К комбинаторике химических соединений…
Как Human Learning может лучше информировать о том, как мы разрабатываем Machine Learning
Подождите немного
Широта навыков, которые может приобрести человек, просто поразительна.
На мгновение остановимся на этом: программно-аппаратный комплекс химических соединений, объемом не более 1500 см3 и весом 1,5 кг, способен вместить все известные навыки и все известные истины, которые существуют.
И эта машина настолько абсурдно портативна, что мы все носим ее каждый момент нашей жизни.
Фантастическая пятерка
Что я нахожу наиболее интригующим, так это эти 5 областей навыков:
1) математическая интуиция;
2) перспективное стратегическое мышление и планирование сценариев;
3) творческое самовыражение;
4) Эмоциональное музыкальное исполнение;
5) и Юмор, особенно социальный в синхронизации.
Они очаровывают из-за их диапазона производительности.
У большей части нашего населения уровень навыков варьируется от минимального до маэстро.
Это гораздо менее применимо к другим навыкам, таким как использование языка, мелкая моторика или оценка характера человека.
Таким образом, это навыки, приобретенные в основном в течение человеческой жизни, а не предопределенные нашей генетической структурой.
Я считаю эти навыки случайным побочным продуктом того, как эволюция создала возможности нашего мозга: они не жизненно важны для выживания, а служат определенной цели. Они социально воспитаны, а не биологически запрограммированы.
Если машинная архитектура может достичь изучения этих навыков, она ближе к волшебству человеческого обучения. Примечание: мы приближаемся к некоторым, например, {2, 3} против {1, 4, 5}.
Решил распутать
Нейронные сети становятся феноменальными прогностическими машинами. Что еще более важно, их архитектура обеспечивает представление того, что является абстрактными понятиями, а также многих форм, таких как лингвистические, визуальные и музыкальные понятия.
Тем не менее, многие из нас по-прежнему дорожат тем, что «машинное обучение не заменит возможности человека». Эта интуиция коренится в нашем опыте человеческого обучения как таинственного и волшебного; слишком волшебно, чтобы представить математический аппарат нейронных сетей в качестве потенциального соперника.
Давайте попробуем распутать и перечислить эти формы человеческого обучения.
Формы обучения
Я вижу 5 форм человеческого обучения.
В совокупности они потенциально исчерпывающие. Менее вероятно, что это взаимоисключающие системы.
В том, как они функционируют и укрепляют, может быть много совпадений. Они вполне могут быть «операционно и биологически распутываемы»:
Обучение реакции — рефлекторные петли: «отвращение к горячим поверхностям»
Обучение телу — соматические импульсы: «внутренние ощущения»
Осознанное обучение (концепции, обучение привычкам) — принуждение тела к «заучению наизусть» или «монотонному повторению».
- Неосознанное обучение — обучение, которое происходит подсознательно на основе опыта.
- Интуиция обучение — мы часто понятия не имеем, откуда мы что-то знаем или почему мы это чувствуем, но у нас есть довольно глубокое понимание того, как она работает:
- Например, когда экономист знает, как будет развиваться и реагировать человеческая система, просто усвоив несколько финансовых показателей;
- Или как атакующий футбольный нападающий может почувствовать, где бреши в поле появятся задолго до того, как защитники на самом деле сдвинутся.
Размышления о механике
Позвольте мне высказать предположения (довольно пространно) о системах и некоторых механизмах, управляющих каждой из этих форм:
Обучение на основе реакции:
- Одиночные рефлекторные петли
Простая архитектура «нейронной линии»
Обучение тела с помощью соматических импульсов:
- Закодировано в рефлексах лимбической системы (гормональные приливы)
Осознанное обучение (концептуальное обучение или вынужденное обучение привычкам):
- Формирование нейронной сети, движимое сознательными усилиями, сознательным разумом — возможно, буквально движимое волей неокортекса.
Неосознанное обучение:
- Формирование нейронной сети, минуя наше сознание
Интуитивное обучение:
- Комплексное взаимодействие вышеперечисленных систем: особенно сочетание нервной системы и лимбической системы.
На пути к мастерству
Эти формы обучения также являются частью прогресса (особенно последние 3) того, что нужно человеку, чтобы достичь истинного мастерства или производительности на уровне маэстро.
Давайте рассмотрим путь к способности исполнять эмоционально пробуждающую музыку, например, играя на фортепиано.
Во-первых, это сознательное механическое обучение. Играя на фортепиано, вы учитесь управлять пальцами, движениям гамм или учитесь читать ноты, практикуя грубую силу.
