តើ​មាន​ពពុះ​ការ​រៀន​សូត្រ​របស់​ម៉ាស៊ីន​ផ្ទុះ​ឬ​ក៏​ជា​ការ​ចាប់​ផ្តើម​នៃ​ថ្ងៃ​រះ​ថ្មី?

ចេញផ្សាយថ្មីៗនេះ អត្ថបទដែលបង្ហាញពីនិន្នាការដ៏ល្អក្នុងការរៀនម៉ាស៊ីនក្នុងប៉ុន្មានឆ្នាំថ្មីៗនេះ។ សរុបមក៖ ចំនួននៃការចាប់ផ្តើមរៀនម៉ាស៊ីនបានធ្លាក់ចុះក្នុងរយៈពេលពីរឆ្នាំចុងក្រោយនេះ។

អញ្ចឹង។ សូមក្រឡេកមើល "ថាតើពពុះបានផ្ទុះឡើងឬអត់" "របៀបបន្តរស់នៅ" ហើយនិយាយអំពីកន្លែងដែលសត្វល្មូននេះមកពីកន្លែងដំបូង។

ជាដំបូង សូមនិយាយអំពីអ្វីដែលជាការជំរុញនៃខ្សែកោងនេះ។ តើនាងមកពីណា? ពួកគេប្រហែលជាចងចាំអ្វីៗទាំងអស់។ ឈ្នះ ការរៀនម៉ាស៊ីនក្នុងឆ្នាំ 2012 នៅការប្រកួតប្រជែង ImageNet ។ យ៉ាងណាមិញ នេះជាព្រឹត្តិការណ៍ពិភពលោកដំបូងគេ! ប៉ុន្តែ​តាម​ពិត​នេះ​មិន​មែន​ជា​ករណី​នោះ​ទេ។ ហើយការរីកលូតលាស់នៃខ្សែកោងចាប់ផ្តើមមុនបន្តិច។ ខ្ញុំនឹងបំបែកវាទៅជាចំណុចជាច្រើន។

1. 2008 បានឃើញការលេចឡើងនៃពាក្យ "ទិន្នន័យធំ" ។ ផលិតផលពិតបានចាប់ផ្តើម លេចឡើង ចាប់តាំងពីឆ្នាំ 2010 ។ ទិន្នន័យធំគឺទាក់ទងដោយផ្ទាល់ទៅនឹងការរៀនម៉ាស៊ីន។ បើគ្មានទិន្នន័យធំទេ ប្រតិបត្តិការដែលមានស្ថេរភាពនៃក្បួនដោះស្រាយដែលមាននៅពេលនោះគឺមិនអាចទៅរួចទេ។ ហើយទាំងនេះមិនមែនជាបណ្តាញសរសៃប្រសាទទេ។ រហូតមកដល់ឆ្នាំ 2012 បណ្តាញសរសៃប្រសាទគឺជាការការពាររបស់ជនជាតិភាគតិចតិចតួច។ ប៉ុន្តែបន្ទាប់មក ក្បួនដោះស្រាយខុសគ្នាទាំងស្រុងបានចាប់ផ្តើមដំណើរការ ដែលមានអស់ជាច្រើនឆ្នាំ ឬរាប់ទសវត្សរ៍៖ អេសវីអឹម(1963,1993, XNUMX), ព្រៃចៃដន្យ (1995) AdaBoost (2003),... ការចាប់ផ្តើមនៃឆ្នាំទាំងនោះត្រូវបានភ្ជាប់ជាចម្បងជាមួយនឹងការដំណើរការដោយស្វ័យប្រវត្តិនៃទិន្នន័យដែលមានរចនាសម្ព័ន្ធ: ការចុះឈ្មោះសាច់ប្រាក់ អ្នកប្រើប្រាស់ ការផ្សាយពាណិជ្ជកម្ម និងច្រើនទៀត។

   ដេរីវេនៃរលកទីមួយនេះគឺជាសំណុំនៃក្របខ័ណ្ឌដូចជា XGBoost, CatBoost, LightGBM ជាដើម។

2. ក្នុងឆ្នាំ ២០១១-២០១២ បណ្តាញសរសៃប្រសាទ convolutional បានឈ្នះការប្រកួតទទួលស្គាល់រូបភាពជាច្រើន។ ការប្រើប្រាស់ជាក់ស្តែងរបស់ពួកគេត្រូវបានពន្យារពេលបន្តិច។ ខ្ញុំចង់និយាយថាការចាប់ផ្តើមអាជីវកម្ម និងដំណោះស្រាយដែលមានអត្ថន័យយ៉ាងច្រើនបានចាប់ផ្តើមលេចឡើងនៅក្នុងឆ្នាំ 2014 ។ វាត្រូវចំណាយពេលពីរឆ្នាំដើម្បីរំលាយថាណឺរ៉ូននៅតែដំណើរការ ដើម្បីបង្កើតក្របខ័ណ្ឌងាយស្រួលដែលអាចត្រូវបានដំឡើង និងដាក់ឱ្យដំណើរការក្នុងពេលវេលាសមហេតុផល ដើម្បីបង្កើតវិធីសាស្រ្តដែលធ្វើឱ្យមានស្ថេរភាព និងបង្កើនល្បឿននៃការបញ្ចូលគ្នា។

   បណ្តាញ Convolutional ធ្វើឱ្យវាអាចដោះស្រាយបញ្ហាចក្ខុវិស័យកុំព្យូទ័រ៖ ការបែងចែករូបភាព និងវត្ថុក្នុងរូបភាព ការរកឃើញវត្ថុ ការទទួលស្គាល់វត្ថុ និងមនុស្ស ការកែលម្អរូបភាព។ល។

