В этой статье я собираюсь помочь вам улучшить свой внутренний компас, чтобы лучше ориентироваться при изучении и экспериментировании с искусственным интеллектом.
Интуиция — это способность понимать что-то инстинктивно, без необходимости сознательных рассуждений.
Начать работу с ИИ кажется довольно сложным, потому что нам не хватает определенной интуиции в отношении его основ в начале нашего путешествия в области ИИ, в отличие от некоторых других областей, где нам гораздо легче понять сложные концепции очень быстро, не имея особых знаний об основах, в то время как для ИИ это другое, нам нужно развить прочную интуицию об основах. Хорошим примером базовых знаний, которые должен знать каждый новичок, является значение технических терминов и кратких форм.
Пример технического термина и краткой формы:
- Функция стоимости или просто стоимость
- CNN (сверточная нейронная сеть)
Смысл этих двух примеров сам по себе может очень быстро отпугнуть новичка, потому что он приносит много новых вопросов, которые кажутся бесконечными и с некоторой долей путаницы. Я был там однажды и могу сказать вам, что есть свет в конце туннеля — секрет в том, что я не сдаюсь.
Единственная настоящая неудача — это сдаться. — Скутер Браун
Одна ошибка, которую многие из нас совершают как новички, заключается в том, что они предполагают, что, поскольку существует множество фреймворков с причудливыми функциями, которые делают за нас всю тяжелую работу, нам не нужно знать, как это работает, тогда что произойдет, когда мы захотим внедрить пользовательскую систему ИИ? Мы застреваем и только тогда понимаем, как мало мы знаем.
Я предполагаю, что вы прочитали Часть I, если нет, пожалуйста, нажмите здесь. Часть Iрассказывает об основных навыках, которые вы должны приобрести, приступая к работе в этой удивительной области, называемой ИИ.
После того, как вы освоили основные навыки и теперь лучше подготовлены к тому, чтобы пойти немного глубже, у вас возникает вопрос: «Но что мне делать дальше?» , вы можете спросить, «не бойся!», я говорю, как будто у меня на груди большой логотип летучей мыши.
Есть миллион способов сделать следующий шаг, но после проб, ошибок и испытаний я разработал индивидуальный путь обучения.
Основываясь на своем опыте, я искренне считаю, что следующим естественным шагом будет изучение технических терминов и кратких форм — для этого в сети есть тонна контента под названием «шпаргалки по ИИ», включающая множество подполей ИИ после некоторых исследований, которые я советую следующее:
- Шпаргалки по ИИ, нейронным сетям, машинному обучению, глубокому обучению и большим данным — Стефан Коджухаров
- Основные памятки для инженеров по машинному обучению и глубокому обучению — Кайлаш Ахирвар
Примеры
Я собираюсь рассказать о некоторых терминах интуитивно и связать их с реальной задачей. А именно следующее:
- Функция стоимости
- нейронная сеть
- масса
- предвзятость
Каковы основные термины, которые вы должны знать и понимать, чтобы начать работу в этой области или иметь возможность читать более продвинутые исследовательские работы, обычно известные как исследовательские работы, которые объясняют цель их подхода и производительность их алгоритмов.
Сколько у тебя убийств? (примеры функции стоимости)
Во-первых, функция стоимости или, как ее обычно называют, функция потерь — это функция, используемая в подразделе ИИ, называемом машинным обучением (ML).
Функция стоимости используется для нахождения разницы между выходными данными моделей и целевыми выходными данными, а затем используется, чтобы помочь модели минимизировать расстояние между ними.
Вот пример из реальной жизни примера функции затрат:
Представьте, что вы снайпер и рядом с вами есть корректировщик, который поможет вам раскрыть свой максимальный потенциал. Ваша цель как снайпера - совершить как можно больше убийств, а цель корректировщика - выяснить, попал ли ваш выстрел в цель или нет, и если он не попал в цель, он может помочь минимизировать расстояние между вашим выстрелом и целью. . Таким образом, максимизируйте свой короткий путь и максимизируйте свой потенциал.
Как мы его поймаем? (Нейронная сеть)
Нейронные сети — это вычислительные блоки, смутно вдохновленные человеческим мозгом, которые принимают входные данные (дендриты) в качестве электрических входов (называемых «шипами»), которые направляются на выходы (аксоны). ).
Такие системы «учатся» выполнять задачи, рассматривая примеры, как правило, без программирования каких-либо конкретных правил, таких как распознавание изображений, обнаружение объектов и т. д.
Реальный пример:
Допустим, вы полицейский, вы работаете в оперативной группе, и цель оперативной группы — найти похитителя — используя все данные, которые вы собираете о нем, вам нравится место, день и время предыдущих похищений.
В приведенном выше примере рабочая группа представляет собой нейронную сеть, которая объединяет возможности небольших единиц (людей) для формирования сети взаимосвязанных узлов, которые могут отображать входные данные (информацию о привычки похитителя) к выводу (найти похитителя).
Какие самые важные детали могут привести к аресту похитителя? (веса)
Идея веса является основополагающей концепцией искусственных нейронных сетей. Набор взвешенных входных данных позволяет каждому искусственному нейрону или узлу в системе производить соответствующие выходные данные.
Используя пример предыдущей темы, мы можем сказать, что с помощью весов мы определяем, какие детали являются наиболее важными, что повысит шансы поймать похитителя.
Что правильно и что неправильно? (предвзятость)
Смещение — это константа, которая помогает нейронной сети лучше всего соответствовать заданным данным.
Другими словами, Bias – это константа, которая дает свободу действий для достижения наилучших результатов.
Возвращаясь к примеру с оперативной группой полиции, мы можем сказать, что предвзятость будет границей решения (линии), которая будет отделять детали, важные для ареста, от тех, которые не имеют значения.
Подводя итог, можно сказать, что развитие интуиции поможет вам легко выйти из затруднительного положения, потому что вы, по крайней мере, будете знать, что стоит на вашем пути. Как говорит Мона Сингх:
«Известный дьявол лучше неизвестного!»
Спасибо за чтение. Если у вас есть какие-либо мысли, комментарии или критика, пожалуйста, прокомментируйте ниже.
Если вам это нравится и вы относитесь к этому, подарите мне аплодисменты👏👏 👏(+50) и поделитесь этим со своими друзьями.
Впереди еще столько всего… Я собираюсь создать серию тем, связанных с проектом, над которым я работаю.
Следуйте за мной, если вы хотите присоединиться ко мне в этом приключении в джунглях данных. :D