Press "Enter" to skip to content

GOTO 2017 • Improving Business Decision Making with Bayesian Artificial Intelligence • Michael Green


[Музыка]
[Аплодисменты]
так привет всем, как вы слышали мое имя
майкл зеленый, и я действительно здесь, чтобы
рассказать вам о другом подходе к
для построения алгоритмов и построения
методы машинного обучения действительно я тоже
утверждая, что они
в принципе то же самое, и вы
см., что немного позже в моем разговоре
но это давайте взломать в основном
Я расскажу об обзоре
AI и машинное обучение, и я не
первый, чтобы сделать это, и есть партии
люди, которые их берут на него
но это будет мой прием. Я также попробую
распространить на вас идею и концепцию
почему этого недостаточно, мы очень хорошие
заявив, что мы пришли
очень далеко в ИИ, и я бы на самом деле
склонны не соглашаться с тем, что я думаю, что мы
мы играем в педалировании
пул, и это просто не достаточно хорошо, мы
необходимо внедрять инновации в этой области, мы должны быть
лучше я также расскажу о том, как
восприятие и вывод могут работать в
компьютер, я сделаю короткую записку
о наших пациентах, потому что это
в принципе, как мы рассуждаем как
люди, по крайней мере, от макроскопических
Я тоже немного поговорю
о вероятностном программировании и почему
Я вижу это как очень важный момент для
выйдя замуж за два совершенно разных поля или
дифференцированного поля сегодня и в
конец, я свяжу все это вместе, чтобы
вы можете увидеть, как вы можете на самом деле
практически развернуть решение , как это
но в основном, если мы просто вернемся к
основной, поэтому я знаю много разных
определения искусственного интеллекта
там их много.
и никто из них не говорит о способности
водить машину, не
просто не искусственный интеллект, который
это то, что решает
специфическая для домена проблема, которая
да, но это не AI
диагностирует заболевание здоровья в
страница
который входит в ER, что также не является
Я не очень хорошо понимаю, что я делаю в
моя компания , которая также не AI все
это примеры узкого ИИ, где мы
попробуйте использовать машины, чтобы делать больше умных
вещи, чем отдельные лица
делайте по одной и той же задаче, но мое определение
AI в основном состоит в том, что это своего рода
поведение, показанное агентом, что вы
в окружающую среду и что
поведение само по себе, по-видимому, оптимизирует
концепции будущей свободы сейчас,
самое близкое определение к искусственному
интеллект, что я могу прийти к
потому что это ничего не говорит вам
знать, да, оптимизировать наименьшую квадрат
ошибка делает черное обратное распространение до
убедитесь , что ремонт круассанов
хорошо выглядит, все эти вещи
антропогенных, и я заверяю вас, что наши мозги
не делайте разгона Brack, это просто не
правда
никто не говорит нашим детям, как
встаньте, они не получаются
руки за неудачу моего сына, он потерпел неудачу
несколько раз этим утром, но он
действительно удалось, когда я вышел из комнаты
поэтому без моего одобрения он на самом деле
сделал лучше, что мог бы сказать что-то
о моих педагогических навыках или факте
что мне не нужна моя подготовка
эти вещи, поэтому существует фундаментальная
вещь, которая отсутствует , отсутствует
в нашем понимании того, как
знания представляются накопленными и
действовал, и это то, что завораживает
меня больше всего на свете, я уверен, что вы
видел это прежде, чем это просто определение
от ИИ сегодня, поэтому есть много
но но в основном мы находимся в
на самом высоком уровне там каждое приложение
вы когда-либо слышали о сегодняшнем
это поле искусственное узкое
интеллекта нет такой вещи, как
искусственный интеллект вообще его
сегодня не существует, и если кто-то говорит
у них есть они, они лежат, потому что мы
не имеют представления о том, как
никто не знает, что вы
просто не может выразить это в Python или
R или любой другой язык, который вы хотите
не существует, нам нужно выяснить, как
представлять это
настолько искусственный общий интеллект, что
на самом деле стоит сказать, как можно
мы фактически принимаем ИИ, который знает, как
водить машину вещи , которые в другой
окружающей среды и использовать ее
навыки , которые они учатся , как
водить машину и применить это к
совершенно другое поле,
основная передача, и это то, что
ни один ИИ не может сделать сегодня
теперь искусственная суперинтеллекция и
только причина, о которой я упоминаю, это
потому что это действительно очень далеко
единственное, что супер об этом доме
очень далеко, это в будущее и
и там было много людей , которых вы
знаю борьба об этом один из одного
из известных парней Элона Маска он больше
от парня со времен конца света с уважением
к этому, и он и он должны быть, потому что
что заставляет его деньги в его компанию
это очень умный ум
что он говорит, что ИИ собирается
уничтожить мир, чтобы я создал
запуск, который будет
отрегулируйте это так, представьте, как сильно это было
собирать деньги для этого предприятия
есть другие вещи, которые нужно учитывать в супер
интеллект, и это то, что
концептуально возможно это что-то
что рано или поздно, если мы поймаем
как представлять знания, как
передавать знания, как накапливать
если мы знаем, что тогда есть
не останавливая нас от развертывания этого в
мира и для всех практических целей
теперь очень похоже на мускус, что мы
выпущенный в то время,
Бог для нас и все это в
страшная часть о том, что это будет
славный Бог никто не знает, но потом снова
в истории очень мало доказательств
что разведка подпитывает насилие, поэтому, если
все, что мир безопаснее, чем
это было раньше, и я бы
как видеть это как эволюцию нашего
интеллект как эволюция нашего
сострадание, я не вижу разведки
необходимость в убийственных роботах
поэтому я не очень боюсь этого сценария
Я знаю, что мы не будем самым умным куки
больше в мире, но, может быть, это
не так плохо
это всегда будет происходить и
эволюция будет гарантировать, что независимо от того,
какие
но в основном пейзаж выглядит
это так, что вы знаете, что у вас есть это
нарушать искусственный интеллект ,
вроде вездесущий и описывает
все от линейного
регрессия в Excel для самостоятельного вождения
автомобиль для идентификации меланомы на клетке
телефон и все эти вещи
не являются искусственным интеллектом, но
ставки просто становятся модным словом, как
большие данные. Я очень согласен с
предыдущие ораторы об этом, как я
видите ли, что ИИ сегодня есть две вещи
это машины восприятия, и есть
машинами вывода и путем вывода, что
только среднее прогнозирование или вид
предсказание, я имею в виду действительно вывод, где
вы фактически прогнозируете без
имея какие-то данные сейчас под восприятием
мы прошли долгий путь
машины — это везде, где