3. 2015-2017 ។ ការរីកដុះដាលនៃក្បួនដោះស្រាយ និងគម្រោងផ្អែកលើបណ្តាញដែលកើតឡើងដដែលៗ ឬ analogues របស់ពួកគេ (LSTM, GRU, TransformerNet ជាដើម)។ ក្បួនដោះស្រាយការនិយាយទៅអត្ថបទដែលដំណើរការបានល្អ និងប្រព័ន្ធបកប្រែម៉ាស៊ីនបានបង្ហាញខ្លួន។ ពួកវាមួយផ្នែកផ្អែកលើបណ្តាញ convolutional ដើម្បីទាញយកលក្ខណៈពិសេសជាមូលដ្ឋាន។ មួយផ្នែកដោយសារយើងរៀនប្រមូលសំណុំទិន្នន័យធំៗ និងល្អ។

"តើពពុះបានផ្ទុះទេ? តើការឃោសនាបំផ្លើសឬ? តើពួកគេបានស្លាប់ជា blockchain ទេ?
បើមិនដូច្នេះទេ! ថ្ងៃស្អែក Siri នឹងឈប់ដំណើរការលើទូរសព្ទរបស់អ្នក ហើយថ្ងៃបន្ទាប់ Tesla នឹងមិនដឹងថាភាពខុសគ្នារវាងវេន និងកង់ហ្គូរូនោះទេ។

បណ្តាញសរសៃប្រសាទកំពុងដំណើរការហើយ។ ពួកគេស្ថិតនៅក្នុងឧបករណ៍រាប់សិប។ ពួកគេពិតជាអនុញ្ញាតឱ្យអ្នករកប្រាក់ ផ្លាស់ប្តូរទីផ្សារ និងពិភពលោកជុំវិញអ្នក។ Hype មើលទៅខុសគ្នាបន្តិច៖

វាគ្រាន់តែថាបណ្តាញសរសៃប្រសាទលែងជាអ្វីដែលថ្មីទៀតហើយ។ ត្រូវហើយ មនុស្សជាច្រើនមានការរំពឹងទុកខ្ពស់។ ប៉ុន្តែក្រុមហ៊ុនមួយចំនួនធំបានរៀនប្រើណឺរ៉ូន និងបង្កើតផលិតផលដោយផ្អែកលើពួកគេ។ ណឺរ៉ូនផ្តល់មុខងារថ្មី អនុញ្ញាតឱ្យអ្នកកាត់បន្ថយការងារ និងកាត់បន្ថយតម្លៃសេវាកម្ម៖

• ក្រុមហ៊ុន​ផលិត​កំពុង​បញ្ចូល​ក្បួន​ដោះស្រាយ​ដើម្បី​វិភាគ​បញ្ហា​នៅ​លើ​ខ្សែ​ផលិតកម្ម។
• កសិដ្ឋានចិញ្ចឹមសត្វទិញប្រព័ន្ធគ្រប់គ្រងគោ។
• ការរួមបញ្ចូលដោយស្វ័យប្រវត្តិ។
• មជ្ឈមណ្ឌលហៅទូរសព្ទដោយស្វ័យប្រវត្តិ។
• តម្រងនៅក្នុង SnapChat ។ (ជាការប្រសើរណាស់, យ៉ាងហោចណាស់អ្វីមួយដែលមានប្រយោជន៍!)

ប៉ុន្តែរឿងសំខាន់ និងមិនច្បាស់បំផុត៖ "មិនមានគំនិតថ្មីទៀតទេ ឬពួកគេនឹងមិននាំមកនូវដើមទុនភ្លាមៗទេ"។ បណ្តាញសរសៃប្រសាទបានដោះស្រាយបញ្ហារាប់សិប។ ហើយពួកគេនឹងសម្រេចចិត្តកាន់តែច្រើន។ គំនិតជាក់ស្តែងទាំងអស់ដែលមានស្រាប់ បានបង្កើតឱ្យមានការចាប់ផ្ដើមអាជីវកម្មជាច្រើន។ ប៉ុន្តែ​អ្វីៗ​ដែល​នៅ​លើ​ផ្ទៃ​ដី​ត្រូវ​បាន​ប្រមូល​រួច​ហើយ។ ក្នុងរយៈពេលពីរឆ្នាំកន្លងមកនេះ ខ្ញុំមិនបានឃើញគំនិតថ្មីតែមួយសម្រាប់ការប្រើប្រាស់បណ្តាញសរសៃប្រសាទទេ។ មិនមែនជាវិធីសាស្រ្តថ្មីតែមួយទេ (ល្អ អូខេ មានបញ្ហាមួយចំនួនជាមួយ GANs)។

ហើយការចាប់ផ្ដើមជាបន្តបន្ទាប់នីមួយៗគឺកាន់តែស្មុគស្មាញ។ វាលែងត្រូវការបុរសពីរនាក់ដែលបណ្តុះបណ្តាលសរសៃប្រសាទដោយប្រើទិន្នន័យបើកចំហ។ វាទាមទារអ្នកសរសេរកម្មវិធី ម៉ាស៊ីនមេ ក្រុមអ្នកសម្គាល់ ការគាំទ្រស្មុគស្មាញ។ល។

ជាលទ្ធផល មានការចាប់ផ្តើមអាជីវកម្មតិចជាងមុន។ ប៉ុន្តែ​មាន​ការ​ផលិត​បន្ថែម​ទៀត។ ត្រូវការបន្ថែមការទទួលស្គាល់ស្លាកលេខ? មានអ្នកឯកទេសរាប់រយនាក់ដែលមានបទពិសោធន៍ពាក់ព័ន្ធនៅលើទីផ្សារ។ អ្នកអាចជួលនរណាម្នាក់ ហើយក្នុងរយៈពេលពីរបីខែ បុគ្គលិករបស់អ្នកនឹងបង្កើតប្រព័ន្ធ។ ឬទិញដែលផលិតរួចរាល់។ ប៉ុន្តែ​ការ​ចាប់​ផ្តើ​ម​ថ្មី​?.. ឆ្កួត​!

