Biztos olvastatok erről a mesterséges intelligenciát használó programról, ami minden kérdést megválaszol,a kár esszéírásra is képes. Ez hogy fogja megváltoztatni az oktatás egészét, milyen hatással lesz a kultúránkra?

Annak idején mi is tanultunk egyszerű neurális hálókról. Ott úgy működött a dolog, hogy kapott a program egy rakás inputot egy adattáblából. Ezek alapján kell neki "megjósolnia" egy célváltozót.

Például: te egy bank vagy, és el kell dönteni, kinek adjunk, kinek ne adjunk banki kölcsönt (ez a célváltozó: igen/nem). A betáplált input változókból van egy rakás, mondjuk nem, életkor, családi állapot, munka, jövedelem, végzettség, lakhely, stb stb. A feltételezés, hogy ezekből megjósolható, hogy ki tudni perkálni, és ki nem.

A trükk ott van, hogy van az adattáblának egy olyan része, hogy végül fizetett / nem. Vagyis ezek régi adatok, azaz ismert a kimenetel.

A tanulóalgoritmus ezt MÉG nem nézi. Csak veszi a sok input változót, random módon, különböző súlyokkal összemókol valami egyenletet, és kiköp egy eredményt. Ezt az eredményt ezután összeveti a valós fizetett/nem fizetett eredményekkel.

Azokat az összemókolásokat, amelyek gyenge bejósoló erővel bírtak, elfelejti. Fogja azokat, amik a legjobb eredményeket vették, és azokat finomhangolja tovább, picit változtat a súlyokon, stb. Ebből születik egy jobb eredmény, de még mindig nem az igazi.

Ezt a folyamatot ismételgeti. Előbb utóbb lesz egy rém bonyolult képlet, nagyjából tudja fene, hogyan s mint, milyen súlyokkal, milyen összefüggésekkel, de a lényeg, hogy működőképes lesz a buli, és 98%-os valószínűséggel meg tudja mondani a neurális háló, hogy a betáplált adatok alapján ki lesz fizetőképes. Ez azért jó, mert alkalmazni lehet az új adatokra is.

Ha jön Julcsika, hogy kell neki egy misi (reméljük kis "m"-el, mert ha naggyal, akkor továbbküldik a tinderre), akkor csak el kell kérni az alapadatait, betáplálni a gépbe, és az kidobja, hogy érdemes-e neki kölcsönt adni, vagy nem lesz fizetőképes.

Nyilván ez csak egy példa, csillió másik helyzetre is alkalmazható. Látszik belőle, hogy rendkívül fontos az, milyen mintán lett tréningezve az algoritmus. Ha túl kicsi, akkor nem lesz általánosítható, és az új esetekre pontatlan becslést fog adni.

na csak lepontozták a 7-est :)))

üdv, egy másik szakmabeli, teljesen helytálló, amit írt.

#11

Köszönöm, ez tök érdekes.

De ha jól értem, ez nagyban függ attól, hogy milyen változók vannak meg egy emberről (életkor, kereset, hajszín, lábméret). A leírás alapján sok zaj az nem nagy baj, mert egyszer úgyis ki fog emelkedni a legjobb prediktor.

De mi van akkor, ha betápláláskor nem vittünk be egy nagyon fontos változót? Mondjuk mi van akkor, ha teszem azt kiderül, hogy a legfontosabb prediktor az, hogy valaki vallásos-e, de erről épp nem volt adat.

Gyanítom ilyenkor azt tapasztaljuk, hogy a milliomodik iterációnál se megy 65% fölé a modell jósló ereje.

Ilyenkor mi van?

Szól a program hogy ennyi, 65% a max?

Tök elölről kell kezdeni?

Hogyan lehet kitalálni, hogy milyen faktor hiányzik?

Illetve mi van akkor, ha több modell is ugyanolyan jó, ilyenkor megtartja mindet?

#13, igen, nagyon jól rátapintottál a lényegre. Természetesen nagyon fontos, hogy miként választjuk meg a prediktorokat. Igen, ha hiányzik valami, akkor sosem fogjuk tudni jól bejósolni a célváltozót.

Ha valakinek kipattan a fejéből, hogy egy új prediktort is be kéne emelni, akkor kezdődhet az egész elölről.

Hogy honnan lehet kitalálni, hogy mi hiányzik? Sehonnan. Ha tudom előre, hogy elesek, előtte leülök. :D Vagyis jobb előre belerakni a lehető legtöbb prediktort. Ha mégsem jó a modell, akkor lehet agyalni rajta, mi hiányzik, szakirodalmat kutatni, stb.

A több jó modell egy érdekes kérdés, és ez a módszer egyik hátránya is. Ugye ő az alapján meg "előre", hogy egy iteráció jobb, mint az előző. Emiatt a paramétertérben lehet, hogy egy lokális maximumot fog megtalálni. Tehát egy "elég jó" modellt. Itt hiába próbálkozik tovább, nem tudja már tökéletesíteni a képletet. Viszont egy teljesen másik konfiguráció meg lehet, hogy jobb eredményt ad.

A bűvös részletek már homályosak részemről, sajnos közel 10 éve tanultam ezekről, és nem használtam őket a gyakorlatban. A többi kommentelő biztos tud okosabbat is mondani, szóval javítsatok ki, ha hülyeséget írok :)