машины, которые я должен знать, как управлять
автомобиль — это те машины, которые знают
как определить змей в в
изображения, которые мы видели во всех этих глубоких
обучения, что они
в основном машины восприятия, они могут
концептуализировать то, что они
фактически получают как входные данные через
визуальных стимулов или слуховых стимулов они
могут классифицировать его, но они
не могу понять, и я покажу
вы примеры этого, и именно поэтому я
рассудил , что нам нужно больше , мы должны
перейдите в правильный вывод, где мы
на самом деле имеют причинное понимание
представление о мире , что мы находимся
живущих и только тогда мы можем на самом деле
говорить о чистом интеллекте, но мы можем
узнай ближе, и я покажу тебе
как это сделать, самые большие проблемы в
наука о данных сегодня, которая также является
срок применения искусственного интеллекта
заключается в том, что данные на самом деле не такие
вездесущий и доступный, как вы могли бы
думать
для многих интересных доменов есть
просто нет данных и данных, которые там
чрезвычайно шумно, это может быть
это может быть основано на
и мы знаем, что люди лежат в
службы, которая также является проблемой структуры
проблема со структурой также
что как вы представляете концепцию в
математическая структура не
обязательно в пространстве параметров, но просто
структурно, как вы строите свой
слои в нейронной сети, например
то, что я имею в виду под этим
что для любых заданных наборов данных существуют
миллионы моделей, которые соответствуют этим данным
набор обобщает из этого набора данных
одинаково хорошо, и многие из них не
соответствуют физической реальности, что
мы живем
поэтому есть статистические истины
и есть физические
реальности, и они не то же самое
вот почему мой предыдущий теоретический курс
физика иногда проблематично , потому что
квант квантовая теория , что я сортирую
специализированный в этом имеет много разных
интерпретации, и тогда никто
знает, что происходит, но мы знаем, что можем
вычислить материал из него, чтобы он
смысл в математике, но как только мы
эта кнопка, но что на самом деле происходит
тогда вы хорошо знаете, что мы в основном
потому что никто не знает и много
людей любят притворяться, что знают
и тогда есть такие люди, как
Копенгагенская интерпретация, в которой говорится, что
ну просто заткнись и сделай математику, которая
в основном не задают вопрос
потому что на них нельзя ответить
Хокинг придерживается этой школы
Кстати, он тоже один из парней
кто супер боится суперразвития
достаточно забавно, потому что он умный
cookie — это тоже
так что каждый раз , когда ты
решить проблему , так как в качестве человека независимо
проблема Я даю вам как человека, которого вы
будет иметь много предварительных знаний
у вас будет половина или целая жизнь
в зависимости от того, сколько вам лет
знание, что вы накопили это
знание может перейти от другого
человек , что они просто рассказывали о
что-то, но вы можете применить это
знание проблемы
представлять это знание в домене
проблемы , которую вы пытаетесь
решить, и это то, что мы также
могут реально имитировать сегодня через
концепция приортов, и это
в основном способ кодирования идеи или
своего рода знание как статистическое
до и как статистическое распределение
что можно поставить в один ряд с данными , которые я буду
показать потом , как это сделать , а также
последняя часть, но не в последнюю очередь
Важным является неопределенность, я не могу
стресс
насколько важна неопределенность
сделать оптимальное принятие решений в основном
не может принимать оптимальные решения без
зная, что вы не знаете, и я
стресс, что точка несколько раз в течение
этот разговор в течение оставшихся тридцати
через девять минут это действительно здорово.
действительно может видеть, как мало времени у меня есть
влево , так что я не буду показывать вам больше
уравнения, и это не потому, что
Я особенно их люблю, но они
помогите выразить идеи так, что наверху
уровень , что это в основном завершают
компактный способ описания любой проблемы
что вы можете подойти, это в основном
распределение вероятности по данным
что вы ФРС, они являются
Y — это то, что вы хотите
уметь объяснять и Thetas
они представляют все разные
параметры вашей модели, которые вы не
знают, что это также могут быть скрытые переменные
что вы знаете, но это
у вас нет наблюдательных данных для
все это определение проблемы
пространство, какое машинное обучение
с тех пор, как Фишер
это в основном то, что они
посмотрел на это с вопросом, что
все знали , не так они в основном
сказал, что какова вероятность
распространение данных, которые я получил
притворяясь случайным при фиксированном
гипотеза, что я не знаю, что я
на самом деле ищет так , то
проблема фактически стала для всех
обрабатывающие приложения, которые
гипотеза, я могу сгенерировать это
наиболее последовательно с набором данных,
выглядит как мой набор данных, но это действительно
не мой набор данных, и вы можете попросить
возникает вопрос о том, что разумный
вопрос, а затем я скажу вам, что это
а не poppycock, что вопрос не
стоит спросить, почему, потому что вы
в основном просто пытаюсь найти
объяснения, соответствующие вашей истине, которая
не наука , дамы и господа там
это только один способ сделать науку вы
постулировать идею, а затем вы наблюдаете
данных, чтобы проверить , можете ли вы проверить эту идею
или игнорировать его, вы не можете смотреть на
затем создайте гипотезу о том, что
лучше всего это объясняет и думает, что это
каким-то образом является любое физическое представление
в этом мире, потому что это не
и вот почему много
машинное обучение подходит много
статистические подходы фактически
выяснилось после того , как вы знаете несколько
несколько лет хардкорной науки они
выяснили , что самый большой риск для
смерть от ишемической болезни сердца
на самом деле собирается в больницу да
это просто неправда, и вы никого не знаете
никто не остановился, и вместо этого вы знаете
почему это произошло, потому что
исследователи повреждение мозга может
были причиной, но но это
это была не методология
они задавали неправильный вопрос
потому что, если вы зададите этот вопрос, я могу
заверяйте вас, что, прежде чем вы умерли на
вам нужно было пойти туда, чтобы это
имеет смысл, но у него нет
представление проблемы, которую вы
пытаясь решить, что у вас должно быть
сказал, что вы больны, а вы
пойдите в больницу и дайте это гнездо
иметь то, что стоит посетить
больница на данный момент является прогностической
вы фактически склонны умирать
для болезни коронарной артерии, так как мы
исправить это, мы исправим это, выполнив то, что мы
следовало бы делать из
начало, и это не ново.