អ្នកត្រូវបង្កើតប្រព័ន្ធតាមដានអ្នកទស្សនា - ហេតុអ្វីត្រូវចំណាយសម្រាប់អាជ្ញាប័ណ្ណជាច្រើននៅពេលដែលអ្នកអាចបង្កើតដោយខ្លួនឯងក្នុងរយៈពេល 3-4 ខែ ធ្វើឱ្យវាកាន់តែច្បាស់សម្រាប់អាជីវកម្មរបស់អ្នក។

ឥឡូវនេះបណ្តាញសរសៃប្រសាទកំពុងឆ្លងកាត់ផ្លូវដូចគ្នាដែលបច្ចេកវិទ្យារាប់សិបផ្សេងទៀតបានឆ្លងកាត់។

តើអ្នកចាំពីរបៀបដែលគំនិតនៃ "អ្នកបង្កើតគេហទំព័រ" បានផ្លាស់ប្តូរតាំងពីឆ្នាំ 1995 ដែរឬទេ? ទីផ្សារមិនទាន់ឆ្អែតជាមួយអ្នកឯកទេសទេ។ មានអ្នកជំនាញតិចតួចណាស់។ ប៉ុន្តែខ្ញុំអាចភ្នាល់ថាក្នុងរយៈពេល 5-10 ឆ្នាំវានឹងមិនមានភាពខុសគ្នាច្រើនរវាងអ្នកសរសេរកម្មវិធី Java និងអ្នកបង្កើតបណ្តាញសរសៃប្រសាទទេ។ វានឹងមានអ្នកជំនាញទាំងពីរនៅលើទីផ្សារគ្រប់គ្រាន់។

វានឹងមានថ្នាក់នៃបញ្ហាដែលអាចត្រូវបានដោះស្រាយដោយណឺរ៉ូន។ ភារកិច្ចមួយបានកើតឡើង - ជួលអ្នកឯកទេស។

"មាន​អ្វី​បន្ទាប់? តើបញ្ញាសិប្បនិមិត្តដែលបានសន្យានៅឯណា?

ប៉ុន្តែនៅទីនេះមានការយល់ច្រឡំតូចមួយប៉ុន្តែគួរឱ្យចាប់អារម្មណ៍ :)

ជង់បច្ចេកវិទ្យាដែលមានសព្វថ្ងៃនេះ ជាក់ស្តែងនឹងមិននាំយើងទៅរកបញ្ញាសិប្បនិម្មិតទេ។ គំនិត និង​ភាព​ថ្មីថ្មោង​របស់​ពួកគេ​ភាគច្រើន​បាន​អស់​កម្លាំង​ដោយ​ខ្លួន​ឯង។ ចូរនិយាយអំពីអ្វីដែលរក្សាកម្រិតនៃការអភិវឌ្ឍន៍បច្ចុប្បន្ន។

ការរឹតត្បិត

តោះចាប់ផ្តើមជាមួយរថយន្តដែលបើកបរដោយខ្លួនឯង។ វាហាក់ដូចជាច្បាស់ណាស់ថា វាអាចទៅរួចក្នុងការផលិតរថយន្តស្វ័យប្រវត្តិពេញលេញជាមួយនឹងបច្ចេកវិទ្យានាពេលបច្ចុប្បន្ននេះ។ ប៉ុន្តែ​ក្នុង​រយៈពេល​ប៉ុន្មាន​ឆ្នាំ​ទៀត រឿងនេះ​នឹង​កើតឡើង​មិន​ច្បាស់​នោះទេ​។ Tesla ជឿជាក់ថាវានឹងកើតឡើងក្នុងរយៈពេលពីរបីឆ្នាំទៀត -

មានអ្នកផ្សេងទៀតជាច្រើន។ អ្នកជំនាញដែលប៉ាន់ស្មានថាវាមានអាយុ 5-10 ឆ្នាំ។

តាមគំនិតរបស់ខ្ញុំ ទំនងជាក្នុងរយៈពេល 15 ឆ្នាំ ហេដ្ឋារចនាសម្ព័ន្ធនៃទីក្រុងនានានឹងផ្លាស់ប្តូរតាមរបៀបដែលការលេចឡើងនៃរថយន្តស្វយ័តនឹងក្លាយជាជៀសមិនរួច ហើយនឹងក្លាយជាការបន្តរបស់វា។ ប៉ុន្តែនេះមិនអាចចាត់ទុកថាជាភាពឆ្លាតវៃបានទេ។ Tesla ទំនើបគឺជាបំពង់បង្ហូរប្រេងដ៏ស្មុគស្មាញមួយសម្រាប់ការត្រងទិន្នន័យ ការស្វែងរក និងការបណ្តុះបណ្តាលឡើងវិញ។ ទាំងនេះគឺជាច្បាប់-ច្បាប់-ច្បាប់ ការប្រមូលទិន្នន័យ និងតម្រងលើពួកវា (នៅទីនេះ នៅទីនេះ ខ្ញុំបានសរសេរបន្ថែមបន្តិចអំពីរឿងនេះ ឬមើលពី នេះ សញ្ញា) ។

