Перевод очень сильно искажает и сокращает оригинальную статью, полностью меняя её ключевой посыл.
Автор оригинала говорит лишь о том, что A.I. в современном виде это чистая математика, находящая корреляцию в обучающем наборе данных между входом и выходом. Т.е. просто сложный алгоритм, не являющийся мышлением в человеческом понимании. И в своём ПРЕДЕЛЬНОМ, максимально упрощённом виде это можно представить как поиск коэффициента и свободного члена линейной функции. И действительно, линейная модель (линейная регрессия) — это самая простая модель, применяемая в машинном обучении.
При этом указывается на неоспоримое преимущество машины — она может за короткое время обработать миллионы образцов и рассчитать модель, наилучшим образом описывающую полученные данные. Причём исходных признаков (иксов) может быть не один и не два, а сотни и даже миллионы. Это, действительно, человеку без использования машины не по силам.
И в своём ПРЕДЕЛЬНОМ, максимально упрощённом виде это можно представить как поиск коэффициента и свободного члена линейной функции.Ок, а я правильно понимаю, что, максимальное упрощение заключается в слове "функция"? Т. е. AI определяет нефункциональную зависимость неких исходящих данных от входящих?
http://www.bbc.co.uk/news/science-environment-47267081 ещё недавно статья вышла на BBC, суть которой сволилась к тому что алгоритмы Маш. обучения сейчас подвергаются сомнениям из-за того что как раз любые обучающие выборки бесконечно малы по сравнению с реальным миром. Что часто приводит к неверным выводам
Перевод очень сильно искажает и сокращает оригинальную статью, полностью меняя её ключевой посыл.
Автор оригинала говорит лишь о том, что A.I. в современном виде это чистая математика, находящая корреляцию в обучающем наборе данных между входом и выходом. Т.е. просто сложный алгоритм, не являющийся мышлением в человеческом понимании. И в своём ПРЕДЕЛЬНОМ, максимально упрощённом виде это можно представить как поиск коэффициента и свободного члена линейной функции. И действительно, линейная модель (линейная регрессия) — это самая простая модель, применяемая в машинном обучении.
При этом указывается на неоспоримое преимущество машины — она может за короткое время обработать миллионы образцов и рассчитать модель, наилучшим образом описывающую полученные данные. Причём исходных признаков (иксов) может быть не один и не два, а сотни и даже миллионы. Это, действительно, человеку без использования машины не по силам.
И в своём ПРЕДЕЛЬНОМ, максимально упрощённом виде это можно представить как поиск коэффициента и свободного члена линейной функции.Ок, а я правильно понимаю, что, максимальное упрощение заключается в слове "функция"? Т. е. AI определяет нефункциональную зависимость неких исходящих данных от входящих?
http://www.bbc.co.uk/news/science-environment-47267081 ещё недавно статья вышла на BBC, суть которой сволилась к тому что алгоритмы Маш. обучения сейчас подвергаются сомнениям из-за того что как раз любые обучающие выборки бесконечно малы по сравнению с реальным миром. Что часто приводит к неверным выводам