формула внизу здесь задает другую
вопрос, что он спрашивает, спрашивает, что
является распределение вероятностей из
параметры моей модели, которые я не знаю
Кстати , учитывая , что я наблюдал
набор данных , который реально не подделать
не является случайным, это набор данных как
наблюдалось, что такое вероятность
распределение моих параметров теперь, когда
Интересный вопрос , чтобы спросить и
это научный вопрос, который нужно задать, но
для чего это требует вас
заявить о своем уме, последнюю часть на
знаменатель, который является P тетой, заданной X
что говорит, что вы считаете истинным
о ваших параметрах, учитывая набор данных
что у вас это очень важно
дамы и господа, потому что это
разница между чем-то большим и
что-то совершенно безумное
теперь вы можете спросить, но все в порядке, почему
мы не сделали этого, потому что это не могло быть
мы просто не имели
вычислительная сила, чтобы сделать это, и это
не из- за парня в правой руке
сторона там
это также не для парня слева
стороны и знаменателя, и вы можете
видеть, что парень с левой стороны
и назначил, что именно машина
сегодня учится, почему это
это из-за того, что они знали
что парень в знаменателе, который
является интегралом от ада, и он не может
быть решенным, он смотрит на каждого
значение каждого отдельного параметра, который вы
есть и суммирует, что сейчас это закончится
в сценарии мы должны вычислить
много чего большего, чем количество
атомов во Вселенной, и есть
много атомов во Вселенной, даже
той, которую мы можем видеть, но
это в основном означало, что все это
вопрос, поэтому кто-то понял
эй, что мне не нужно вычислять, что
Я не знаю, что меня не волнует
Вероятности, которые вы знаете, я могу просто сказать
что точка, которая является максимальной, будет
быть тем же, потому что другое
просто нормализующий фактор — это
постоянный, хорошо, мы удалим это
а затем они сказали, но
раньше, если я ничего не знаю
что , если II не хочу сказать , что все , что я
не хочу, чтобы вы знали, что я думаю и
вы знаете, что я ввел свои знания в
проблема, так что это просто форма
распределение за минусом бесконечности и
бесконечность и преувеличение это уравнение
здесь был переведен только на
вероятность того, но вы сделали много
предположения есть , но люди просто забыли
что эти предположения неверны и
это также в максимальной вероятности, которая
вы знаете ужасный способ делать вещи
это в основном потому, что вы предполагаете, что
все независимо, вы принимаете
что даже когда вы делаете временные ряды
регрессионный , что наблюдение является одним
независимо от наблюдения — это
бред сивой кобылы
это как сказать, что ты знаешь, что я не был
в прошлом году я не был на один год моложе
чем я сегодня, конечно, я был и
это важно
все те вещи, которые временно
являются чрезвычайно важными, и
почему я говорю это сегодня, это то, что
нет необходимости обманывать больше есть
нет необходимости в этих сумасшедших статистических
результаты только вы можете изложить свое мнение
может сделать вывод, и все это может
быть сделано с вероятностным программированием
и существует много рамок для этого
сегодня, включая Python, а также
опираясь на вершине tensorflow К
нет никакого оправдания, чтобы не делать этого
и самое лучшее в этом состоит в том, что это
на самом деле легче, чем придерживаться
нормальная статистика, потому что нормальная
статистика, на которую вы учили инструменты, они
сказал, что если у вас есть две группы населения
и они различаются друг от друга
то вы используете этот магический инструмент, если они
независимы, то вы используете другой
волшебный инструмент никто не понял
почему они просто здесь, а вот t-тест
в этом случае это парный t-тест и
это один из Уилкокс в этом пункте
должен сделать общую логистическую регрессию
в этом вы должны просто сделать нормальный
линейная регрессия в этом случае используется
порта, все они являются
то же самое, что они не разные
являются разные предположения в
функции правдоподобия существуют разные
предположения в ваших приоритетах есть
различные предположения в физическом
структура вашей модели, которая все
нет никакой другой разницы все это
возвращается к вероятностному моделированию и
если вы можете узнать , как сделать это
предположения явно, то у вас есть
язык моделирования без ограничений
то вам не обязательно знать
разница между логическими регрессиями