បញ្ហាទីមួយ

ហើយនេះគឺជាកន្លែងដែលយើងឃើញ បញ្ហាមូលដ្ឋានដំបូង. ទិន្នន័យ​ធំ។ នេះគឺជាអ្វីដែលបានផ្តល់កំណើតដល់រលកបច្ចុប្បន្ននៃបណ្តាញសរសៃប្រសាទ និងការរៀនម៉ាស៊ីន។ សព្វថ្ងៃនេះដើម្បីធ្វើអ្វីមួយដែលស្មុគស្មាញ និងស្វ័យប្រវត្តិ អ្នកត្រូវការទិន្នន័យច្រើន។ មិន​មែន​គ្រាន់​តែ​ច្រើន​ទេ ប៉ុន្តែ​ច្រើន​ណាស់។ យើងត្រូវការក្បួនដោះស្រាយដោយស្វ័យប្រវត្តិសម្រាប់ការប្រមូល ការសម្គាល់ និងការប្រើប្រាស់របស់ពួកគេ។ យើងចង់ធ្វើឱ្យរថយន្តមើលឃើញរថយន្តដឹកទំនិញប្រឈមមុខនឹងព្រះអាទិត្យ - ដំបូងយើងត្រូវប្រមូលចំនួនគ្រប់គ្រាន់នៃពួកគេ។ យើង​ចង់​ឱ្យ​រថយន្ត​មិន​ឆ្កួត​ជាមួយ​នឹង​កង់​ដែល​ជាប់​នឹង​ដើម​ - គំរូ​បន្ថែម​ទៀត។

លើសពីនេះទៅទៀតឧទាហរណ៍មួយមិនគ្រប់គ្រាន់ទេ។ រាប់រយ? ពាន់?

បញ្ហាទីពីរ

បញ្ហាទីពីរ - ការមើលឃើញនៃអ្វីដែលបណ្តាញសរសៃប្រសាទរបស់យើងបានយល់។ នេះជាកិច្ចការមិនសំខាន់ទេ។ រហូត​មក​ដល់​ពេល​នេះ មាន​មនុស្ស​តិច​ណាស់​ដែល​យល់​ពី​របៀប​ស្រមៃ​ឃើញ​នេះ។ អត្ថបទទាំងនេះគឺថ្មីៗណាស់ ទាំងនេះគ្រាន់តែជាឧទាហរណ៍មួយចំនួន បើទោះបីជានៅឆ្ងាយក៏ដោយ៖
ការមើលឃើញ ចំណង់ចំណូលចិត្តជាមួយវាយនភាព។ វាបង្ហាញយ៉ាងល្អនូវអ្វីដែលណឺរ៉ូនមានទំនោរកំណត់ទៅលើ + នូវអ្វីដែលវាយល់ថាជាព័ត៌មានចាប់ផ្តើម។

ការមើលឃើញ ភាពតានតឹងនៅ ការបកប្រែ. ជាការពិត ការទាក់ទាញជាញឹកញាប់អាចត្រូវបានប្រើយ៉ាងជាក់លាក់ដើម្បីបង្ហាញពីអ្វីដែលបណ្តាលឱ្យមានប្រតិកម្មបណ្តាញបែបនេះ។ ខ្ញុំបានឃើញរឿងបែបនេះសម្រាប់ទាំងការបំបាត់កំហុស និងដំណោះស្រាយផលិតផល។ មានអត្ថបទជាច្រើនលើប្រធានបទនេះ។ ប៉ុន្តែ​ទិន្នន័យ​កាន់តែ​ស្មុគស្មាញ វា​កាន់តែ​ពិបាក​ក្នុង​ការយល់​ពី​របៀប​ដើម្បី​សម្រេចបាន​នូវ​ការមើលឃើញ​ដ៏​រឹងមាំ​។

បាទ ឈុតចាស់ដ៏ល្អនៃ "មើលអ្វីដែលនៅខាងក្នុងសំណាញ់នៅក្នុង តម្រង" រូបភាពទាំងនេះមានប្រជាប្រិយភាពកាលពី 3-4 ឆ្នាំមុន ប៉ុន្តែគ្រប់គ្នាបានដឹងភ្លាមៗថារូបភាពទាំងនោះស្អាត ប៉ុន្តែមិនមានអត្ថន័យច្រើននោះទេ។

ខ្ញុំ​មិន​បាន​និយាយ​អំពី​ឧបករណ៍ វិធីសាស្ត្រ ការ​លួច​ស្តាប់​រាប់សិប​ផ្សេង​ទៀត ស្រាវជ្រាវ​អំពី​របៀប​បង្ហាញ​ផ្នែក​ខាងក្នុង​នៃ​បណ្តាញ។ តើឧបករណ៍ទាំងនេះដំណើរការទេ? តើ​ពួកគេ​ជួយ​អ្នក​ឱ្យ​យល់​យ៉ាង​ឆាប់​រហ័ស​នូវ​អ្វី​ដែល​ជា​បញ្ហា និង​បំបាត់​កំហុស​បណ្តាញ​?... ទទួលបាន​ភាគរយ​ចុងក្រោយ​ឬ? ជាការប្រសើរណាស់, វាគឺអំពីដូចគ្នា:

អ្នកអាចមើលការប្រកួតណាមួយនៅលើ Kaggle ។ និងការពិពណ៌នាអំពីរបៀបដែលមនុស្សធ្វើការសម្រេចចិត្តចុងក្រោយ។ យើងបានជង់ 100-500-800 នៃម៉ូដែលហើយវាដំណើរការ!

