/a><\/noindex>, <noindex><a rel=\"nofollow\" href=\"http:\/\/papers.nips.cc\/paper\/5851-deep-convolutional-inverse-graphics-network.pdf\">2<\/a><\/noindex>, <noindex><a rel=\"nofollow\" href=\"https:\/\/arxiv.org\/pdf\/1812.02230.pdf\">3<\/a><\/noindex>) ja \u00fcldiselt on need \u00fcsna teoreetilised. <\/p>\n<p>Kuid see suund, v\u00e4hemalt teoreetiliselt, peaks lahendama loetletud algprobleeme.<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/b36046dc3cbe3b849e1d3a60f56ec3a2.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nPildi jaotamine parameetrite j\u00e4rgi \u201eseina v\u00e4rv \/ maa v\u00e4rv \/ objekti kuju \/ objekti v\u00e4rv \/ jne\u201c<\/p>\n<p><img decoding=\"async\" alt=\"Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i on see uue koidu algus?\" src=\"\/wp-content\/uploads\/4d5ac8dfc43f76b35f3490c26049c7db.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nN\u00e4o jaotamine parameetrite j\u00e4rgi \u201esuurus, kulmud, orientatsioon, nahatooni v\u00e4rv jne\u201c<\/p>\n<h3>Muud<\/h3>\n<p>\nOn palju teisi mitte nii globaalseid suundi, mis v\u00f5imaldavad v\u00e4hendada andmebaase, t\u00f6\u00f6tada mitmekesisemate andmetega jne.<\/p>\n<p><b>Attention<\/b>. T\u00f5en\u00e4oliselt pole m\u00f5tet seda eraldi meetodina v\u00e4lja tuua. Lihtsalt l\u00e4henemine, mis tugevdab teisi. Talle on p\u00fchendatud palju artikleid (<noindex><a rel=\"nofollow\" href=\"http:\/\/www.wildml.com\/2016\/01\/attention-and-memory-in-deep-learning-and-nlp\/\">1<\/a><\/noindex>,<noindex><a rel=\"nofollow\" href=\"http:\/\/jalammar.github.io\/visualizing-neural-machine-translation-mechanics-of-seq2seq-models-with-attention\/\">2<\/a><\/noindex>,<noindex><a rel=\"nofollow\" href=\"https:\/\/arxiv.org\/abs\/1706.03762\">3<\/a><\/noindex>). T\u00e4hendus Attentionist on see, et tugevdada v\u00f5rgu reaktsiooni just oluliste objektide suhtes koolitamise k\u00e4igus. Sageli toimub see mingi v\u00e4list suunamise v\u00f5i v\u00e4ikese v\u00e4limise v\u00f5rgu kaudu.<\/p>\n<p><b>3D-simulaator<\/b>. Kui luua hea 3D-mootor, siis suudab see sageli katma 90% koolitusandmest (olen isegi n\u00e4inud n\u00e4idet, kus peaaegu 99% andmetest katab hea mootori). On palju ideid ja nippe, kuidas sundida v\u00f5rku, mis on koolitatud 3D-mootoril, t\u00f6\u00f6tama reaalse andmete peal (Fine tuning, style transfer jne). Kuid sageli on hea mootori loomine mitu korda keerulisem kui andmete kogumine. N\u00e4iteid mootori loomise kohta:<br \/>\nRobotite koolitus (<noindex><a rel=\"nofollow\" href=\"https:\/\/ai.googleblog.com\/2018\/06\/teaching-uncalibrated-robots-to_22.html\">google<\/a><\/noindex>, <noindex><a rel=\"nofollow\" href=\"https:\/\/youtu.be\/VZcmogKXC18\">braingarden<\/a><\/noindex>)<br \/>\nKoolitus <noindex><a rel=\"nofollow\" href=\"https:\/\/neuromation.io\/\">tuvastamise<\/a><\/noindex> kaupade jaoks poes (aga kahes projektis, mida me tegime \u2014 saime sellest rahulikult m\u00f6\u00f6da).<br \/>\nKoolitus Tesla's (taas see video, mis oli \u00fcleval).<\/p>\n<h2>J\u00e4reldused<\/h2>\n<p>\nKogu artikkel on mingil m\u00e4\u00e4ral kokkuv\u00f5te. Ilmselt on peamine s\u00f5num, mida ma tahtsin edastada \u2014 \u201etasuta l\u00f5pp, neuronv\u00f5rgud ei paku enam lihtsaid lahendusi\u201c. N\u00fc\u00fcd tuleb vaeva n\u00e4ha, ehitades keerulisemaid lahendusi. V\u00f5i teha keerulisi teadusuuringute uuringuid.