Zawartość
- Definicja - Co oznacza problem uczenia się wartości?
- Wprowadzenie do Microsoft Azure i Microsoft Cloud | W tym przewodniku dowiesz się, na czym polega przetwarzanie w chmurze i jak Microsoft Azure może pomóc w migracji i prowadzeniu firmy z chmury.
- Techopedia wyjaśnia problem uczenia się wartości
Definicja - Co oznacza problem uczenia się wartości?
Problem uczenia się wartości jest szczególnym fundamentalnym zagadnieniem w rozwoju technologii uczenia maszynowego i sztucznej inteligencji, które rozwiązuje różnicę między ludźmi a komputerami oraz sposoby ich myślenia.
W skrócie, problem uczenia się wartości opiera się na tym, jak trudno jest komputerom dowiedzieć się, co „wycenić” (zarówno pod względem danych, jak i zasad) i jak działać w sieci uczenia maszynowego oraz jak programiści mogą zoptymalizować, w jaki sposób program działa zgodnie z ich pierwotnymi intencjami podczas tworzenia.
Wprowadzenie do Microsoft Azure i Microsoft Cloud | W tym przewodniku dowiesz się, na czym polega przetwarzanie w chmurze i jak Microsoft Azure może pomóc w migracji i prowadzeniu firmy z chmury.
Techopedia wyjaśnia problem uczenia się wartości
Kluczem do problemu uczenia się wartości jest to, że niezwykle ważne jest, aby programiści mogli tworzyć programy uczenia maszynowego, które realizują zamierzone wartości. Jednak catch-22 polega na tym, że wartości nie mogą być wyraźnie określone w sposób, który utrudnia samemu uczenie się programu.
Ludzie czasem mówią o „konwergencji” technologii uczenia maszynowego jako o sukcesie koncentrującym się na danych o wartości, ale problem uczenia się wartości jest w pewien sposób nieco inny. Chodzi o to, że musi istnieć jakiś podstawowy sposób, aby pokazać programowi uczenia maszynowego, co jest pożądane, a nie tylko wypowiadać go, co jest deterministycznym sposobem uruchamiania ML.
Na przykład weźmy ten artykuł na temat problemu uczenia się wartości, który sugeruje, że programy uczenia maszynowego mogą mieć zestaw danych przedstawiających pozytywne reakcje człowieka na bodźce. Czytając tego rodzaju adresy do problemu uczenia się wartości, staje się jasne, że istnieje duża luka w uczeniu maszynowym, której nie jest łatwo naprawić - w zasadzie - w jaki sposób ludzie tworzą maszyny, które naprawdę mogą myśleć jak ludzie? Innym sposobem na wyjaśnienie tego jest fakt, że problem uczenia się wartości leży u podstaw tego, jak myślimy jako ludzie i że nasze myśli nie zawsze opierają się na danych wejściowych.
Dla komputerów modelowanie naszej intuicji, naszego instynktu, naszych społecznych skłonności i naszych najgłębszych wartości etycznych jest bardzo ważne, nawet gdy komputery mogą nauczyć się grać w szachy w ludzki sposób lub wyprzedzić nas w rozwiązywaniu trudnych problemów matematycznych. Specjaliści mogą oczekiwać, że program uczenia się wartości nadal będzie odgrywać kluczową rolę w rozwoju technologii uczenia maszynowego.