История изменений
Исправление Kogrom, (текущая версия) :
обучение с учителем (путь примитивной записи инструкций и их исполнения) и обучение без учителя (творческий интеллект)
Не так оно работает. Объясню на примере. Допустим у нас распознавание объектов, например, животных. Есть много фотографий котов и собак. В случае обучения с учителем, каждая фотография помечается - собака или кошка. Алгоритм выделяет признаки для кошек и собак сам, только по этим меткам. Алгоритм сам подбирает как признаки комбинировать. Нет никакой примитивной записи и их исполнения. Учитель не даёт готовых признаков, только название животного.
В случае обучения без учителя, алгоритм сам разделяет все фотографии на кластеры (группы наиболее похожих фото) по известным признакам. Без всякого творчества. И затем мы видим, что кошки - это кластеры A, B, C, а собаки - E, F, G. А в кластер D попадают и кошки и собаки, так как алгоритм не осилил.
В общем случае, первый алгоритм точнее, но труднее понять по каким признакам он работает. Второй алгоритм проще контролировать. Например, если попадётся фото хомяка, то оно может уйти далеко от всех кластеров. А первый алгоритм может тупо сказать, что на фото кот (и даже уверенность будет высокая).
Исходная версия Kogrom, :
обучение с учителем (путь примитивной записи инструкций и их исполнения) и обучение без учителя (творческий интеллект)
Не так оно работает. Объясню на примере. Допустим у нас распознавание объектов, например, животных. Есть много фотографий котов и собак. В случае обучения с учителем, каждая фотография помечается - собаки или кошка. Алгоритм выделяет признаки для кошек и собак сам, только по этим меткам. Алгоритм сам подбирает как признаки комбинировать. Нет никакой примитивной записи и их исполнения. Учитель не даёт готовых признаков, только название животного.
В случае обучения без учителя, алгоритм сам разделяет все фотографии на кластеры (группы наиболее похожих фото) по известным признакам. Без всякого творчества. И затем мы видим, что кошки - это кластеры A, B, C, а собаки - E, F, G. А в кластер D попадают и кошки и собаки, так как алгоритм не осилил.
В общем случае, первый алгоритм точнее, но труднее понять по каким признакам он работает. Второй алгоритм проще контролировать. Например, если попадётся фото хомяка, то оно может уйти далеко от всех кластеров. А первый алгоритм может тупо сказать, что на фото кот (и даже уверенность будет высокая).