ជាការពិត ខ្ញុំនិយាយបំផ្លើស។ ប៉ុន្តែវិធីសាស្រ្តទាំងនេះមិនផ្តល់ចម្លើយរហ័ស និងដោយផ្ទាល់ទេ។

មានបទពិសោធន៍គ្រប់គ្រាន់ ដោយបានវាយលុកជម្រើសផ្សេងៗ អ្នកអាចផ្តល់សាលក្រមអំពីមូលហេតុដែលប្រព័ន្ធរបស់អ្នកធ្វើការសម្រេចចិត្តបែបនេះ។ ប៉ុន្តែវានឹងពិបាកក្នុងការកែតម្រូវឥរិយាបថនៃប្រព័ន្ធ។ ដំឡើងឈើច្រត់ ផ្លាស់ទីកម្រិតចាប់ផ្ដើម បន្ថែមសំណុំទិន្នន័យ យកបណ្តាញខាងក្រោយផ្សេងទៀត។

បញ្ហាទីបី

បញ្ហាមូលដ្ឋានទីបី - ក្រឡាចត្រង្គបង្រៀនស្ថិតិ មិនមែនតក្កវិជ្ជាទេ។ តាមស្ថិតិនេះ។ лицо:

ឡូជីខល វាមិនស្រដៀងគ្នាខ្លាំងទេ។ បណ្តាញសរសៃប្រសាទមិនរៀនអ្វីស្មុគស្មាញទេ លុះត្រាតែពួកគេបង្ខំ។ ពួកគេតែងតែបង្រៀនសញ្ញាសាមញ្ញបំផុតដែលអាចធ្វើទៅបាន។ តើអ្នកមានភ្នែក ច្រមុះ ក្បាលទេ? នេះហើយមុខ! ឬផ្តល់ឧទាហរណ៍មួយដែលភ្នែកមិនមានន័យថាមុខ។ ហើយម្តងទៀត - ឧទាហរណ៍រាប់លាន។

មានបន្ទប់ច្រើននៅខាងក្រោម

ខ្ញុំចង់និយាយថា វាគឺជាបញ្ហាសកលទាំងបីនេះ ដែលបច្ចុប្បន្នកំណត់ការអភិវឌ្ឍន៍បណ្តាញសរសៃប្រសាទ និងការរៀនម៉ាស៊ីន។ ហើយកន្លែងដែលបញ្ហាទាំងនេះមិនបានកំណត់វាត្រូវបានប្រើយ៉ាងសកម្មរួចហើយ។

នេះ​ជា​ការ​បញ្ចប់? តើបណ្តាញសរសៃប្រសាទកើនឡើងទេ?

មិនស្គាល់។ ប៉ុន្តែ​ជា​ការ​ពិត​ណាស់​អ្នក​រាល់​គ្នា​មិន​សង្ឃឹម​ទេ។

មានវិធីសាស្រ្ត និងទិសដៅជាច្រើនក្នុងការដោះស្រាយបញ្ហាជាមូលដ្ឋាន ដែលខ្ញុំបានគូសបញ្ជាក់ខាងលើ។ ប៉ុន្តែរហូតមកដល់ពេលនេះ គ្មានវិធីសាស្រ្តណាមួយក្នុងចំណោមវិធីសាស្រ្តទាំងនេះដែលធ្វើឱ្យវាអាចធ្វើទៅបានដើម្បីធ្វើអ្វីដែលថ្មីជាមូលដ្ឋានដើម្បីដោះស្រាយអ្វីមួយដែលមិនទាន់ត្រូវបានដោះស្រាយ។ រហូតមកដល់ពេលនេះ គម្រោងជាមូលដ្ឋានទាំងអស់កំពុងត្រូវបានអនុវត្តដោយផ្អែកលើវិធីសាស្រ្តស្ថិរភាព (Tesla) ឬនៅតែជាគម្រោងសាកល្បងរបស់វិទ្យាស្ថាន ឬសាជីវកម្ម (Google Brain, OpenAI)។

និយាយឱ្យចំ ទិសដៅសំខាន់គឺបង្កើតតំណាងកម្រិតខ្ពស់មួយចំនួននៃទិន្នន័យបញ្ចូល។ នៅក្នុងន័យមួយ "ការចងចាំ" ។ ឧទាហរណ៍សាមញ្ញបំផុតនៃការចងចាំគឺ "ការបង្កប់" ផ្សេងៗគ្នា - តំណាងរូបភាព។ ជាឧទាហរណ៍ ប្រព័ន្ធសម្គាល់មុខទាំងអស់។ បណ្តាញរៀនដើម្បីទទួលបានពីតំណាងដែលមានស្ថេរភាពមួយចំនួនដែលមិនអាស្រ័យលើការបង្វិល ពន្លឺ ឬដំណោះស្រាយ។ ជាការសំខាន់ បណ្តាញកាត់បន្ថយការវាស់វែង "មុខផ្សេងគ្នានៅឆ្ងាយ" និង "មុខដូចគ្នាគឺនៅជិត" ។

សម្រាប់ការបណ្តុះបណ្តាលបែបនេះ គំរូរាប់សិប និងរាប់រយពាន់គឺត្រូវការជាចាំបាច់។ ប៉ុន្តែ​លទ្ធផល​នេះ​ទទួល​បាន​ចំណុច​ខ្លះ​នៃ​ការ​រៀន​បាញ់​មួយ​គ្រាប់។ ឥឡូវនេះ យើងមិនត្រូវការមុខរាប់រយ ដើម្បីចងចាំមនុស្សម្នាក់នោះទេ។ មុខតែមួយ នោះហើយជាអ្វីទាំងអស់។ តោះស្វែងយល់!
មានបញ្ហាតែមួយ... ក្រឡាចត្រង្គអាចរៀនបានតែវត្ថុសាមញ្ញប៉ុណ្ណោះ។ ពេល​ព្យាយាម​បែងចែក​មុខ​មិន​ចេញ ប៉ុន្តែ​ជា​ឧទាហរណ៍ “មនុស្ស​ដោយ​សម្លៀក​បំពាក់” (ភារកិច្ច ការកំណត់អត្តសញ្ញាណឡើងវិញ) - គុណភាពធ្លាក់ចុះដោយការបញ្ជាទិញជាច្រើននៃរ៉ិចទ័រ។ ហើយបណ្តាញមិនអាចរៀនពីការផ្លាស់ប្តូរជាក់ស្តែងនៅក្នុងមុំទៀតទេ។

ហើយការរៀនពីឧទាហរណ៍រាប់លានក៏ជាការសប្បាយដែរ។

មានការងារកាត់បន្ថយការបោះឆ្នោតយ៉ាងច្រើន។ ជាឧទាហរណ៍ មនុស្សម្នាក់អាចរំលឹកឡើងវិញភ្លាមៗនូវការងារដំបូងបង្អស់មួយនៅលើ ការរៀន OneShot ពី Google:

ឧទាហរណ៍មានការងារបែបនេះជាច្រើន។ 1 ឬ 2 ឬ 3.

