Press "Enter" to skip to content

Machine Learning: A Pioneering Tool for All Disciplines | James Taylor | TEDxCaryAcademy


[Музыка]
поэтому, если бы вы спросили меня, что такое три
вещи, которые моя мама совершенно не любит
вполне хорошо, я, вероятно, скажу вам
при получении плохой оценки на тест
и это вполне разумно, так много
родители, как и их дети ,
плохие оценки на тестах — вторая вещь
вероятно , мне придется вернуться домой
9:30 или я возвращаюсь домой после 9:30, когда
Я гуляю с друзьями, и это
также разумно, но третье, что я
на самом деле не так разумны, и это
ее страх за турбулентность ее страха за
турбулентность абсолютно безумна
если мы ударим даже самый легкий ухабистый патч
в воздухе она хватается за руку.
для нее это не имеет значения, если это я мой
папа моя сестра или мой брат или даже
полный незнакомец, а иногда, когда она
захватывает руку на совершенно незнакомом
вам просто нужно дать незнакомцу
маленький кивок сказать, да, так оно и есть
работает , так что я вроде отыскал
определить, существует ли реальная опасность, когда мы
Я имею в виду, я все время слышу, как о
есть возможно структурное повреждают
крылья могут упасть, я имею в виду, я имею в виду, что я
пытался понять, это правда, и я
нашел некоторые довольно удивительные вещи, которые он
оказывается, что авиалайнеры стоят
до 100 миллионов долларов в год чувак a
авиационная турбулентность, и это связано с
возможный структурный ущерб при
они сражаются через очень грубую
патч в воздухе, который им нужно принести
она вниз это их закон они
требуется , чтобы сделать это , потому что они должны
не забудьте ничего и, вероятно, ничего
стоить миллионы долларов
кроме того, почти 100
травмы и смертельные случаи в год и
в том числе небольшой
большой самолет, так что это значительный
Проблема дополнительно существует
дискомфорт для пассажиров, поэтому моя цель была
вид, чтобы выяснить, есть ли способ
что я могу получить самолет, чтобы
выезд в пункт назначения при принятии
это в расчет прямо сейчас самолеты
как правило , просто летают по прямой линии
но есть ли способ, которым мы можем научиться
отклоняться от этой прямой линии и вида
о создании более оптимального решения принятие
это во внимание по поводу того, что мне дали
возможность пройти стажировку
в течение лета, что действительно позволило мне
преследовать это, поэтому мне предложили место
в искусственный интеллект и
команда машинного обучения при sass и что
мы действительно были очень правдоподобны
моя команда была специально предназначена для
Усиление обучения , которое является
специфический тип искусственного интеллекта
и оказывается , что подкрепление
обучение соответствует сфере этой проблемы
очень хорошо, чтобы вы, ребята, могли быть
спрашивая, что такое подкрепление
хорошо учится, он включает пару
важные вещи , которые я собираюсь
уточнить прямо сейчас, он включает агента
который он представляет утка, и это
включает в себя среду, которая здесь
представленный земным шаром, теперь
окружающая среда дает наблюдения этому
утка, эти наблюдения могли
действительно ничего, кроме важного
Дело в том, что утка становится
наблюдения пытается понять
контекста окружающей среды и, в свою очередь,
утка или агент дают бездействие
вернуться в окружающую среду, что говорит
основано на текущем наблюдении этого
это лучшее действие, которое нужно предпринять и взамен
окружающая среда говорит, что это было
действительно плохая ошибка, которую мы собираемся дать
вы действительно низкая награда или это как о
хороший Джон, давайте дадим вам действительно высокий
вознаграждение, и поэтому со временем идея такова:
агент узнает, что
действия, предпринимаемые на основе текущих
так что в моем случае у нас был самолет
летать в США
принятие решения о том, где пошаговом
на эти определенные факторы затрат и
вы можете видеть в углу, есть
сетки и наибольший предполагается
представляют значения серьезности турбулентности
вокруг плоскости, которая дается
плоскости или около того, а затем, как тогда они используют
определяет, что для поиска наилучшего действия
принять то среда отдает
к самолету стоимость или как хорошо это
насколько хорошо было то, насколько хорошо было это действие
по сравнению с тем, что он мог бы сделать, и
это основано на тяжести турбулентности топлива
стоимость ETA и степень тяжести тербия
очевидно, что мы делаем
цель этого — принять во внимание
для плохой турбулентности, поэтому, если она находится в
это супер высокая турбулентная область, которая собирается
получить сверхвысокую стоимость в результате, если
вы слишком сильно отклоняетесь от своего текущего
растение, как способ получить направление, тогда
он также будет накапливаться сверхвысоким
так что это цель топлива
стоимость и эта, мы пытаемся получить
самолет как можно скорее
идя вокруг турбулентности, так что путь
что он предсказывает наилучший вариант
лучшее действие для его использования
что-то называется узкой сетью, и я знаю
вы , наверное, много слышали о
нейронные сети, они довольно жужжали
где вы сейчас обращаетесь, но
в основном нейронная сеть — это просто
функции, которую он принимает во вводе, и это
получается выход, поэтому в этом случае это
это довольно простая нейросистема, вы можете
вход шесть чисел , и вы можете выход для
номера теперь каждая из этих строк, поскольку вы
увидеть на экране действительно просто
уравнение просто функция, так что
номер там, вы сделаете
уравнение, чтобы перейти к следующему номеру
и затем уравнение, чтобы взять его на
следующий номер и так, как только вы его кормите
через всю нейронную сеть у вас есть
выход, который должен быть чем-то
символически, поэтому в моем случае у нас было что-то
я мог бы спроектировать нейронную
