Верховный алгоритм. Как машинное обучение изменит наш мир

Популярная и интересная книга о поиске универсального самообучающегося алгоритма от ученого-практика. Алгоритмы управляют нашей жизнью. Они находят книги, фильмы, работу и партнеров для нас, управляют нашими инвестициями и разрабатывают новые лекарства. Эти алгоритмы все больше обучаются на основе тех массивов данных, что мы оставляем после себя в современном цифровом мире. Словно любопытные дети, они наблюдают за нами, подражают и ставят эксперименты. А в ведущих лабораториях и университетах р...

Жанры

Рейтинг LiveLib

4,0

98 оценок

5
40%
4
32%
3
21%
2
5%
1
2%

Ваша оценка

Прочитали 123Хотят прочитать 539

Рецензии

russischergeist28 сентября 2016 г.
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 далее
35
985
jnozzz4 октября 2020 г.
Книга, которая ничего не изменит в нашем мире
Первая часть книги, как уже справедливо заметили, не стоит не только бумаги, на которой она напечатана, но даже и байтов на вашей читалке. А сама книга, - это, собственно, попытка пересказать человеческим (или автору хочется верить, что человеческим) языком теорию машинного обучения (высшая математика, между нами гуманитариями ).
Моя нежная гуманитарная часть завяла на первой же главе и ушла в "самоизлоляцию". Левое полушарие, закаленное встречами с суровой математической реальностью, где интеграл, нежно прижимает к себе экспоненту да еще и с подружкой, скучала тоже. Огуманитаривание теории вероятности не сделало ее более понятной.
Еще большая загадка, зачем автор вынес университетский курс из университета, где ему и место. Тот же вопрос и про всю эту полемику про сверхалгоритм - походу, чей-то больной мозоль, и вот хозяин мозоля решил написать книгу, чтобы потом оперировать ею в спорах.
Есть к книге немного интересных отсылок к философии и особенно впечатлила глава про Преподобного Байеса, но, в целом, попытку огуманитарить тяжелый математический аппарат я бы не назвала особенно успешной.
В общем, новых знаний мало, потраченного времени много. Удовольствия - чуть-чуть. Название - одна завлекалка.
Читать далее
14
927
Xellina24 декабря 2016 г.
All hail the Master algorithm!
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 далее
11
902

Все рецензии

Цитаты

OlessyaMsk31 марта 2017 г.
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 саванта: они без малейших проблем запоминают все, но хотим мы от них не этого
Читать далее
6
295
OlessyaMsk23 мая 2017 г.
Ньютон говорил, что чувствует себя мальчишкой, играющим на берегу: он берет то камушек, то ракушку, а перед ним лежит огромный, неизведанный океан истины. Прошло три столетия, и мы собрали удивительную коллекцию гальки и раковин, но великий неизведанный океан все так же простирается перед нами и играет лучиками надежды. Мой подарок — это лодка машинного обучения, и пришло время поднять паруса.
4
266
OlessyaMsk31 марта 2017 г.
Точность на данных, которые алгоритм еще не видел, — настолько строгий критерий, что многие научные теории его не проходят. От этого они не становятся бесполезными, ведь наука — это не только предсказания, но и объяснение и понимание, однако в итоге, если модели не делают точных прогнозов на новых данных, нельзя быть уверенным, что лежащие в основе явления по-настоящему поняты и объяснены. А для машинного обучения тестирование на скрытых данных незаменимо, потому что это единственный способ определить, случилось ли с обучающимся алгоритмом переобучение.
Читать далее
4
122