មានដកតែមួយប៉ុណ្ណោះ - ជាធម្មតាការបណ្តុះបណ្តាលដំណើរការល្អលើឧទាហរណ៍ "MNIST" សាមញ្ញមួយចំនួន។ ហើយនៅពេលបន្តទៅកិច្ចការស្មុគស្មាញ អ្នកត្រូវការមូលដ្ឋានទិន្នន័យធំ គំរូវត្ថុ ឬប្រភេទវេទមន្តមួយចំនួន។
ជាទូទៅ ការងារលើការបណ្តុះបណ្តាល One-Shot គឺជាប្រធានបទដ៏គួរឱ្យចាប់អារម្មណ៍មួយ។ អ្នករកឃើញគំនិតជាច្រើន។ ប៉ុន្តែសម្រាប់ផ្នែកភាគច្រើន បញ្ហាទាំងពីរដែលខ្ញុំបានរាយបញ្ជី (ការបណ្តុះបណ្តាលលើសំណុំទិន្នន័យដ៏ធំ / អស្ថិរភាពលើទិន្នន័យស្មុគស្មាញ) រំខានយ៉ាងខ្លាំងដល់ការរៀនសូត្រ។

ម៉្យាងវិញទៀត GANs - បណ្តាញគូបដិបក្ខទូទៅ - ខិតទៅជិតប្រធានបទនៃការបង្កប់។ អ្នកប្រហែលជាបានអានអត្ថបទជាច្រើននៅលើ Habré លើប្រធានបទនេះ។ (1, 2,3)
លក្ខណៈពិសេសមួយរបស់ GAN គឺការបង្កើតចន្លោះរដ្ឋខាងក្នុងមួយចំនួន (សំខាន់គឺការបង្កប់ដូចគ្នា) ដែលអនុញ្ញាតឱ្យអ្នកគូររូបភាព។ វា​អាច​ជា មុខ, អាច​ជា សកម្មភាព.

បញ្ហាជាមួយ GAN គឺថា វត្ថុដែលបានបង្កើតកាន់តែស្មុគស្មាញ វាកាន់តែពិបាកក្នុងការពិពណ៌នាវានៅក្នុងតក្កវិជ្ជា "អ្នកបង្កើត-រើសអើង" ។ ជាលទ្ធផល កម្មវិធីពិតតែមួយគត់របស់ GAN ដែលត្រូវបានគេឮគឺ DeepFake ដែលជាថ្មីម្តងទៀត រៀបចំការបង្ហាញមុខ (ដែលមានមូលដ្ឋានធំ)។

ខ្ញុំបានឃើញការប្រើប្រាស់ដ៏មានប្រយោជន៍ផ្សេងទៀតតិចតួចណាស់។ ជាធម្មតាប្រភេទនៃល្បិចមួយចំនួនដែលពាក់ព័ន្ធនឹងការបញ្ចប់ការគូររូបភាព។

ហើយម្តងទៀត។ គ្មាន​នរណា​ម្នាក់​គិត​ថា​តើ​ការ​ធ្វើ​បែប​នេះ​នឹង​អនុញ្ញាត​ឱ្យ​យើង​ឈាន​ទៅ​រក​អនាគត​ដ៏​ត្រចះ​ត្រចង់​នោះ​ទេ។ តំណាងតក្កវិជ្ជា/លំហនៅក្នុងបណ្តាញសរសៃប្រសាទគឺល្អ។ ប៉ុន្តែយើងត្រូវការឧទាហរណ៍មួយចំនួនធំ យើងមិនយល់ពីរបៀបដែលណឺរ៉ូនតំណាងឱ្យវានៅក្នុងខ្លួនយើងទេ យើងមិនយល់ពីរបៀបធ្វើឱ្យណឺរ៉ូនចងចាំគំនិតស្មុគស្មាញមួយចំនួននោះទេ។

ការរៀនសូត្រពង្រឹង - នេះគឺជាវិធីសាស្រ្តពីទិសដៅខុសគ្នាទាំងស្រុង។ អ្នកប្រាកដជាចងចាំពីរបៀបដែល Google វាយអ្នកគ្រប់គ្នានៅក្នុង Go ។ ជ័យជំនះថ្មីៗនៅក្នុង Starcraft និង Dota ។ ប៉ុន្តែនៅទីនេះ អ្វីៗគឺនៅឆ្ងាយពីភាពរស់រវើក និងការសន្យា។ គាត់និយាយល្អបំផុតអំពី RL និងភាពស្មុគស្មាញរបស់វា។ អត្ថបទនេះ។.