чистые , чтобы отчасти решить мою проблему , то вы можете
см., что у нас есть сетка значения EDR, поэтому
это было одним из моих вкладов, которые я хотел
имеют сетку этих значений возмущений
так что самолет мог получить контекст
что он делал, я также дал самолет
вид текущей возглавляя самолета с
уважение к назначению и
выход был чем-то названным значениями Q и
Значения Q просто в основном говорят вам, что
лучшее действие , чтобы взять так , что к чему
мы использовали нейронную сеть для
первоначально уравнения, которые представляют
представляет собой все уравнения:
полностью случайный, поэтому он действительно
плохие решения
поэтому, очевидно, вся цель
Обучение армирования тренируется
нейронных сетей, поэтому мы можем выяснить, что
лучшее действие, которое мы можем принять на основе
на наших текущих наблюдениях, так что это
быстрый обзор процесса, который мы принимаем
сетка турбулентности и тяжести
значения из среды, которую он подключает
в нейронные сети сделали это
наблюдений, которые он получает в действии и
первоначально, как я сказал, эти действия
полностью случайный
он действительно не знает, что он делает
но, надеюсь, со временем он узнает
окружающая среда дает и возвращает
агента, чтобы оценить, насколько хорошо это
или насколько сильным было действие, которое было и
затем он сохраняет его в память и
со временем память просто растет и
растет и растет, и он становится огромным
список только наблюдения действия
и стоимость, с тем чтобы она училась со временем
что работает, что не самое лучшее в
эта ситуация лучше всего, что не
лучше в этой ситуации, поэтому он дает
лучшего понимания, то мы делаем
что-то называемое обратным распространением и
обратное распространение — это просто математика
и исчисление, которое мы используем для уточнения или
узкий , чтобы сделать его лучше, чтобы мы
делаем, мы сравним вывод , что мы получили
действие , которое мы думали , что
нейрон, который думал, что он хочет
по сравнению с тем, что мы действительно хотели
и затем мы делаем кучу исчисления в
вид изменения уравнений, чтобы сделать это
лучше в будущем, что вы не можете
просто выполните этот процесс один раз и ожидайте
получить какие-либо реальные результаты, это просто не будет
случиться так , что вы должны сделать , это повторить
это и повторить его тысячи и тысячи
раз, и эта программа заняла два дня
для запуска, но это, по сути, то, что мы получили
было довольно удивительно, и я очень
счастливы, но вы можете видеть вначале
этот график отражает сумму
потери или насколько далеко от нашей программы
что предсказания правильных действий , и вы
может видеть, изначально это было просто красиво
много от диаграмм по сравнению с
все остальное потребовалось около двадцати
тысячи итераций для обучения
нашей модели, чтобы полностью понять
среды , в которой
значение турбулентности, что такое турбулентность
значения означает, что угол
пункт назначения означает, что он, наконец, получит
до такой степени, что он знал, что это такое
и маршрут, и здесь результаты
очень крутые, поэтому я немного настроил
насмехается над нами, и вы можете видеть
что есть отход и
пункт назначения и мои значения турбулентности
точно в пределах 20 миль, но здесь
Я просто показал это с высокой
уровней турбулентности и низких уровней
турбулентность для упрощения того, что происходит
экран, и, как вы можете видеть, он учится
обойти область высокой турбулентности, если
Форд идет на улицу, и он
решает обойти, что я нахожу
особенно чрезвычайно интересно
что высокая площадь турбулентности была низкой
турбулентность, это пошло бы прямо
но из-за того, что он учился с течением времени
что область высоких трибунов ведет к повышению
стоить он решает обойти, и я нахожу
мне это действительно нравится
потому что изначально, если вы видели это
раньше тренировался самолет
повсюду он шел на север
юго-восток и запад, наконец,
что выход на юго- запад — это путь
после тысяч и тысяч
обучения, и он узнал, что
вокруг высокой области турбулентности также
лучше всего предотвратить любые возможные структурные
повреждение для предотвращения возможного пассажира
дискомфорт это был самый оптимальный
решение такого рода у меня нет
действительно получил телефонный звонок от
Генеральный директор любых крупных авиалайнеров, чтобы получить это
реализованных в
хотя я жду там, я есть Я
ожидая их звонка, я не думаю, что мой
проблема мамы будет решена
в ближайшее время, к сожалению, но я
думаю, что это завещание показать
что машинное обучение действительно просто
будет частью нашей жизни и тому
в будущем, независимо от того,
нам это нравится или нет, я имею в виду, что есть такие
многие возможности для того, что мы можем сделать
нет никаких сомнений , слишком мал , слишком
слишком узкие, которые не могут быть решены
с машинным обучением, я думаю, это
чрезвычайно важно, что вы признаете
что это не так, это критический
инструмент, который мини должен
что здорово в том, что это действительно
кто-то не имеет значения, являетесь ли вы
лингвистом , неважно, являетесь ли вы
если вы в разработке, если вы
так же, как математика или информатика
это действительно приложение машинного обучения
для тех , кто это только требует
дисциплина выходить и учиться и прыгать
просто желая выйти из вашего комфорта
зона, чтобы понять это понимание
в настоящее время вычисление дешевле и
легче получить доступ, чем когда-либо, и инструменты
буквально прямо у вас под рукой
что вы можете сделать, чтобы увеличить то, что вы делаете?
в вашей повседневной жизни на уровне, который просто
ранее не был принят, поэтому инструменты
буквально на кончиках ваших пальцев просто идти
там и схватить их и поблагодарить
да
[Аплодисменты]

Please follow and like us:

Be First to Comment

Добавить комментарий