и линейные регрессии, поскольку существует
нет, это точно то же самое и
это, пожалуй, самое главное
теперь ждите самую важную вещь, которая
Я собираюсь сказать сегодня, учитывая, что вы думаете
важно, чтобы вы не могли
науки без предположений ,
невозможно просто вы знаете, что это не
моя вера — это просто хардкорные факты
вы не можете заниматься наукой без предположения
и не успокаивайте себя, пока вы
понимайте это так,
рискуя чем-то, вы не можете получить ответы
так что давайте посмотрим на нейронные сети
Я уверен, что многие из вас взяли
класс нейронных сетей в свои дни нормально
то большинство из вас решили это
проблема Я уверен, сколько людей
решил эту проблему, прежде чем одобрить несколько парней
и девочки, так что в основном эта проблема
сильно нелинейна , это
задача классификации, на которую
отделить синие точки от красного
точек по какой-либо линии, вы можете видеть, что это
что-то вроде спирали,
стационарный
довольно противная не Анна нейронная сеть
сколько скрытых заметок вы думаете
Я должен иметь в одном слое никаких естественных
для решения этой проблемы 10 20 50 100
ну с десяти хит-нотами я могу узнать, как
отделить это не очень, но есть
некоторый сигнал там, если вы используете здесь
тридцать скрытых заметок, которые вы можете сделать много
лучше не удивительно, но все же это
все еще не хорошо, потому что мы знаем, что это
проблема может быть решена точно так верно
с сотней скрытых заметок вы почти
имеют совершенное право классификации и если
вы смотрите таблицу точности, которую вы будете
видеть , что площадь под кривой
100% с 100 узлами теперь то, что
проблема с этим, и это на
находится в наборе тестовых данных,
проблема в том, что это выглядит
Великий
это выглядит удивительно , я имею в виду вашу работы
сделайте все правильно, давайте посмотрим на
поверхности решения, которые были сгенерированы
от этих парней теперь до левого
сторона у вас есть решение на основе
на 10 скрытых нейронах и справа
стороны у вас есть поверхности решения
на основе 100 скрытых узлов теперь вы можете
см. здесь эти поверхности решения
хорошо выглядеть , чтобы вы это выглядит как они
на самом деле захватили то, что вы хотели
не им захватить не это не сделал и это
как именно работают нейронные сети, они
перенастраиваются очень гибкими
математические модели , которые
все, что они могут, чтобы свести к минимуму эту сумму
квадрат или ремонт круассана, поэтому
нет никакого наказания за нахождение
статистические результаты и что такое
худшее с этим самое худшее
вот что вы видите регионы в
в окраинах, окрашенных в красный цвет
это сигнал, что нейронная сеть
уверен , что нет данных
там вообще
но он знает, что
дифференцированный класс теперь может не
быть проблемой, если вы, если вы пытаетесь
классифицировать вы знаете
возможно, если будет дождь больше
завтра, что, если у вас есть дроид
с одной целью убить повстанцев, пусть
гражданские лица живут , что , если они определяют одну
из тех, кто спрашивает вас, один из тех
внешние области, которые имеют смысл
который никогда не был частью учебного набора
это правда , что было изучено с помощью
сеть, где данные никогда не были
показал это, и нет
наказание за это и причину
Я говорю, что это не значит, что вы знаете
не используйте ИИ или не используйте машину
обучение на самом деле я говорю обратное
но я хочу здесь сказать, что
ответственность
каждый раз, когда вы развертываете машинное обучение
алгоритм, который вы должны понимать точно
что он делает, потому что отсутствие
понимание является наиболее опасным
вещь, которая может существовать сегодня, и это
не должно быть искусственным
суперинтеллекта, все, что требуется, — это
винт в инженере или
ученые построили эту сеть, и она может
имеют драматические последствия, особенно
сегодня во время самостоятельного вождения
машины и все это, и это
здесь я покажу вам еще один пример
почему я думаю, что это интересно, так что
это просто представление и ум
вы это всего лишь однослойный нейронный
сеть, кстати, нет, ты не знаешь супер
глубокие структуры , в которых имело бы даже
больше параметров, поэтому я просто хочу, чтобы
покажите вам, что эта проблема здесь
представленная в декартовых координатах ,
то, что подавалось в нейронную сеть
и что должна иметь нейронная сеть
что в полярных координатах это
выглядит намного проще, не так ли?