ដើម្បីសង្ខេបអ្វីដែលអ្នកនិពន្ធបានសរសេរ៖

• ម៉ូដែលចេញពីប្រអប់មិនសម / ដំណើរការមិនល្អនៅក្នុងករណីភាគច្រើន
• បញ្ហាជាក់ស្តែងគឺងាយស្រួលដោះស្រាយតាមវិធីផ្សេងៗ។ Boston Dynamics មិនប្រើ RL ដោយសារតែភាពស្មុគស្មាញ/មិនអាចទាយទុកជាមុនបាន/ភាពស្មុគស្មាញនៃការគណនារបស់វា
• សម្រាប់ RL ដើម្បីដំណើរការអ្នកត្រូវការមុខងារស្មុគស្មាញ។ ជារឿយៗវាពិបាកក្នុងការបង្កើត/សរសេរ
• ភាពលំបាកក្នុងការហ្វឹកហាត់ម៉ូដែល។ អ្នក​ត្រូវ​ចំណាយ​ពេល​ច្រើន​ដើម្បី​បូម​ចេញ​ពី​សុទិដ្ឋិនិយម​ក្នុង​ស្រុក
• ជាលទ្ធផលវាពិបាកក្នុងការធ្វើម្តងទៀតនូវគំរូម៉ូដែលមិនស្ថិតស្ថេរជាមួយនឹងការផ្លាស់ប្តូរតិចតួចបំផុត។
• ជាញឹកញយ overfits លំនាំចៃដន្យមួយចំនួន សូម្បីតែម៉ាស៊ីនបង្កើតលេខចៃដន្យក៏ដោយ។

ចំណុចសំខាន់គឺថា RL មិនទាន់ដំណើរការនៅក្នុងផលិតកម្មទេ។ Google មានការពិសោធន៍មួយចំនួន ( 1, 2 ) ប៉ុន្តែខ្ញុំមិនបានឃើញប្រព័ន្ធផលិតផលតែមួយទេ។

អង្គចងចាំ. ការធ្លាក់ចុះនៃអ្វីគ្រប់យ៉ាងដែលបានពិពណ៌នាខាងលើគឺកង្វះរចនាសម្ព័ន្ធ។ វិធីសាស្រ្តមួយក្នុងចំណោមវិធីសាស្រ្តដើម្បីព្យាយាមរៀបចំទាំងអស់នេះគឺដើម្បីផ្តល់នូវបណ្តាញសរសៃប្រសាទជាមួយនឹងការចូលទៅកាន់អង្គចងចាំដាច់ដោយឡែក។ ដើម្បីឱ្យនាងអាចកត់ត្រា និងសរសេរឡើងវិញនូវលទ្ធផលនៃជំហានរបស់នាងនៅទីនោះ។ បន្ទាប់មកបណ្តាញសរសៃប្រសាទអាចត្រូវបានកំណត់ដោយស្ថានភាពអង្គចងចាំបច្ចុប្បន្ន។ នេះគឺស្រដៀងទៅនឹង processors និងកុំព្យូទ័របុរាណ។

ល្បីល្បាញនិងពេញនិយមបំផុត។ អត្ថបទ — ពី DeepMind៖

វាហាក់ដូចជាថានេះគឺជាគន្លឹះនៃការយល់ដឹងអំពីភាពវៃឆ្លាត? ប៉ុន្តែប្រហែលជាមិនមែនទេ។ ប្រព័ន្ធនេះនៅតែត្រូវការទិន្នន័យយ៉ាងច្រើនសម្រាប់ការបណ្តុះបណ្តាល។ ហើយវាដំណើរការជាចម្បងជាមួយទិន្នន័យតារាងដែលមានរចនាសម្ព័ន្ធ។ ជាងនេះទៅទៀត នៅពេលដែល Facebook បានសម្រេចចិត្ត បញ្ហាស្រដៀងគ្នា បន្ទាប់មកពួកគេបានដើរលើផ្លូវ "ការចងចាំវីស គ្រាន់តែធ្វើឱ្យណឺរ៉ូនកាន់តែស្មុគស្មាញ និងមានឧទាហរណ៍ច្រើនទៀត - ហើយវានឹងរៀនដោយខ្លួនឯង"។

ការរំសាយចិត្ត. វិធីមួយទៀតដើម្បីបង្កើតការចងចាំដ៏មានអត្ថន័យគឺត្រូវយកការបង្កប់ដូចគ្នា ប៉ុន្តែក្នុងអំឡុងពេលបណ្តុះបណ្តាល សូមណែនាំលក្ខណៈវិនិច្ឆ័យបន្ថែមដែលនឹងអនុញ្ញាតឱ្យអ្នករំលេច "អត្ថន័យ" នៅក្នុងពួកវា។ ជាឧទាហរណ៍ យើងចង់បណ្តុះបណ្តាលបណ្តាញសរសៃប្រសាទ ដើម្បីបែងចែករវាងអាកប្បកិរិយារបស់មនុស្សនៅក្នុងហាងមួយ។ ប្រសិនបើយើងដើរតាមគន្លងស្តង់ដារ យើងនឹងត្រូវបង្កើតបណ្តាញរាប់សិប។ មួយស្វែងរកមនុស្សម្នាក់ ទីពីរកំណត់ថាតើគាត់កំពុងធ្វើអ្វី ទីបីគឺអាយុរបស់គាត់ ទីបួនគឺជាភេទរបស់គាត់។ តក្កវិជ្ជាដាច់ដោយឡែកមើលទៅផ្នែកនៃហាងដែលវាធ្វើ/ត្រូវបានបណ្តុះបណ្តាលដើម្បីធ្វើរឿងនេះ។ ទី៣ កំណត់គន្លងរបស់វា ។ល។

ឬប្រសិនបើមានចំនួនទិន្នន័យគ្មានកំណត់ នោះវានឹងអាចបណ្តុះបណ្តាលបណ្តាញមួយសម្រាប់លទ្ធផលដែលអាចកើតមានទាំងអស់ (ជាក់ស្តែង អារេនៃទិន្នន័យបែបនេះមិនអាចប្រមូលបានទេ)។