<\/p>\n<p>Aga \u00fcldiselt on teema arutamiseks. V\u00f5ib-olla on lugejatel huvitavamaid n\u00e4iteid?<br \/>\n<br \/>Allikas: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/recognitor\/blog\/455676\/\">habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u041d\u0435\u0434\u0430\u0432\u043d\u043e \u0432\u044b\u0448\u043b\u0430 \u0441\u0442\u0430\u0442\u044c\u044f, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043d\u0435\u043f\u043b\u043e\u0445\u043e \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0442\u0435\u043d\u0434\u0435\u043d\u0446\u0438\u044e \u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0445 \u043b\u0435\u0442. \u0415\u0441\u043b\u0438 \u043a\u043e\u0440\u043e\u0442\u043a\u043e: \u0447\u0438\u0441\u043b\u043e \u0441\u0442\u0430\u0440\u0442\u0430\u043f\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u0434\u0432\u0430 \u0433\u043e\u0434\u0430 \u0440\u0435\u0437\u043a\u043e \u0443\u043f\u0430\u043b\u043e. \u041d\u0443 \u0447\u0442\u043e. \u0420\u0430\u0437\u0431\u0435\u0440\u0451\u043c \u00ab\u043b\u043e\u043f\u043d\u0443\u043b \u043b\u0438 \u043f\u0443\u0437\u044b\u0440\u044c\u00bb, \u00ab\u043a\u0430\u043a \u0434\u0430\u043b\u044c\u0448\u0435 \u0436\u0438\u0442\u044c\u00bb \u0438 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043e\u0442\u043a\u0443\u0434\u0430 \u0432\u043e\u043e\u0431\u0449\u0435 \u0442\u0430\u043a\u0430\u044f \u0437\u0430\u0433\u043e\u0433\u0443\u043b\u0438\u043d\u0430. \u0414\u043b\u044f \u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u0447\u0442\u043e \u0431\u044b\u043b\u043e \u0431\u0443\u0441\u0442\u0435\u0440\u043e\u043c \u044d\u0442\u043e\u0439 \u043a\u0440\u0438\u0432\u043e\u0439. \u041e\u0442\u043a\u0443\u0434\u0430 \u043e\u043d\u0430 \u0432\u0437\u044f\u043b\u0430\u0441\u044c. \u041d\u0430\u0432\u0435\u0440\u043d\u043e\u0435 \u0432\u0441\u0451 \u0432\u0441\u043f\u043e\u043c\u043d\u044f\u0442 [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-35293","post","type-post","status-publish","format-standard","hentry","category-novosti-interneta"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.0.1 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u041d\u0435\u0434\u0430\u0432\u043d\u043e \u0432\u044b\u0448\u043b\u0430 \u0441\u0442\u0430\u0442\u044c\u044f, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043d\u0435\u043f\u043b\u043e\u0445\u043e \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0442\u0435\u043d\u0434\u0435\u043d\u0446\u0438\u044e \u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0445 \u043b\u0435\u0442. \u0415\u0441\u043b\u0438 \u043a\u043e\u0440\u043e\u0442\u043a\u043e: \u0447\u0438\u0441\u043b\u043e \u0441\u0442\u0430\u0440\u0442\u0430\u043f\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u0434\u0432\u0430 \u0433\u043e\u0434\u0430 \u0440\u0435\u0437\u043a\u043e \u0443\u043f\u0430\u043b\u043e. \u041d\u0443 \u0447\u0442\u043e. \u0420\u0430\u0437\u0431\u0435\u0440\u0451\u043c \u00ab\u043b\u043e\u043f\u043d\u0443\u043b \u043b\u0438 \u043f\u0443\u0437\u044b\u0440\u044c\u00bb, \u00ab\u043a\u0430\u043a \u0434\u0430\u043b\u044c\u0448\u0435 \u0436\u0438\u0442\u044c\u00bb \u0438 