знаю эту проблему, я могу отделить это
с одним только скрытым узлом и
моя точка зрения вы можете переопределить
и бросать много данных, но если
вы начинаете думать о проблеме в
и если мы научим машины изучать
как думать, как рассуждать, как смотреть
при данных, а не только для хруста
и поэтому сегодня я не боюсь
искусственный интеллект
суперинтеллектуальность, потому что я мог бы
решил это через полсекунды, вы знаете
даже если у вас нет степени в
физики, вы должны понимать, что это
это всего лишь две синусоидальные функции с
с увеличением радиуса это не сложно, но
нейронная сеть никогда не получит эту
ни другое машинное обучение
алгоритм невозможно, потому что
они не работают таким образом, что это не
их цель
как мы не можем не сердиться на
они не решили, что я просто хочу
покажут вам вероятностную программу
с этим, а также объясните вам
то , что общественное программирование это
в основном попытка унификации
общего назначения и
общее назначение я имею в виду как Тьюринга
полные программы, которые нам всем нравятся
потому что они могут в основном вычислить
ничего и жениться, что было
вероятностное моделирование
каждый должен делать все
независимо от модели вы с ума вы
делать вероятностное моделирование вы просто
принял множество предположений о том, что вы
не сделал, и это
осознание того, что даже если вы
может не заботиться об этом у вас есть
знать об этом Вы должны знать
предположения, лежащие в основе алгоритмов, которые
вы используете , и поэтому даже если
он очень пытается запустить ваш
загрузка любимого языка программирования
scikit-learn или тензор или вы знаете
независимо от того, какую структуру вы используете MX net
не имеет значения, что все еще важно
понимайте стоимость, которой вы не должны быть
эксперт по математике за ней,
не то, что я говорю, но вы должны
понимать концептуально то, что они делают и
что более важно, что они не делают
потому что делает все различия так
это просто сказать, что вы могли бы
написала эту модель намного проще теперь
это также является
html5, кстати, это
на самом деле
правая сторона так спасибо окна
даже так , что мало кода там есть
в основном вероятностный способ
определение модели, которая ее решает
точно , и это может быть выражено в
вероятностного языка программирования
нейронная сеть я написал , чтобы исправить что взяло
я могу заверить вас намного больше кодирования
так что сообщения о взлетах здесь
если вы посмотрите на вещи, если вы вернетесь к
основные и рассматривать их как то, что они
вероятностные утверждения о данных
о понятиях о том, что вы пытаетесь
для моделирования вы получаете в основном генеративный
модели вы понимаете, что
на самом деле происходит , и
означает, что вы не получаете сумасшедшего
статистические только решения из — за
проблемы идентифицируемости и и это
нам действительно нужно уйти
от идентифицируемости — это то, что
будет проблематично, поэтому я не собираюсь
говорить о глубоком обучении Я просто хочу
показать, что это такое, но я думаю, что вы
было достаточно разговоров об этом так макс
объединение и все, что мы можем, я
довольно уверен, что мы можем пропустить то, что я хочу
сказать, что эти нейронные сети за
по умолчанию вырождены, и что я
означает, что энергия
пейзаж, в котором они бегают
где они пытаются оптимизировать вещи
есть несколько мест в этом
энергетический ландшафт, соответствующий
параметры, которые минимизируют ошибку
и они эквивалентны тому, что они
соответствуют очень различным физическим
реальности, так как как нейронные
сети, которые должны знать, и это
не то, что вы знаете, что мы
может спроектировать наш выход из-за того, что
Вся идея с нейронной сетью
это вырождение, поскольку оптимизация
является таким проблемным проблемным пространством и
Я просто хочу визуализировать с помощью простого
нейронная сеть здесь, почему это происходит у вас
могут видеть, как эти две сети описывают
точно так же, как они решают
точно такая же проблема, но
параметры разные, и именно поэтому
если вы возьмете вас из X 1 и перейдите к
скрытый 2 и скрытый 1, вы можете
иметь вес 1 1, равный 5, и перейти к
скрытый узел 1 или вы можете иметь вес 1
1 до и перейти к скрытому 8, так что если вы
попробуйте, если вы в основном
голову и сдвиньте эти веса
получить то же самое решение теперь
является одним из источников вырождения, и там
многие из них так просто представляют себе сейчас
что вы накладываете много слоев на
друг от друга у вас сотни
нейронов, сколько перестановок вы
думаю , что вы будете в состоянии достигнуть много есть
ответ я этого не делал, я не делал
математика, но только
поверь мне, это очень много в энергии
пространство в одном измерении выглядит как
один с левой стороны вы видите два
различные точки они эквивалентны в
пространство решения, и вы не можете
дифференцировать между ними это также
почему регуляризация — такая хорошая идея
в нейронных сетях, потому что это в основном
заставляет вас ввести один из этих
тракторов и в двухмерном пространстве
вы можете видеть, что это соответствует этим
два аттрактора на этом раскрашенном участке
и тогда, если вы визуализируете это во всех
размеры, которые нейронная сеть
на самом деле работает , в котором находится
как правило, суть измерений тогда
вы можете себе представить, сколько из них
аттракторы у вас есть и разные глубины
этих аттракторов, поэтому я хочу закончить
Если вы пропустили мои очки, я попытаюсь
высказывайте это несколько раз, но иногда я
очень неуклюжий в том, как я формулирую вещи так
Я буду очень тупым, это один из
лучшие нейронные сети при заданном 2016 году
или 2015 была версия Линетт
который был обучен распознавать цифры и
это прекрасно, как мы сказали
прежде чем мы до сих пор и в этой области
о восприятии, которое нам не нужно
беспокоиться о том, что не в состоянии это сделать, это
на самом деле это действительно сделано и
это намного лучше, чем люди в
признавая эти вещи в порядке, поэтому давайте
положите его на проверку, давайте
генерировать некоторые случайные шумовые изображения и
спросите его, что это такое и в каждом
изображение здесь, вы видите, что сеть на 99%
что это 1 против 2 на всем пути
до 9, так что все 4 изображения под 0
он убежден с вероятностью
99%, что это 0 вы можете каким-либо образом
понять, почему это ноль, я не могу
и ни сети, ни
никогда не наказывалась на основании факта
