Рецензия на книгу и авторское мнение.

Вы знаете Еву? Нет, не библейская фигура. Нет, не Ева из Валл-И.

Ева - исследователь. Она живет в Великобритании в Манчестерском технологическом институте. В 2015 году она обнаружила, что соединение, обладающее противораковыми свойствами, также может быть использовано в борьбе с малярией. А как насчет Адама, вы его знаете? Он также является исследователем и в 2009 году внес новые научные знания о геномике пекарских дрожжей Saccharomyces cerevisiae.

Почему вам нужно заботиться об этих исследователях?

И Адам, и Ева - роботы. Создан с использованием искусственного интеллекта и является важной вехой в автоматизации и сокращении затрат на научные исследования. Мы прошли долгий путь с 2009 года, и сегодня технологии искусственного интеллекта повсюду. Это увлекательная область, и понимание ее важно не только для ученых, но и для всех живущих, поскольку это, вероятно, повлияет на нашу профессиональную и личную жизнь.

Считается, что искусственный интеллект является решением для лечения рака, ускорения открытия вакцин и снижения затрат на здравоохранение. Говорят, что искусственный интеллект увеличивает безработицу и представляет угрозу для человеческого общества в том виде, в каком мы его знаем. Но что на самом деле правда? Каковы применения этих технологий в реальном мире? Как они работают?

Эта область настолько обширна, что никто, скорее всего, не получит ничего, кроме частичных ответов на эти вопросы. Тем не менее, мы всегда можем попытаться узнать больше.

Главный алгоритм: как поиски совершенной обучающей машины переделают наш мир - книга, опубликованная в 2015 году и написанная Педро Домингосом. Эта книга уменьшает наш недостаток знаний в этой области.

Я взял его, потому что:

1. Я искал обзор области машинного обучения и понять, как соединяются точки;

2. Мне хотелось менее технического объяснения алгоритмов, которые я реализовал сам, а также других алгоритмов, с которыми я никогда не работал;



Главный алгоритм
www.goodreads.com



Сведения об авторе

Но кто такой Педро Домингос? В его биографии вы можете прочитать:

«Я получил степень бакалавра (1988 г.) и М.С. Кандидат электротехники и информатики (1992 г.) в IST, Лиссабон. Я получил M.S. (1994) и доктор философии. (1997) в области информации и компьютерных наук Калифорнийского университета в Ирвине. Я два года проработал доцентом в IST, прежде чем поступить на факультет Вашингтонского университета в 1999 году ».

Более того, в 1999 году он начал преподавать искусственный интеллект и добился академических успехов в этой области, получив несколько лучших бумажных наград. Один из самых успешных его проектов - Алхимия, программный пакет, обеспечивающий серию алгоритмов для статистического реляционного обучения и вероятностного логического вывода.

Чтобы узнать больше о Педро Домингосе, вы можете проверить…

… Его биография: https://www.cs.washington.edu/people/faculty/pedrod ИЛИ https://homes.cs.washington.edu/~pedrod/

… Его аккаунт в Twitter: https://twitter.com/pmddomingos

… Его средний аккаунт (не очень активный): https://medium.com/@pedromdd

Резюме

В книге 10 глав, каждая из которых посвящена изложению идеи или исследованию определенной темы. Я решил резюмировать каждую главу, чтобы вы могли получить представление о структуре книги и темах, которые она охватывает.

1. Революция в машинном обучении. Машинное обучение представлено на примерах некоторых приложений, обещаниях того, чего можно достичь, и существующих препятствиях. В конце главы автор излагает вопросы, на которые пытается ответить эта книга.

2. Главный алгоритм: Здесь представлена ​​основная гипотеза книг:

«Все знания - прошлые, настоящие и будущие - можно вывести из данных с помощью единого универсального алгоритма обучения».

Этот универсальный алгоритм обучения - это то, что Педро Домингос называет главным алгоритмом. Педро Домингос ссылается на работу, проделанную 5 различными школами мысли или тем, что он называет «5 племенами машинного обучения»: символистами, коннекционистами, эволюционистами, байесианцами и аналогами.

Это закладывает основу для следующих 5 глав, каждая из которых посвящена одному из племен.

3. Проблема индукции Юма: погрузитесь в символистов, которые используют уже существующие знания в процессе обучения. Их основной алгоритм - индукция.

4. Как работает ваш мозг: погрузитесь в коннекционистов, для которых обучение требует понимания того, как работает мозг. Более конкретно, как адаптируются нейронные связи, на основе новых данных. Их главный алгоритм - обратное распространение.

5. Эволюция: алгоритм обучения природе: Погрузитесь в эволюционистов, которых вдохновляет мать-природа и естественный отбор. Их главный алгоритм - генетическое программирование.

6. В церкви преподобного Байеса: погрузитесь в байесовское учение. Это племя больше всего беспокоит неопределенность, поскольку все знания имеют некоторую степень неопределенности. Их главный алгоритм - теорема Байеса.

