Anatoly Levenchuk (ailev) wrote,
Anatoly Levenchuk
ailev

Обучение машин, артигогика и нейролингвистическое программирование

Сегодня в центре внимания "обучение машин" вместо "машинного обучения" (machine teaching вместо machine learning), свежая статья Microsoft Research -- https://arxiv.org/abs/1707.06742. While machine learning focuses on creating new algorithms and improving the accuracy of "learners", the machine teaching discipline focuses on the efficacy of the "teachers". Machine teaching as a discipline is a paradigm shift that follows and extends principles of software engineering and programming languages.

Нет пророка в своём отечестве. Вот я писал про артигогику в 2012 году: http://ailev.livejournal.com/1011621.html, и говорил, что я хотел бы учить машины, как раньше хотел их программировать. Майкрософтовцы пишут We believe that in order to meet this growing demand for machine learning systems we must significantly increase the number of individuals that can teach machines.

Похоже, правда? И это ещё майкрософтовцы не начали рассуждать про нейролингвистическое программирование, которое по этой линии рассуждений в исполнении Джона Гриндера похоже на machine teaching до неразличимости, разве что нейроны в нём предполагаются из wetware, а язык предполагается естественный.

Вот-вот появится эко-система, которая вот-вот начнёт выпускать болванов с какой-то стандартизованной когнитивной архитектурой ("болваны для искусственного интеллекта", http://ailev.livejournal.com/1356016.html, писал о них в конце июня 2017), нужно как-то их обучать прикладным предметным областям -- и это совсем другое, нежели этих болванов делать. И крупные фирмы начинают об этом заботиться. Традиционное разделение на системных программистов, которые пишут компиляторы и операционные системы, и прикладных программистов, которые делают "приложения". Так и тут: одни делают системных болванов, другие их выучивают для разных прикладных ролей -- делают "приложенцев".

Начинается статья майрософтовцев с рассуждений о необходимости удобного инструментария для манипулирования понятиями. Онтологи радостно улыбаются, давно в их стане не появлялось майкрософтовцев. Следующий сюжет -- про управление конфигурацией и изменениями данных и моделей, что уже про системную инженерию.

Опять же, проблема модульности для учебных систем как одна из центральных, майкрософтовцев тоже заботит. Вот я тут писал, что это будет центральной проблемой в машинном обучении (и в обучении машин тоже -- с точностью до терминологии): http://ailev.livejournal.com/1294242.html. И вот тут я делал в феврале 2016 доклад с упором на это на DeepHack http://ailev.livejournal.com/1245043.html, а в ноябре на SECR'16, доклад про инженерию машинного обучения -- http://ailev.livejournal.com/1308520.html. Ну, пусть теперь это будет называться инженерия обучения машин, а не инженерия машинного обучения, не суть разница: это тот же набор проблем -- чуть-чуть разных на каждом уровне платформ интеллект-стека. И вопрос появления слова "инженерия" около слова "обучение" тут только вопрос времени. Инженеры-артигоги, ага. Строгие, но справедливые. Нежные к своим болванам, но неумолимые.

Вот ещё одна свежая (сегодняшняя) публикация Carlos Perez с обзором на эту тему методологии разработки систем машинного обучения/обучения машин "Why Teaching Will Be the Sexiest Job of the Future A.I. Economy": https://medium.com/intuitionmachine/why-teaching-will-be-the-sexiest-job-of-the-future-a-i-economy-b8e1c2ee413e

Погоды стоят удивительно предсказАнные.
Subscribe
  • Post a new comment

    Error

    Anonymous comments are disabled in this journal

    default userpic

    Your reply will be screened

  • 1 comment