Три дня чтения в подарок
Зарегистрируйтесь и читайте бесплатно

Верховный алгоритм: как машинное обучение изменит наш мир

Верховный алгоритм: как машинное обучение изменит наш мир
Книга доступна в премиум-подписке
Добавить в мои книги
Оценка читателей
3.6

Машинное обучение преображает науку, технологию, бизнес и позволяет глубже узнать природу и человеческое поведение. Программирующие сами себя компьютеры – одна из самых важных современных технологий, и она же – одна из самых таинственных.

Ученый-практик Педро Домингос приоткрывает завесу и впервые доступно рассказывает о машинном обучении и о поиске универсального обучающегося алгоритма, который сможет выуживать любые знания из данных и решать любые задачи. Чтобы заглянуть в будущее и узнать, как машинное обучение изменит наш мир, не нужно специального технического образования – достаточно прочитать эту книгу.

На русском языке публикуется впервые.

Лучшие рецензии
russischergeist
russischergeist
Оценка:
32

Давненько я не читал такой одновременно назидательной, нагруженной и оптимистичной книги среди нехудожественной литературы! Книга оказалась очень крепким орешком, так как ее автор, известный американский разработчик с сфере искусственного интеллекта Педро Домингос совершенно не является популяризатором науки. Его цель совершенно иная - в первую очередь найти единомышленников, чтобы решить основную проблему современного машинного обучения - найти идеальный алгоритм, посредством которого любая информационная система смогла бы обучаться.

Сразу стало понятно, что Домингос не одну пятилетку работает в этом направлении, так как он замечательно владеет материалом и полностью владеет "матчастью", поражают новые и точные ссылки на разработки его коллег в той или иной области. Книга написана, с моей точки зрения, очень удачно, что позволит читателям, интересующимся информационными технологиями вообще и технологиями big data в частности, достаточно просто разобраться с текущей ситуацией в научном мире разработок по этому вопросу. Даже читатели, достаточно далекие от информатики, могут в общих чертах познакомиться с предлагаемыми идеями.

Ну, а Домингос, конечно, оптимист до мозга костей, молодец! Он понимает, что если бы научный мир смог отыскать такой "верховный алгоритм", то наш бы научный прогресс семимильными шагами смог бы продвинуться вперед, как будто как раз в ефремовскую ЭМВ - Эру Мирового Воссоединения. Он предполагает, что это супер-алгоритм должен сочетать элементы всех уже встречающихся в тех или иных областях умных алгоритмов, применяющихся в современных системах. Для этого нужно объединить приверженцев символических, генетических, эволюционных, байесовских, коннекционных алгоритмов. Что же, в этих мыслях есть неплохое зерно. Осталось разобраться с вопросом, сколько лет нам еще понадобится, чтобы "научить" наши компьютеры с помощью такой гипотетической композиции.

В любом случае, книга очень интересна, так как автор не остается на уровне рассуждений, а готов полностью окунуться в проблему и пытается "захватить в свои сети" все новых и новых оптимистов. Такие книги реально нужны для научного мира с одной стороны и могут воспитываться любопытное подрастающее поколение с другой. Автор (как и издательство МИФ) смогли преподнести мне неожиданный сюрприз. Книга действительно стоящая, заставляющая поразмышлять, порассуждать и помечтать о нашем ближайшем будущем.

Читать полностью
Xellina
Xellina
Оценка:
8

Дамы и господа, добро пожаловать в cекту Верховного алгоритма!

Гуру нашей секты, Педро Домингос, откроет для вас сакральное знание о магических алгоритмах, которые не надо программировать или настраивать, ибо "они угадывают все сами". Вы войдете в узкое число избранных, ибо "сегодня лишь немногое имеют представление об обучающихся алгоритмах". Домингос поведает вам о коварном злодее, сравнимом с самим Сатаной: "в райском саду обитает змей - Монстр Сложности". В нашей секте есть даже (только тсс!) жертвоприношения, в которых одушевленные данные приносятся в жертву Святому Байесу (подробности в шестой главе). И самое главное, как у всякой уважающей себя секты, у нас есть великое божество, о котором известно лишь посвященным - Верховный алгоритм, способный решить все мировые проблемы, в частности, вылечить рак. Восхваления и превознесения возможностей Верховного алгоритма занимают почти целую главу (а главы тут длинные).

Если серьезно, то эта книга - научно-популярное произведение для широкого круга читателей, как говорили в советские времена. И, на мой взгляд, чем дальше читатель от темы, тем больше удовольствия эта книга может доставить. Меня, как человека с машинным обучением более-менее знакомого, сильно раздражала "вода" и приводили в недоумение длинные пространные отступления. Хотя некоторые перлы порадовали, особенно, определение MCMC как "утопить наши печали в вине и бродить всю ночь пьяными".

С другой стороны, для менее искушенного читателя дается довольно неплохой высокоуровневый обзор основных направлений машинного обучения, с довольно подробной историей развития каждого, с упоминанием множества имен. Мне показалось, что некоторые области, например, символистское обучение, описаны несколько сумбурно, зато, скажем, глава о Байесовском подходе мне понравилась. Позабавило, что Домингос решил включить в свою книгу классический пример Перла про сигнализацию и землетрясение.