что вам не разрешено находить
структуры, которые не являются разновидностью спора
в ваших данных нет инструктажа о том, что он
оставаться верным каким-то физическим
реальность, и это происходит
теперь вернемся к моей точке, если это не
число ноль
что , если это признание неизвестного
лицом известного террориста с вами
умеют убивать в поле зрения, и это
только числа дадут в них представить себе
сложность граней, так что это запись
укажите, насколько опасно это
технология — это если вы не уважаете ее
и это не значит, что вы знаете машины
слишком умный, о нас нет
глупо , что это действительно
важно помнить, что у нас есть
ответственность за создание приложений
которые не имеют этого подтверждения
в них и что-то я надеюсь ,
что все вы будете думать о том, когда вы
выходить и строить следующий удивительный
машинное обучение, потому что я
не может видеть никаких чисел на этих изображениях
где угодно, и если вы хотите, то можете читать
бумага этих парней, что я сказал тебе
получить слайды после этого, и это
очень интересная статья, они в основном
попробовали все, что могли, чтобы посмотреть, как
сеть может обобщать вещи
которые не видели прежде и в разных
области того, что он должен был видеть
еще одна вещь, которую я хочу сказать, это то, что
события не являются временно независимыми
все, что вы делаете сегодня все
что вы видите сегодня здесь воспринимают думать
о том, что вы видели
вчера, и это то же самое в данных данных
не является независимым, вы не можете предположить
что две точки данных независимы
это дикое и сумасшедшее предположение о том, что
нам тоже разрешили
длинный
и это всего лишь небольшая визуализация
из домена, что я, что я был
работая там, где мы пытаемся решить
как воздействие телевизора влияет на покупку
Поведение людей перемещались в
будущее и, конечно, если вы видите телевизор
коммерческая сегодня это может повлиять на вас
купить что-то далеко в будущее, и это
может не повлиять ни на кого
сегодня, и это конечно или временное
зависимости, которые также должны быть
учитывается, если вы думаете о
причинные зависимости, и если вы думаете
о концепциях, если вы действительно думаете о
структура вещей, то вы в конечном итоге с
что- то похожее на глубокий
обучения нейронной сети, но где вы
на самом деле есть
структура , которая присуща к
проблема под рукой, и это в основном вы
ковка соединений между концепциями
между переменными между параметрами
сорт смерти решает проблему
но это не имеет этого
характеристика — это визуализация
одной из моделей, которые
бежали и Блэквуд за одного
нашего от одного из наших клиентов и
это своего рода сложность, которую вы
нужно решать повседневную
проблемы каждого узла, который вы видите здесь,
в основном представление переменной
или скрытой переменной, и
отношения между ними в основном
и в принципе нет смысла
эта штуковина, я просто подумал
выглядело круто, и это помогло мне собрать деньги
в те дни
на самом деле, я считаю, что
дифференцировать, поскольку в одном из
Я сделал это, это не помогло
и мы не получили эти деньги, а затем
внезапно он вращался, и мы
получил те деньги, которые я не знаю, если это
вы знаете всю причину, кроме поворота
на мой взгляд, помог, но есть
нет визуального улучшения, основанного на
что сколько людей видели это
до
хорошо известно , что это , что не просто не интересно в порядке
но раньше я видел это первый
достаточно времени я не видел
так что проблема здесь в том, что вы
Предполагалось, что a и B
квадраты имеют один и тот же оттенок или нет
и с моей точки зрения есть
чрезвычайно дифференцированные они выглядят очень
по-разному, но проблема в том, что
они не на самом деле одинаковы
и почему многие люди
думаю, что они думают, что они
другое — это то, что мы предсказываем
на основе тень, которая бросается
из источника света, который мы знаем, где
это потому, что мы это признали
ранее в их жизни, что
также своего рода подтверждение, но
это хороший
потому что это именно то , что позволяет нам
на самом деле живут нашей жизнью, а иногда мы
были неправильными, как в этих искаженных
но но это доказывает точку
это происходит потому, что наши мозги очень
предвзято, исходя из того, что мы уже знаем и
и мы будем делать прогнозы на основе
что мы знаем
поэтому в основном вероятностное программирование
что это такое
это в основном позволяет нам указывать любые
какие модели мы не хотим, вы не
должны думать о слоях вы не
должны думать о пуле
не нужно думать обо всех
формулировка, о которой вы должны думать
что вы указываете, как переменные могут
связаны друг с другом, и вы указываете
какие параметры могут быть и
как они относятся к переменным
под рукой, и если у вас есть эта свобода
то вы ничего не можете моделировать
проблема заключается в том, что вы не можете
подойдите, что с вероятностью Максима вы
не может адаптировать это, потому что вы не можете
возьмите на себя независимые наблюдения
не может предположить , что все его
вы не можете предположить, что вы можете
но это не очень умно, вы не можете предположить
что любой данный параметр имеет
значение минус бесконечность или плюс бесконечность
теперь это вообще не делает
смысл просто подумать о факте
что вы должны предсказать
цены на жилье, например, если вы позволите
вашей модели, чтобы предсказать что-то, что
отрицательный, то у вас есть что-то, что
может иметь смысл снова статистический
потому что нет причин, по которым вы
не должно быть в состоянии правильно отразить
вы просто смотрите на положительную часть, но
как насчет части в вашей модели
что говорит , что цены негативные продаж являются
также положительно , что это просто вздор
и этим не позволять
поэтому вы должны указать свой
priors и концепция ваших моделей
очень строго
и самое лучшее о вероятностных
программирования является то , что мы больше не должны
быть экспертами в цепи Маркова Монте-Карло
прежде чем вы это сделаете, но сегодня вы
Разве вы не знаете, что вам не нужно
понять, что такое гамильтониан в
это пространство, которое вам не нужно понимать
квантовой механике вам просто нужно научиться
как программировать вероятностную
язык программирования, который очень прост
кстати, очень просто, если вы знаете Python
или R или Julia или C ++ или C или Java
обучение программированию вероятностного
Язык программирования — это прогулка в
парк, и это все еще верно и полно.