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043e\u0442\u043a\u0443\u0434\u0430 \u0432\u043e\u043e\u0431\u0449\u0435 \u0442\u0430\u043a\u0430\u044f \u0437\u0430\u0433\u043e\u0433\u0443\u043b\u0438\u043d\u0430. \u0414\u043b\u044f \u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u0447\u0442\u043e \u0431\u044b\u043b\u043e \u0431\u0443\u0441\u0442\u0435\u0440\u043e\u043c \u044d\u0442\u043e\u0439 \u043a\u0440\u0438\u0432\u043e\u0439. \u041e\u0442\u043a\u0443\u0434\u0430 \u043e\u043d\u0430 \u0432\u0437\u044f\u043b\u0430\u0441\u044c. \u041d\u0430\u0432\u0435\u0440\u043d\u043e\u0435 \u0432\u0441\u0451 \u0432\u0441\u043f\u043e\u043c\u043d\u044f\u0442\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.0.1\" \/>\n\t\t<meta property=\"og:locale\" content=\"et_EE\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u041b\u043e\u043f\u043d\u0443\u043b \u043b\u0438 \u043f\u0443\u0437\u044b\u0440\u044c \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0438\u043b\u0438 \u043d\u0430\u0447\u0430\u043b\u043e \u043d\u043e\u0432\u043e\u0439 \u0437\u0430\u0440\u0438 | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u041d\u0435\u0434\u0430\u0432\u043d\u043e \u0432\u044b\u0448\u043b\u0430 \u0441\u0442\u0430\u0442\u044c\u044f, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043d\u0435\u043f\u043b\u043e\u0445\u043e \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0442\u0435\u043d\u0434\u0435\u043d\u0446\u0438\u044e \u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0445 \u043b\u0435\u0442. \u0415\u0441\u043b\u0438 \u043a\u043e\u0440\u043e\u0442\u043a\u043e: \u0447\u0438\u0441\u043b\u043e \u0441\u0442\u0430\u0440\u0442\u0430\u043f\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u0434\u0432\u0430 \u0433\u043e\u0434\u0430 \u0440\u0435\u0437\u043a\u043e \u0443\u043f\u0430\u043b\u043e. \u041d\u0443 \u0447\u0442\u043e. \u0420\u0430\u0437\u0431\u0435\u0440\u0451\u043c \u00ab\u043b\u043e\u043f\u043d\u0443\u043b \u043b\u0438 \u043f\u0443\u0437\u044b\u0440\u044c\u00bb, \u00ab\u043a\u0430\u043a \u0434\u0430\u043b\u044c\u0448\u0435 \u0436\u0438\u0442\u044c\u00bb \u0438 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043e\u0442\u043a\u0443\u0434\u0430 \u0432\u043e\u043e\u0431\u0449\u0435 \u0442\u0430\u043a\u0430\u044f \u0437\u0430\u0433\u043e\u0433\u0443\u043b\u0438\u043d\u0430. \u0414\u043b\u044f \u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u0447\u0442\u043e \u0431\u044b\u043b\u043e \u0431\u0443\u0441\u0442\u0435\u0440\u043e\u043c \u044d\u0442\u043e\u0439 \u043a\u0440\u0438\u0432\u043e\u0439. \u041e\u0442\u043a\u0443\u0434\u0430 \u043e\u043d\u0430 \u0432\u0437\u044f\u043b\u0430\u0441\u044c. \u041d\u0430\u0432\u0435\u0440\u043d\u043e\u0435 \u0432\u0441\u0451 \u0432\u0441\u043f\u043e\u043c\u043d\u044f\u0442\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2019-10-31T19:03:28+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2019-10-31T19:03:28+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Kas masin\u00f5ppe mull on l\u00f5hkenud v\u00f5i algus uuele ajastule | ProHoster","description":"Hiljuti ilmus artikkel, mis n\u00e4itab h\u00e4sti viimaste aastate masin\u00f5ppe suundi. \u00dches\u00f5naga: masin\u00f5ppega seotud idufirmade arv on viimase kahe aasta jooksul j\u00e4rsult v\u00e4henenud. Niisiis, vaatame