Merak ediyorum, neden ilkeli / teorik makine öğrenmesi bu kadar önemli? İnsan olarak kişisel bir bakış açısıyla, ilkeli Makine Öğreniminin neden önemli olduğunu anlayabiliyorum:
- insanlar ne yaptıklarını anlamak gibi, güzelliği ve anlayışı memnuniyetle buluruz.
- kuramsal bakış açısından matematik eğlencelidir
- şeylerin tasarımını yönlendiren ilkeler olduğunda, rastgele tahminde bulunmak, garip deneme ve yanılmaya daha az zaman harcanır. Sinir ağlarının gerçekte nasıl çalıştığını anladıysak, belki de şu anda içine giren büyük miktarlardaki deneme yanılmalarından ziyade, onları tasarlamak için çok daha iyi zaman harcayabiliriz.
- daha yakın bir zamanda, eğer ilkeler açıksa ve teori de açıksa, o zaman sisteme daha şeffaf olması gerekir (umarım). Bu iyidir, çünkü sistemin ne işe yaradığını anlarsak, AI birçok insanın hiperak etmesinin derhal ortadan kalkması riskini alır.
- ilkeler, dünyanın sahip olabileceği önemli yapıları ve bir araç yerine ne zaman kullanılacağını özetlemenin özlü bir yolu gibi görünmektedir.
Ancak, bu nedenler makine öğreniminin yoğun bir teorik çalışmasını haklı gösterecek kadar güçlü mü? Teorinin en büyük eleştirilerinden biri, bu kadar zor olduğu için, genellikle çok kısıtlı olan bazı vakaları veya temelde getirilmesi gereken varsayımları incelemeyi, sonuçta yararsız hale getirmeleridir. Sanırım bunu bir kez MIT'de Tor'un yaratıcısı tarafından yapılan bir konuşmada duydum. Tor'un duyduğu eleştirilerin bir kısmının teorik argüman olduğu, ancak temelde, insanlar gerçek hayatın gerçek senaryoları hakkında hiçbir zaman kanıtlayamadıkları için çok karmaşıklar.
Çok fazla bilgi işlem gücü ve veri içeren bu yeni çağda, modellerimizi gerçek veri setleri ve test setleri ile test edebiliriz. İşlerin ampirik kullanarak çalışıp çalışmadığını görebiliriz. Bunun yerine, mühendislik ve ampirizmle çalışan AGI veya sistemleri başarabilirsek, özellikle nicelik sınırlarının elde edilmesi çok zor olduğunda, ancak sezgilerin ve niteliksel cevapların çok daha kolay olduğu durumlarda, makine öğrenmesi için ilkeli ve teorik bir gerekçelendirmeye devam etmeye değer mi? veri odaklı bir yaklaşımla başarmak? Bu yaklaşım klasik istatistiklerde mevcut değildi, bu yüzden teorinin o zamanlar bu kadar önemli olduğunu düşünüyorum, çünkü matematik işlerin doğru olduğundan ya da aslında bizim düşündüğümüz gibi çalıştığından emin olmamızın tek yoluydu.
Ben şahsen her zaman sevmiş ve düşünce teorisi ve ilkeli bir yaklaşım önemliydi. Ancak, gerçek veri ve bilgisayar gücü ile bir şeyler denemenin gücüyle, teorik arayışın yüksek çabasının (ve potansiyel olarak düşük ödüllerinin) hala buna değip değmeyeceğini merak ettim.
Teorik ve ilkeli makine öğreniminin peşinde koşması gerçekten bu kadar önemli mi?