Инженерный взгляд на машинное обучение на основе физики
Инженеры и ученые ослепли на один глаз, хотя и на разные стороны.
Здравствуйте, меня зовут Сивакорн Сансавас, я учусь на инженера-механика в KMUTT. Я тот человек, который регулярно использует как детерминированные, так и стохастические методы. В течение моего учебного года, который был заполнен несколькими вопросами и спорами с разными преподавателями, я собрал ряд удивительных мыслей и точек зрения, которыми я хотел бы поделиться. Это моя первая статья, я надеюсь, вам понравится,
Честно говоря, будучи наполовину инженером, я считаю, что использование машинного обучения, основанного на вероятностных и стохастических подходах к решению инженерных задач, а не на традиционном детерминистическом аналитическом или численном , вызывает подозрение и ненадежный. Я начал сомневаться в использовании машинного обучения в инженерии, задав себе следующие вопросы:
«Действительно ли он основан на первом принципе?»
«Почему бы нам просто не придерживаться детерминистической стороны, которая является более осуществимой, надежной и гарантирует работу в 95% случаев?»
Лекарство от такой слепоты состоит в том, чтобы сделать шаг назад и задать еще несколько ключевых вопросов:
«Что такое инженерия?»
Согласно Кембриджскому определению: Инженерное дело (сущ.) — изучение использования научных принципов для проектирования и создания машин, конструкций и прочего. Затем, просто задав простой вопрос, я вовлекаю нас глубже.
"Какая наука?"
Насколько человечество продвинулось вперед, мы можем разделить науку на три широкие категории:
• Формальные науки: изучение формальных систем, таких как системы логики и математики, которые использовать теоретическую методологию, а не эмпирическую.
• Естественные науки: занимаются изучением природных явлений, включая космологические, геологические, физические, химические и биологические.
• Общественные науки: понимание человеческого поведения в связи с его социальным и культурным контекстом.
Из этого я делаю вывод, что если можно использовать математику с такой ручкой и бумагой для решения инженерных задач, то машинное обучение, стохастический анализ, статистика и даже теория хаоса будут в равной степени приемлемыми формальными науками, если они удовлетворяют принципу естественной науки в том, что мы делаем (иногда можно использовать даже социальные науки, так как это значительно облегчает прогресс). Использование этого вывода привело к многочисленным дебатам с различными профессорами, которых я встречал. Они настолько упорны в своей защите, что
«Инжиниринг должен быть точным и точным»
Затем этот генератор вопросов возобновляет свои обязанности, задавая дополнительные вопросы:
«Что на самом деле является точным и точным?»
Неопределенность присутствует в реальном мире; проблема в том, что большинству инженеров и некоторых ученых это не нравится, и они пытаются стереть это из своей "природы", заменив "неточностью, отсутствием точности". Конечно. , для них это естественно, так как математический аппарат, который они используют, предполагает, что пользователи существуют в точном идеальном мире, а все "флуктуации" оставляют на усмотрение статистиков.
У меня не хватит пальцев, чтобы подсчитать, сколько раз инженеры использовали расплывчатый термин вроде «бесконечно малый».
Проблема в этой истории в том, чему мы научились на протяжении всей нашей юности. Это наша «природа» категоризировать вещи бивалентным образом, что заставляет нас взрослеть и не воспринимать вещи посередине.
«Наша математика не создана для этого сложного мира»
-Бертран Рассел, автор Principia Mathematica-
По сути, инженерия не так точна и точна, как думают мои великие профессора, поскольку она в основном основана на исчислении, а исчисление расплывчато. Он построен с использованием многочисленных линеаризационных, выпуклых и аффинных аппроксимаций. Даже аксиома — это всего лишь предположение.
«Наука — это не только знания, а инженеры — это не только действия. Инженеры в первую очередь заинтересованы в обеспечении надлежащего результата для любой задачи, поставленной подрядчиком».
«Каковы преимущества использования ИИ?»
«Это быстрее и эффективнее в вычислительном отношении после обучения» или «Уменьшение размерности и порядка» — это лишь частично точные утверждения. Искусственный интеллект не является чем-то таким узким. Математика — значительно меньшая область, чем искусственный интеллект.
Реальное преимущество ИИ заключается в том, что он в основном решает проблему, используя что-то, основанное на несовершенстве: неопределенности (функция принадлежности, теория множеств) и неопределенности (функция плотности вероятности, теория меры).
Декодируя природный алгоритм как представление данных, мы можем интегрировать эти утраченные характеристики реальности в анализ более практичным способом. подходы, выходящие за пределы точного ограничения решения, с которым знаком инженер.
«Физическая реальность бесконечно более детализирована и сложна, чем любая модель или теория, которую может себе представить человек».
«Почему некоторые инженеры против этого?»
Инженеры должны сделать что-то, что обеспечит их успех и завершит свою работу вовремя с помощью наименее сложной процедуры, убедив при этом инвесторов и предоставив гарантию возврата капиталовложений, сделанных с помощью математики, которая полностью игнорирует реальные и важные характеристики нашего мира, такие как "Несовершенство", "Неточность", "Допуск", "Непрерывность", "Расплывчатость", "Неопределенность", "Нечеткость" и "Лингвистический".
Долгое время это невежество удерживало нас от бесконечных возможностей, поскольку большие, сложные и запутанные проблемы, которые уже были специализированы машинами, не могли быть решены людьми в первую очередь. С течением времени нашей натурой стало основывать все на детерминистских подходах, и это нормальный и естественный способ думать, что каждое используемое решение должно быть детерминированным, иначе оно не заслуживает доверия, что не совсем так.
«Ваше точное — это не то, что есть на самом деле в мире»
Как энтузиаст методологии, машинное обучение, основанное на физике, действительно имеет огромный потенциал для роста. На самом деле он не создан на основе принципа физики. Но вы можете направить результат к первому принципу; однако, чтобы получить базовые знания, вы должны проверять результат еще раз каждый раз, когда используете машинное обучение на основе физики. (подробнее см. в CGAN)
«Искусственный интеллект (ИИ) может быть одним из самых глупых технологических модных словечек 2021 года, но машинное обучение на основе теории — нет».
-Сивакорн Сансавас-