l\u00e4hemalt, kas \"mull on l\u00f5hkenud\", \"kuidas edasi elada\" ja arutame, kust see kummaline olukord \u00fcldse on tekkinud. Alustame aruteluga, mis oli selle k\u00f5vera t\u00f5ukeks. Kust see k\u00f5ik alguse sai. Ilmselt meenub k\u00f5igile.","canonical_url":"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"et_EE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041b\u043e\u043f\u043d\u0443\u043b \u043b\u0438 \u043f\u0443\u0437\u044b\u0440\u044c \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0438\u043b\u0438 \u043d\u0430\u0447\u0430\u043b\u043e \u043d\u043e\u0432\u043e\u0439 \u0437\u0430\u0440\u0438 | ProHoster","og:description":"\u041d\u0435\u0434\u0430\u0432\u043d\u043e \u0432\u044b\u0448\u043b\u0430 \u0441\u0442\u0430\u0442\u044c\u044f, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043d\u0435\u043f\u043b\u043e\u0445\u043e \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0442\u0435\u043d\u0434\u0435\u043d\u0446\u0438\u044e \u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0445 \u043b\u0435\u0442. \u0415\u0441\u043b\u0438 \u043a\u043e\u0440\u043e\u0442\u043a\u043e: \u0447\u0438\u0441\u043b\u043e \u0441\u0442\u0430\u0440\u0442\u0430\u043f\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u0434\u0432\u0430 \u0433\u043e\u0434\u0430 \u0440\u0435\u0437\u043a\u043e \u0443\u043f\u0430\u043b\u043e. \u041d\u0443 \u0447\u0442\u043e. \u0420\u0430\u0437\u0431\u0435\u0440\u0451\u043c \u00ab\u043b\u043e\u043f\u043d\u0443\u043b \u043b\u0438 \u043f\u0443\u0437\u044b\u0440\u044c\u00bb, \u00ab\u043a\u0430\u043a \u0434\u0430\u043b\u044c\u0448\u0435 \u0436\u0438\u0442\u044c\u00bb \u0438 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043e\u0442\u043a\u0443\u0434\u0430 \u0432\u043e\u043e\u0431\u0449\u0435 \u0442\u0430\u043a\u0430\u044f \u0437\u0430\u0433\u043e\u0433\u0443\u043b\u0438\u043d\u0430. \u0414\u043b\u044f \u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u0447\u0442\u043e \u0431\u044b\u043b\u043e \u0431\u0443\u0441\u0442\u0435\u0440\u043e\u043c \u044d\u0442\u043e\u0439 \u043a\u0440\u0438\u0432\u043e\u0439. \u041e\u0442\u043a\u0443\u0434\u0430 \u043e\u043d\u0430 \u0432\u0437\u044f\u043b\u0430\u0441\u044c. \u041d\u0430\u0432\u0435\u0440\u043d\u043e\u0435 \u0432\u0441\u0451 \u0432\u0441\u043f\u043e\u043c\u043d\u044f\u0442","og:url":"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/lopnul-li-puzyr-mashinnogo-obucheniya-ili-nachalo-novoj-zari","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-10-31T19:03:28+00:00","article:modified_time":"2019-10-31T19:03:28+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"35293","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-21 22:41:19","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-03-01 02:06:24","updated":"2026-01-21 22:41:19","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/posts\/35293","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/comments?post=35293"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/posts\/35293\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/media?parent=35293"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/categories?post=35293"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/tags?post=35293"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}