វិធីសាស្រ្ត disentanglement ប្រាប់យើង - ចូរយើងបង្វឹកបណ្តាញដើម្បីឱ្យវាខ្លួនឯងអាចបែងចែករវាងគំនិត។ ដូច្នេះ​វា​នឹង​បង្កើត​ជា​ការ​បង្កប់​ដោយ​ផ្អែក​លើ​វីដេអូ ដែល​តំបន់​មួយ​នឹង​កំណត់​សកម្មភាព មួយ​នឹង​កំណត់​ទីតាំង​នៅ​លើ​ឥដ្ឋ​ទាន់​ពេល មួយ​នឹង​កំណត់​កម្ពស់​មនុស្ស ហើយ​មួយ​នឹង​កំណត់​ភេទ​របស់​មនុស្ស​នោះ។ ក្នុងពេលជាមួយគ្នានេះ នៅពេលបណ្តុះបណ្តាល ខ្ញុំស្ទើរតែមិនជម្រុញបណ្តាញជាមួយនឹងគោលគំនិតសំខាន់ៗបែបនេះទេ ប៉ុន្តែសម្រាប់វាដើម្បីបន្លិច និងក្រុមតំបន់។ មានអត្ថបទបែបនេះមួយចំនួន (មួយចំនួននៃពួកគេ។ 1, 2, 3) ហើយជាទូទៅពួកគេមានទ្រឹស្តី។

ប៉ុន្តែទិសដៅនេះ យ៉ាងហោចណាស់តាមទ្រឹស្តី គួរតែគ្របដណ្តប់បញ្ហាដែលបានរាយនៅដើមដំបូង។

ការខូចទ្រង់ទ្រាយរូបភាពយោងទៅតាមប៉ារ៉ាម៉ែត្រ "ពណ៌ជញ្ជាំង / ពណ៌ជាន់ / រូបរាងវត្ថុ / ពណ៌វត្ថុ / ល" ។

ការ​ខូច​ទ្រង់ទ្រាយ​មុខ​ដោយ​យោង​តាម​ប៉ារ៉ាម៉ែត្រ "ទំហំ ចិញ្ចើម ការ​តំរង់​ទិស ពណ៌​ស្បែក ។ល។"

Прочее

មានផ្នែកជាច្រើនទៀត ដែលមិនមានលក្ខណៈជាសកលទេ ដែលអនុញ្ញាតឱ្យអ្នកកាត់បន្ថយមូលដ្ឋានទិន្នន័យ ធ្វើការជាមួយទិន្នន័យដែលមានភាពខុសប្លែកគ្នាច្រើន។ល។

យកចិត្តទុកដាក់. វាប្រហែលជាគ្មានន័យទេក្នុងការបំបែកវាចេញជាវិធីសាស្រ្តដាច់ដោយឡែកមួយ។ គ្រាន់តែជាវិធីសាស្រ្តដែលលើកកំពស់អ្នកដទៃ។ អត្ថបទជាច្រើនត្រូវបានឧទ្ទិសដល់គាត់ (1,2,3) ចំណុចនៃការយកចិត្តទុកដាក់គឺដើម្បីបង្កើនការឆ្លើយតបរបស់បណ្តាញជាពិសេសចំពោះវត្ថុសំខាន់ៗអំឡុងពេលហ្វឹកហាត់។ ជាញឹកញាប់ដោយប្រភេទនៃការកំណត់គោលដៅខាងក្រៅមួយចំនួន ឬបណ្តាញខាងក្រៅតូចមួយ។

ការក្លែងធ្វើ 3D. ប្រសិនបើអ្នកបង្កើតម៉ាស៊ីន 3D ល្អ ជាញឹកញាប់អ្នកអាចគ្របដណ្តប់ 90% នៃទិន្នន័យបណ្តុះបណ្តាលជាមួយវា (ខ្ញុំថែមទាំងបានឃើញឧទាហរណ៍មួយដែលស្ទើរតែ 99% នៃទិន្នន័យត្រូវបានគ្របដណ្តប់ដោយម៉ាស៊ីនល្អ) ។ មានគំនិត និងការលួចចូលជាច្រើនអំពីរបៀបបង្កើតបណ្តាញដែលត្រូវបានបណ្តុះបណ្តាលលើម៉ាស៊ីន 3D ដោយប្រើទិន្នន័យពិតប្រាកដ (ការលៃតម្រូវការផ្ទេររចនាប័ទ្ម។ល។)។ ប៉ុន្តែជារឿយៗការធ្វើឱ្យម៉ាស៊ីនល្អគឺជាការបញ្ជាទិញជាច្រើនដែលពិបាកជាងការប្រមូលទិន្នន័យ។ ឧទាហរណ៍នៅពេលម៉ាស៊ីនត្រូវបានផលិត៖
ការបណ្តុះបណ្តាលមនុស្សយន្ត (ហ្គូហ្គល, សួនខួរក្បាល)
វគ្គបណ្តុះបណ្តាល ការទទួលស្គាល់ ទំនិញនៅក្នុងហាង (ប៉ុន្តែនៅក្នុងគម្រោងទាំងពីរដែលយើងបានធ្វើ យើងងាយស្រួលធ្វើដោយគ្មានវា)។
ការបណ្តុះបណ្តាលនៅ Tesla (ម្តងទៀតវីដេអូខាងលើ) ។

ការរកឃើញ

អត្ថបទទាំងមូលគឺជាការសន្និដ្ឋាន។ ប្រហែលជាសារសំខាន់ដែលខ្ញុំចង់ធ្វើគឺ "ការទំនេរត្រូវបានបញ្ចប់ ណឺរ៉ូនលែងផ្តល់ដំណោះស្រាយសាមញ្ញទៀតហើយ" ។ ឥឡូវនេះយើងត្រូវប្រឹងប្រែងធ្វើការសម្រេចចិត្តដ៏ស្មុគស្មាញ។ ឬខិតខំធ្វើការស្រាវជ្រាវវិទ្យាសាស្ត្រដ៏ស្មុគស្មាញ។

ជាទូទៅប្រធានបទគឺអាចជជែកបាន។ ប្រហែលជាអ្នកអានមានឧទាហរណ៍គួរឱ្យចាប់អារម្មណ៍បន្ថែមទៀត?

ប្រភព: www.habr.com