Seful AI AI de pe Facebook, Yann LeCun, si-a prezentat acum celebra „analogie de tort” la NIPS 2016: „Daca inteligenta este un tort, cea mai mare parte a tortului este invatarea nesupravegheata, cireasa de pe tort este invatare supravegheata, iar ciresa de pe tort este invatarea prin intarire (RL). ” Smecherul a intrat in comunitatea AI si a confirmat LeCun un puternic avocat al invatarii nesupravegheate, o tehnica de invatare automata care gaseste modele in datele neetichetate.
LeCun si-a actualizat reteta de tort saptamana trecuta la Conferinta internationala a circuitelor in stare solida din 2019 (ISSCC) din San Francisco, inlocuind „invatarea nesupravegheata” cu „invatarea auto-supravegheata”, o varianta a invatarii nesupravegheate in care datele asigura supravegherea .
Diapozitivul analogic LeCun original prezentat la NIPS 2016, zona evidentiata a fost acum actualizata.
Noi, oamenii, nu ne formam intelegerea modului in care functioneaza lumea, trecand prin date etichetate masive. In schimb, folosim capabilitati precum predictia si rationamentul pentru a deduce viitorul din informatiile disponibile. Chiar si atunci cand ni se ofera o premisa incompleta, cum ar fi segmente lipsa din texte sau imagini ocluse, putem extrapola rezultate folosind bunul simt – o masina de capacitati lipseste.
Analogia tortului LeCun a subliniat importanta invatarii nesupravegheate sau „predictive”, despre care el crede ca poate trece prin limitele dezvoltarii AI. Tehnologiile AI de astazi pot clasifica cu usurinta imaginile si recunoaste vocile, dar nu pot indeplini sarcini precum rationarea relatiei dintre diferite obiecte sau prezicerea miscarilor oamenilor. Acolo este faptul ca invatarea nesupravegheata poate umple golurile. Dupa cum spune LeCun: „Predictia este esenta inteligentei”.
Omul de stiinta francez defineste invatarea nesupravegheata / predictiva ca „prezicerea oricarei parti din perceptiile din trecut, prezent sau viitor din orice informatie disponibila”. El explica faptul ca „numarul de esantioane necesare pentru a antrena o masina de invatare mare pentru orice sarcina depinde de cantitatea de informatii pe care ii cerem sa o prezica. Cu cat ii cereti masinii mai mult, cu atat poate fi mai mare.
porno viola a su madre your porn
maduras folladoras videos de zofilia gratis
maduras sensuales trio bisex
videos porno trios español porno español jovencitas
abuelas follando mi madre me folla
vidio xxxx descargar pelis pornos
sexo guarro matrimonios follando
abuelas folladas por el culo follando en español
monjas lesvianas follada en la playa
incesto abuela nieto porno online gratis
porno rspañol gitanas follando
porno esp videos xxx gratis español
corridas anales porno estremo
putasfollando video famosas desnudas
porno madres peludas videos sexo español
maduras españolas amater videos pornos caseros reales
corriendose dentro sexo videos gratis
peludas porno follada a traicion
pono gay chantaje y lujuria
follando en el parque abuelas incestos
”
Tehnicile de invatare automata, cum ar fi invatarea supravegheata (care prezice doar etichetele oferite de om) si invatarea de intarire (care prezice doar o functie de valoare), sunt prea inguste pentru a crea masini inteligente la nivel uman. Cu toate acestea, invatarea nesupravegheata, cu milioanele sale de biti de informatii pe esantion, poate fi utilizata pentru a antrena masini extrem de complexe fara supravegherea umana.
Anul trecut, LeCun a inceput sa-si reformuleze punctul de vedere si sa vorbeasca mai profund despre „invatarea auto-supravegheata” ca un nou ingredient util pentru construirea viitorului AI.
La fel ca invatarea supravegheata, invatarea auto-supravegheata invata o functie din perechi de intrari si iesiri. Dar, in loc sa aiba adnotatori sa eticheteze manual datele, invatarea auto-supravegheata genereaza automat etichete prin extragerea informatiilor de adnotare slabe din datele de intrare si prezicerea restului. In acest mod, modelul poate invata in mod independent reprezentari semantice ale datelor, care pot fi utilizate in continuare in alte sarcini.
Diapozitivul de invatare auto-supravegheat de la LeCun la ISSCC 2019
Cazurile clasice de utilizare a invatarii auto-supravegheate includ Word2vec, o tehnica de invatare a reprezentarilor vectoriale ale cuvintelor sau „incorporari de cuvinte”, pe care Google Brain a introdus-o in 2013. Word2vec a generat de atunci numeroase modele de limba de ultima generatie, inclusiv Google BERT si OpenAI GPT din 2018 . Un alt model tipic de invatare auto-supravegheat este Autoencoders, unde datele de intrare si iesire sunt in totalitate aceleasi.
Alte domenii care aplica invatarea auto-supravegheata includ restaurarea fotografiilor si super-rezolutia imaginii.
LeCun a declarat publicului ISSCC ca, desi invatarea auto-supravegheata nu functioneaza in prezent foarte bine cu semnale continue de inalta dimensiune, cum ar fi sarcinile de predictie video, el vede in continuare tehnologia ca o schimbare a jocului: „Urmatoarea revolutie AI nu va fi supravegheata sau pur si simplu armat. Viitorul este invatarea auto-supravegheata, cu cantitati masive de date si retele foarte mari. ”
Multi din comunitatea de invatare a intaririi – care vad metoda lor ca pe o cale inainte – gasesc analogii de tort LeCun greu de inghitit. Cercetatorii DeepMind au raspuns primului diapozitiv cu propria lor imagine a unei prajituri acoperite cu nenumarate cirese, sustinand ca invatarea prin intarire cu numeroasele sale semnale de recompensa poate reflecta o valoare semnificativa.
La NIPS 2017 UC Berkeley, profesorul Pieter Abbeel a escaladat razboiul pentru deserturi, inclusiv imaginea tortului DeepMind cu cirese in prezentarea sa si glumind „Prefer sa mananc un tort cu multe cirese, pentru ca imi place sa invat intarirea”. Intrucat critica lui LeCun asupra metodelor de invatare cu intarire pura se concentreaza in principal pe semnale de recompensa rare, Abbeel si-a ilustrat punctul cu Hindsight Experience Replay , o tehnica de invatare noua, eficienta in esantion, care incearca sa obtina un semnal de recompensa din orice experienta, presupunand pur si simplu ca obiectivul este egal cu orice s-a intamplat. . Desi metoda clasica de invatare a armaturii considera esecul ca fiind o recompensa zero, Abbeel a propus ca pana si esecurile pot fi folosite pentru antrenarea masinilor.
Revenirea tortului de cirese al lui Abbeel
Unul dintre cele mai populare meme din comunitatea AI, metafora jucausa a tortului LeCun a ajuns sa simbolizeze dezbaterea foarte serioasa pe care calea actuala de cercetare a invatarii automate conduce cel mai probabil la inteligenta artificiala generala.
Faceti clic aici pentru a descarca diapozitivele de prezentare ISSCC ale LeCun.