у вас много разных
вещи, которые мы получаем из этого, мы можем получить
полный байесовский вывод с рынком
в Монте-Карло с помощью таких алгоритмов
как гамильтонова цепь Маркова Монте-Карло
не знал, что ты превращаешь пробоотборник, вот что
вы действительно хотите решить проблему с помощью
это то, что еще сегодня требуется
требуется некоторое время , когда есть
еще один новый инструмент, который называется
автоматическая дифференциация вариационная
вывод, который
разные слова, которые говорят, что
проблема вывода в максимизацию
проблемы, и они бы получили
где-то с тем, что делает эти
машина вывода намного легче вписаться
самое лучшее, что и математика
библиотека уже это автоматизировать
дифференциации, поэтому вам не обязательно быть
выражая это либо снова всем вам
должны учиться вероятностному
языка программирования или
фреймворка в Python, который его поддерживает
например, Эдвард, например, есть много
другие рамки, которые делают то же самое
записка о неопределенности теперь, что если я
дал вам задачу, стоящую перед вами сейчас
взять 1 миллион американских долларов
и вы собираетесь инвестировать их в
либо радио-кампанию, либо телевизионную кампанию
теперь я скажу вам, что
средняя производительность каждой кампании
было 0,5 , так что возврат инвестиций для
средняя радио-кампания составила 0,5
отдача от инвестиций в среднем
Телевизионная кампания также была 0,5, теперь моя
вопрос вам в том, как бы вы инвестировали
хорошо ли это на основе этого
Я бы сэкономил, я просто
раскол его 5050, я имею в виду, почему они не имеют
такая же производительность, но что, если я
также сказал вам, что на самом деле, если вы посмотрите
у нас есть распределение, если вы смотрите
по всей различному радио кампании
которые были запущены, и все разные
Телевизионные кампании, которые были запущены, если вы
смотреть за пределы среднего и смотреть на
индивидуальные результаты, что у вас есть тогда
ну тогда у вас есть это радио для
пример и телевидение, которое они оба имели
исторически возврат инвестиций 0
что в основном означает, что он не работает
которые могут быть как ваши некоторые из их
некоторые рекламные ролики, которые вы видите по телевизору
иногда это меньше , чем вы хороши
знаете, иногда вы видите эти эти голые
гномы, бегущие по травяному полю и
они пытаются продать сотовый телефон
подписки и каждый закон
соединение , но это не сработало , я
конечно, я не оценил это количественно, но это
не работал на меня
то я скажу вам, что
максимальная производительность радио и телевидения, которая
что радио имеет
в его истории и возвращении инвестиций
девять очков три, между тем телевизор имеет только
было четыре пункта, как бы вы инвестировали
теперь ты все равно разделишь его на пятьдесят
Я бы не стал
теперь , что если я скажу вам , что это
вероятно, не настоящее решение
либо для ответа на этот вопрос
вы должны задать другой вопрос в
верните, вы должны задать вопрос, что
это вероятность мне реализующей
возврат инвестиций выше, чем для
пример 0.3, давайте просто возьмем то, что есть
что я хочу достичь сейчас, теперь мы
имеет указание , что наш вопрос
и тогда мы можем дать ему вероятностную
ответ, а затем ответ на этот вопрос
вопрос в том, что он составляет около 40 процентов
вероятно , для радио , чтобы получить отдачу от
инвестиции для любого данного примера выше
0.3, но для телевизора это примерно 90%
это идет рука об руку с фактом
это радио превосходит телевидение исторически
как максимум, и у них одинаковые
средний показатель хорошо из-за факта
что вещи распределяются
распределения, и они не являются предостережением
теперь это вот источник отказа
каждого статистического метода, который вы
вероятно, раньше, потому что это
предполагает, что все симметрично в
осторожный характер не дает такого обещания
никогда не говорил, что ты не должен использовать Каши
никогда не бывает , что был частью какой — либо
Заповедь или информация , предоставленная нам
по своей природе нет ничего особенного
в распределении Гаусса есть несколько
что-то особенное, но вы знаете
давайте просто проигнорируем центральный предел
на данный момент из- за того, что
у нас нет достаточно данных , чтобы на самом деле
подход, так что давайте просто
не обращайте внимания на то, что сейчас сейчас точка здесь
заключается в том, что распределение радио взглядов
как это и распределение для телевидения
выглядит как внизу, и здесь вы
могут видеть, что они имеют одинаковое среднее значение
различные минимумы и максимы и очень
различной асимметрии и
вот почему вы не можете
решения, не зная, что вы не делаете
знайте, что вы не можете принимать оптимальные решения
не зная неопределенности, хотя
если бы вы знали среднюю производительность
средняя производительность — такая огромная
виновник плохой науки и плохой вывод
Я не могу сказать это достаточно, и это
также почему вы никогда не должны когда-либо когда-либо
когда-либо рассматривайте параметры вашей модели
как если бы они были константами, потому что они
не так уж и не интересно спрашивать
вопрос о том, насколько неопределенны мои данные
об этом параметре об этом фиксированном
параметр также является бессмысленным вопросом, а не
интересно, и именно поэтому мы должны
вернуться к основам и сделать это правильно
потому что пока мы этого не сделаем, мы никогда не получим
так что если я могу связать все это
вместе II создал свой путь для
для вас, чтобы начать играть с
это я, я сделал изображение докера
в основном, который называется нашим байесовским
или это показатель языка хозяина, который вы можете
в основном используйте любой язык, который вы хотите
на самом деле не имеет значения, что я хочу
показать здесь в основном, насколько легко это
развернуть DOCKER контейнер с
Байесовский механизм вывода, который может моделировать
любая известная человеку проблема
ничего вы не можете сделать с этим
рамки ничего более общего
чем все, что вы когда-либо пробовали
потому что он может имитировать все, что
вы когда-либо пробовали и большую часть
вещи, которые вы когда-либо пробовали,
теории вероятностей, и это всего лишь
чистое применение теории вероятностей
так что это очень простой способ просто щелкнуть
этот контейнер для докеров и лучшая вещь
что функции вы пишете
теории в нем автоматически
преобразованный в API для отдыха, чтобы вы могли
