Видение приближения машинного обучения к людям

Есть ли способ конструктивистски переосмыслить машинное обучение? И что еще более важно, зачем нам это делать?

Ответы на оба вопроса довольно просты. Да, мы можем это сделать, и мотивация для этого может устранить один из критических недостатков современного машинного обучения, то есть приблизить его к человеческой интерпретации реальности.

Ключевым компонентом когнитивной функциональности является модель.

Люди могут строить очень сложные модели благодаря тому, как работает наш разум. Функциональная психология показала, что ментальные модели способны непрерывно строить гипотетические конструкции для предсказания окружающей среды и непрерывно их изменять.

Мы можем положиться на Общую модельную теорию Стаховяка (1973), чтобы попытаться понять, что такое реальность и познание.

Обучение состоит из построения, деконструкции и реконструкции моделей. Теория конструктивизма утверждает, что не существует независимой от человека реальности и знания приобретаются индивидуально. Если вы подумаете о машинном обучении с этой точки зрения, оно по сути выходит за рамки любой ориентированной на человека интерпретации реальности.

Однако вы можете сопоставить:

  • Строительство (создавать, воображать) как обучение без учителя
  • Реконструкция (воспроизведение, имитация) как обучение с учителем
  • Деконструкция (размышлять, сомневаться) вместо этого четко не нанесена на карту. Это частично соответствует онлайн-обучению, но не полностью. Это также связано с тем, что вам нужно изучить модели, абстрагироваться, сравнивать, различать их и выбирать / отбрасывать недопустимые.

Реально реализовать на практике конструктивистский подход в алгоритмах машинного обучения реально. Например, вот простая схема, в которой вы изучаете две модели классификации. Смотрим со временем (T), тематикой (Sigma) и назначением (Z) моделей. В таблице под двумя моделями показаны различные случаи (когда один из трех аспектов отличается) и то, что это подразумевает с точки зрения созидательного процесса.

Эта история взята из выступления Томаса Шмида (Лейпцигский университет) на основе его статьи на Весеннем симпозиуме AAAI AI по KB&AI 2019 в Стэнфордском университете.