Впрочем, на мой взгляд, и подготовленному читателю и новичку читать лучше 3-8 главы, потому что в остальных слишком много воды, пропаганды этого самого Верховного алгоритма и общих мест: неужели так обязательно перечислять с подробностями все-все-все области применения машинного обучения?

P.S.
А самом полезным для меня оказался список рекомендованной литературы в конце книги. Вот там уже достаточно серьезные учебники и статьи, тематически разбитые по областям, с кратким описанием, где про что. Думаю, еще очень пригодится.

Читать полностью
cijic
cijic
Оценка:
1

Заголовок не просто так выбран. Это книга - грязная вода. Я столько в дипломных работах не лил воды.
Почти полностью неструктурированная книга. Почти никакой последовательности нет. Автор может балаболить о чём-то своём, сказать "Вот за это такой-то учёный получил премью", а ты сиди и гадай что это было, потому что он будет прыгать от неба к шмелям, и закончить фразой а-ля "поэтому мячи круглые". Тьфу!
Приводить примеры автор совсем не умеет. Он может начать в середине одной подглавы, продолжить в другой, закончить в третьей в середине же, или, ещё хуже - "Помните я говорил 50 страниц назад кое о чём неважном. Вот там использовалось то, что я последние 10 страниц лил". Кто так делает?!
Разбирать каждый метод и нормально показать что в нём применяется и когда - это не к этому автору. Явно создалось впечатление, что он писал вообще всё что знает по данной теме и абсолютно не важно в тему сказано было что-то или нет.
Вместо того чтобы сказать и выделить в отдельные главы используемые методы, автор просто разбивает какие-то своим мысли наобум и делает это подглавами. Надо было сделать "Подход", затем технологии разобрать, затем алгоритмы, плюсы и минусы, а не ту ересь что он сделал.
Усложнить простое - это к этому автору.
Выводы написать как выводы - не получается. Больше как эпилоги выходят... за упокой.
Я понимаю, что автор подбил книгу под поиск лекарств для лечения рака, т.к. прям на первой странице написано что его родственница проиграла борьбу с раком пока он писал книгу, но мне чхать на это, если подача ужасная. Я читатель, а не его родственник.
Сгодится только первая глава и то водяная, но для домохозяек в самый раз.
Очень жаль что купил книгу, да ещё и время потратил. Да и обложка мягкая. Зато денег стоит немалых.
Если захотите узнать про машинное обучение - через Google и "машинное обучение" найдёте - и полезнее, и интереснее, и лучше. Такие книги могут только оттолкнуть, а не подтолкнуть к сфере машинного обучения.

Читать полностью
Лучшая цитата
Один из частных случаев бесполезного набора правил просто включает все положительные примеры, которые вы видели, и ничего больше. Он может показаться стопроцентно точным, но это иллюзия: по его предсказаниям, каждый новый пример будет отрицательным, поэтому на каждом положительном он будет ошибаться. Если в целом положительных примеров больше, чем отрицательных, получится даже хуже, чем подбрасывать монетку. Представьте себе фильтр, который будет отправлять письма в спам, только если они точная копия сообщения, ранее помеченного как спам. Научить этому легко, это здорово работает с уже помеченной выборкой, но с тем же успехом можно вообще не иметь спам-фильтра. К сожалению, наш алгоритм «разделяй и властвуй» легко может научиться набору правил вроде этого.
В рассказе «Фунес памятливый» Хорхе Луис Борхес повествует о встрече с молодым человеком с идеальной памятью. Сначала такой дар может показаться редким везением, но на самом деле это ужасное проклятье. Фунес может вспомнить точную форму туч в небе в произвольный момент времени в прошлом, но ему сложно понять, что собака, которую он видел сбоку в 15:14, — та же самая собака, которую он видел спереди в 15:15, и он каждый раз удивляется собственному отражению в зеркале. Фунес неспособен обобщать, поэтому для него две вещи одинаковы, только если они выглядят идентично, вплоть до мелочей. Неограниченное обучение правилам похоже на Фунеса и совершенно неработоспособно. Учиться — значит забывать о подробностях в той же степени, как помнить о важных элементах. Компьютеры — высшее проявление синдрома саванта45: они без малейших проблем запоминают все, но хотим мы от них не этого.
Проблема не ограничивается массовым запоминанием частностей. Каждый раз, когда обучающийся алгоритм находит в данных законо­мерность, которая в реальном мире ошибочна, мы говорим, что он «подо­гнал под ответ». Переобучение — центральная проблема машинного обучения: ей посвящено больше статей, чем любой другой теме. Каждый мощный обучающийся алгоритм — символистов, коннекционистов или любой другой — должен беспокоиться о паттернах-галлюцинациях, и единственный безопасный способ их избежать — серьезно ограничить то, чему обучающийся алгоритм может научиться: например, требовать, чтобы это были короткие конъюнктивные понятия.
В мои цитаты Удалить из цитат
Оглавление