7. Вы - то, что вы рассуждаете: погрузитесь в аналогизаторы, которые считают, что ключ к обучению - распознавать сходства между событиями и использовать их для вывода дальнейших сходств. Их главный алгоритм - машина опорных векторов.

8. Обучение без учителя: Введение в обучение без учителя, метод, который, по мнению автора, важен для Основного алгоритма. Этот раздел включает краткие объяснения таких алгоритмов, как k-среднее, анализ главных компонентов и разбиение на части. Более того, он скользит по обучению с подкреплением.

9. Кусочки головоломки встают на свои места: Автор предлагает способы комбинирования различных алгоритмов и методологий для создания главного алгоритма. Представлены некоторые из текущих проектов, которые нацелены на это.

10. Это мир машинного обучения: автор делится своим видением значения и реального воздействия того, что обсуждалось. Он делает это, придумывая эпизоды из нашей повседневной жизни и то, как на них повлияет.

Мнение

В целом, мне действительно понравилось читать эту книгу. Это был первый раз, когда я познакомился с идеей 5 племен машинного обучения, и это изменило мой взгляд на эту область и то, как она развивалась.

Более того, Педро Домингос описывает разработки в этой области через людей, которые над ними работали. Я считаю, что эта гуманизация технологий чрезвычайно важна, поскольку в областях, связанных с технологиями, иногда забывают о людях, стоящих за достижениями, или о тех, на кого они влияют. Кроме того, это отличный способ узнать о разных исследователях и проектах, над которыми они работают.

Что касается представленных алгоритмов и методологий, используется несколько формул, а концепции в основном объясняются с помощью аналогий, примеров и диаграмм. Это упрощает задачу для всех, но при этом те, у кого есть опыт машинного обучения, могут по-новому взглянуть на методы, которые они могут использовать регулярно. Большинство диаграмм хорошо составлены и поддерживают объяснение.

С другой стороны, нигде нет ссылки или сноски. Если перейти к концу книги, там нет списка ресурсов. Я считаю, что даже для книги, написанной для непрофессионала, это серьезный недостаток. Педро Домингос - опытный ученый с впечатляющим послужным списком, но мы не должны просто покупать все, что он говорит, и, что более важно, мы не можем удовлетворить наши любопытные умы. Например, в какой-то момент он упоминает оценку, согласно которой АНБ перехватывает более миллиарда телефонных звонков. Я бы хотел узнать об этом больше, но не могу.

Точно так же, выдвигая аргумент против аргумента о том, что ИИ не может научиться всему, и что даже Черных лебедей (концепция из книги Нассима Талеба) можно предсказать с помощью моделей машинного обучения, автор заявляет, что кризис недвижимости 2008 года в значительной степени был предсказано. Опять же, действительно интересная тема для погружения, и я хотел бы начать с использования той же информации, которую он использовал (вместо того, чтобы просто искать ее в Google), но этой информации нет нигде.

В последней главе Педро Домингос призывает к действиям на чрезвычайно позитивной и вдохновляющей ноте. Я считаю, что в попытке привлечь внимание людей к этой области ему удается заложить основу для лучшего понимания того, что такое машинное обучение, как оно используется и что следует учитывать при взаимодействии с этими технологиями.

Рекомендация (кому следует ее прочитать)

Недавно в разговоре с другом, который только что посмотрел документальный фильм «Социальная дилемма», я осознал, как мало широкой публике известно о том, как работают эти платформы - также известные как крупнейшие компании в мире. Мы не должны прекращать их использовать, а вместо этого научимся это делать, как будто мы должны научиться водить машину, прежде чем выехать на шоссе. Эта книга - хорошее начало.

Итак, для кого эта книга?

В основном кто угодно.

Действительно.

Если вы не слишком разбираетесь в технологиях, вы, скорее всего, будете использовать компьютер и смартфон, заходить в социальные сети и использовать Amazon (или аналогичные платформы). Чтение этой книги поможет вам понять, для чего используются ваши данные и как лучше контролировать то, чем вы делитесь.

Те, кто являются опытными исследователями в этой области, вероятно, получат новый взгляд на старые проблемы. Те, кто недавно пришел в эту область, узнают о новых алгоритмах, проектах и ​​проблемах, над которыми работают исследователи.

Возможно, я слишком остро отреагировал, когда сказал, что эту книгу следует прочитать всем. Извините, я увлекся. Если вы ищете книгу с практическими рекомендациями или какое-либо подробное объяснение алгоритмов, вам следует выбрать что-то другое, поскольку это исследование концепций и идей, а не практическое руководство.

Что еще?

Если вы не уверены и хотите получить дополнительную информацию о книге, вы можете проверить следующее:

Спасибо за чтение!

Надеюсь, вы нашли этот обзор полезным, особенно если вы пытаетесь решить, читать ли эту книгу или нет.

Если что-то отсутствует, или у вас есть вопросы, пишите в комментариях. Буду признателен за это.