выставлять через эту докерную службу, чтобы
у вас есть готовый вывод REST API
машина, которая очень верна для
научный принцип без ограничений
и единственное, что вы должны заплатить за
вам нужно дважды подумать
для тех из вас не нравится или я могу
сделать одну версию с Python или Julie или
независимо от того, что это не о
языка
что я действительно хочу передать, так это то, что
моделирование необходимо перезагрузить, мы должны
еще раз подумайте о том, как мы определяем наши модели
как мы определяем наши торговые центры, как мы думаем
о наших моделях, как мы относимся к нашим
моделей, которые мы никогда не сможем связать с нашими
моделей без неопределенности мы будем
всегда терпеть неудачу, поэтому я думаю, что
играя с этим , это хорошо
способ узнать больше об этих вещах
это просто пример того, как вы
на самом деле использовать это, поэтому я написал очень
тупой контейнер, что он называется
глупая погода, и это глупо, потому что
он всегда дает один и тот же ответ , так
независимо от того, что вы отправляете в качестве параметра
он всегда дает вам что — то глупое так
что это просто, чтобы показать вам, как вы
написать функцию, которую она не должна
передать любой интеллект, это просто
placeholder — это только шаблонный код
для вас глотать ваш алгоритм, но он
показывает, как вы преобразуете
это, чтобы отдохнуть api, и это так же просто, как
это просто поговорить, а потом у вас есть
это так, даже если вы не знаете
встроенный разработчик или полный стек
разработчик по-прежнему легко развернуть и
запускайте собственные решения, и вы знаете
контейнер докеров может работать в любом месте
облако может работать на Google , они могут работать на
Amazon Я думаю, что даже это может продолжаться
Облако Microsoft наверняка, наверное, я не
попробуйте , но но я бы предположил, что
они могут запускать докерные контейнеры
поэтому, если я могу оставить вас с одним
вывод — это в основном думать снова
обо всем, что вы когда-либо были
преподавал каждый класс статистики, который у вас был
каждый класс прикладного машинного обучения
этого
переосмыслить его переоценку, это имеет решающее значение для
все, что вам сказали, потому что я получил меня
может заверить вас, что в большинстве случаев это было
ложная ложь и ложь не
происходят из-за того, что люди
хотел лгать вам, он основан на
невежество, и оно основано на том, что вы знаете
десятилетия злоупотребления служебным положением в этой области
потому что вычисление догнала
нас, прежде чем это было нормально делать
было сделано, потому что у нас не было другого выбора
сегодня уже не все, у нас есть все
выбор в мире — это не сложно
получение вычислительного кластера с 200
гигабайт оперативной памяти и 64 процессора или даже
5000 GPU — это
нам не нужно брать то же самое
ярлыки, поскольку мы делали опасные ярлыки
не менее, надеюсь, вы подумаете
что еще одна вещь: когда
вы решаете проблему, я бы хотел
вы должны думать о том, что любая проблема
вы решаете любое машинное обучение
приложение, которое вы пишете, является
применение научного принципа
останьтесь верными тому, что есть
Причина , почему у нас это наука путь
для нас не быть предвзятой наукой — это способ
для нас, чтобы узнать истины о
мир, в котором мы живем, не должен быть
игнорируется или принимается легкомысленно, и именно поэтому
вы знаете, что такие сумасшедшие люди, как Трамп, могут получить
чтобы сказать, что нет такого
как глобальное потепление, потому что он
не придерживаться научного принципа
так что вы знаете, что вы можете быть Трампом или
вы можете оставаться верным научным
принцип, и эти два являются единственными
крайности мои друзья, так что еще одна вещь
что я хочу сказать, всегда указывается ваше
что бы вы ни знали о проблеме
Я вас уверяю , что это знание
критические и важные не притворяются
и попадаю в эту ловушку больше, я хочу
провести беспристрастное исследование, нет такого
вещь не такая вещь понимает это
нет никаких исследований, направленных на
нет научного результата, который может быть
достигнуто без предположения, что вы свободны
снова оценить ваши предположения
повторите их, что хорошо
это прогресс, который является наукой, но
перед тем, как вы будете наблюдать данные, укажите
ум, и вы должны, потому что иначе
у вас ничего не получилось , но
который был просто выбран из воздуха
это ничего особенного в этих
коэффициенты, которые пришли
ничего и до тех пор, пока люди не поймут
это у нас все еще будут приложения
которые считают, что Центральный парк является
красный свет, и даже
может выглядеть как от другого
мы должны сделать лучше, и мы не можем
лучше и, возможно, самый важный
все дело в том, что с этой структурой
и с этим принципом мышления вы
могут быть свободными, вы можете быть
и, прежде всего, вы можете
имеют гораздо больше удовольствия,
потому что вы не вынуждены
парадигма, которую кто-то определил для
вы, потому что это сделало математику приятным спасибо
Я думаю, у нас есть время для одного вопроса
кто-нибудь спросил, где я могу прочитать больше
об этом любые хорошие ресурсы да там
это несколько великих книг, которые я могу медленно
рекомендую, и я сделаю их в
математического требования, поэтому, если
вы хардкор математик или ее
теоретического физика или любого
вычислительный фон с глубоким
понимание математики, то вы
может пойти прямо, чтобы прочитать книгу под названием
справочник по цепи Маркова Монте-Карло
это очень техническая книга, и это
описывает процессы, стоящие за
вероятностного моделирования, если вы
немного меньше математического, но все же
имеет довольно много математики вы
должен прочитать раздел о графическом
модели, сделанные епископом, а затем книга
вызванное машинное обучение и модель
признание, но самая важная книга
из всех, возможно, для чтения, является одним из
книги, называемые статистическим переосмыслением и
что книга объясняет много понятий
что я теперь плохо себя чувствую,
знаешь где-то вдоль линии, мы просто
потерялся, и у вас есть текст, который вы
знают, потребляется людьми, и это
есть немного математики , так что вы можете сортировать
Положив это в контекст, это действительно
книги , которые я бы рекомендовал в этом порядке
спасибо, и я буду чирикать их ресурсы
идти в хэштег, идти к CPA в порядке
спасибо мое спасибо
[Аплодисменты]
Please follow and like us:

Be First to Comment

Добавить комментарий