Во-вторых, после того, как ваша база заложена, вы начинаете учиться с помощью бессознательных механизмов. Вы разучиваете пьесу, а потом однажды утром она просто начинает течь из ваших пальцев без активной мысли. Вы удивляете себя. Всплески прогресса.
Вы начинаете выполнять более тонкие движения пальцев и изящные переходы, не показывая намеренно своему телу и разуму, как это делать. Вы можете использовать словарный запас музыки легко и осмысленно: разница между pp и mp не ускользнет от вас.
В-третьих, ваша интуиция берет верх. Вы можете чувствовать эмоции и экспрессию в музыке, и иметь глубокое понимание того, как механика передает это.
В-четвертых, вы выражаете эмоции — далеко за пределы того, что написано на странице. Вы используете инструмент как способ выражения личности, как способ человеческих чувств. Ваша связь с инструментом больше не опосредована черно-белой дискретной нотной записью.
Наконец, вы приобретаете чутье. Вы формируете музыку заново. Ваше взаимодействие с жанром или темой (романтика, классика, джаз и т. д.) — это двусторонний диалог.
Ваше понимание настолько глубоко, что вы формируете и формируете жанр, а не только играете в него.
В качестве примера возьмем влияние, которое Бетховен оказал на переход от классической музыки 1750–1820 годов к периоду романтизма после 1820-х годов. Или то, как Арт Татум и Телониус Монк создали джазовое фортепиано.
Ваше понимание настолько глубоко — на самом деле настолько эмерджентно, — что вы больше не можете помочь кому-то достичь его с помощью слов и функциональной практики.
Я помню, как смотрел обучающие видео, где Сачин Тендулкар обучал хорошей технике игры в крикет. Он потерял дар речи. Он продолжал называть это «таким очевидным» и «просто естественным». Он не мог научить этому.
Некоторые точки отказа в современных машинах
Машины могли бы в совершенстве овладеть механикой и разбить концепции на составные части (например, как сеть CNN разрабатывает концепцию того, что делает человеческое лицо действительно человеческим лицом), но машины не убедили нас, что у них есть универсальность со сложными концепциями и междисциплинарными областями, например, способ, которым математик может вдохновиться на новую теорию из музыкального произведения.
Машины могли бы понимать абстрактные понятия. Но у нас нет хорошо разработанного представления о том, как довести машины до этапов C, D и E на пути к мастерству. Машины пока не выражают изюминкой и самобытностью.
Эмоции — то есть лимбическая система — играют большую роль в обучении человека. Многие приведенные выше примеры показали это. И пока у нас нет системы в компьютерных науках и машинном обучении, аналогичной форме обучения людей, которая происходит через лимбическую систему.
Границы для подражания
Что хорошего в изнуряющей критике без попытки решения. Ну, по крайней мере, предположения о пути вперед. Итак, давайте пофантазируем:
Интуиция может быть обусловлена тем, что у людей есть неявные «архитектуры ментальных моделей» (также известные как теории) того, как работают системы. Машинное обучение должно быстро имитировать эту возможность (см. Judea Pearl 2018).
Я уже выступал на эту тему в прошлом:
https://www.youtube.com/watch?v=ppCsvSeRZcI
Нам нужно построить искусственную архитектуру обучения, которая кодирует чувства наряду с понятиями. Например, давайте воспроизведем роль комбинаторики химических соединений (наших более 40 гормонов), которые в совокупности обеспечивают различные «чувства» в сочетании с нейронными воспоминаниями/обучениями. Как паттерны этих «чувств» в нейронных сетях улучшат значение «концептуальных» знаний, которые в противном случае были бы нейронными.
- Возможно, мы просто не можем добиться выражения без личности. Машины могут нуждаться в эмоциях и ценностях, чтобы стать самосознательной личностью. Как? См. эту недавнюю статью для дальнейших предположений:
«Нейронные сети — это не путь к созданию самосознающего искусственного интеллекта. Пришло время понять роль эмоций и ценностей…».
Эта и другие статьи опубликованы в блоге «Life at Bright»:
Первоначально опубликовано на https://www.linkedin.com.
Ави Патчава, генеральный директор (совместно), Bright Money
Брайт строит жизнь без долгов.
Bright — это супер-приложение, которое избавит вас от долгов. Наши продукты включают переводы баланса для задолженности по кредитной карте, усилители кредитного рейтинга, умные финансовые планы. и автоматизированные сбережения и инвестиции. Наше приложение с самым высоким рейтингом помогает тысячам людей каждый день избавляться от долгов. Мы являемся потребительской финтех-компанией и являемся экспертами в области технологий Data Science с командой из более чем 200 умников в США, Европе и Индии.
