Главная идея: обучение на примерах, а не по инструкциям
В традиционном программировании человек пишет для компьютера точные инструкции: «если фрукт красный и круглый — считай его яблоком». Но для многих реальных задач — распознавания лиц, понимания речи, выявления спама — никто не способен записать все правила. Их попросту слишком много, а многие из них мы даже не можем выразить словами.
Машинное обучение переворачивает подход: вместо правил мы даём компьютеру множество примеров и позволяем ему самостоятельно открыть правила. Компьютер изучает примеры, находит повторяющиеся закономерности и сохраняет их сжатое обобщение. Это обобщение называется моделью, и она может делать предсказания о том, чего никогда раньше не видела.
К концу этого урока вы сможете:
- Объяснить разницу между программированием по правилам и обучением на примерах
- Дать определение понятиям данные, признаки и метки и находить их в повседневных ситуациях
- Описать, как повторяющиеся примеры раскрывают закономерности и что на самом деле представляет собой модель
- Различать фазу обучения и фазу использования (инференс)
- Объяснить, почему больше качественных данных обычно означает лучшую модель — и что значит «мусор на входе — мусор на выходе»
1. Два способа сделать компьютер умным
Представьте, что вы хотите научить компьютер сортировать фрукты на яблоки и апельсины. Есть две совершенно разные стратегии:
Человек пишет правила вручную:
IF color is red AND shape is round
THEN it is an apple
IF color is orange AND skin is bumpy
THEN it is an orangeРаботает для простых задач, но ломается, как только реальность становится запутанной: существуют зелёные яблоки, некоторые апельсины желтоватые, а освещение меняет цвета на фотографиях.