StudyEnglishWords

4#

Как компьютеры учатся творчеству. Blaise Agüera y Arcas - видеоролик

Изучайте английский язык с помощью параллельных субтитров ролика "Как компьютеры учатся творчеству". Метод интервальных повторений для пополнения словарного запаса английских слов. Встроенный словарь. Всего 353 книги и 1726 познавательных видеороликов в бесплатном доступе.

страница 6 из 9  ←предыдущая следующая→ ...

00:10:04
So you've taken an initial guess:
Сначала мы предположили:
what if w = 0?
что если W = 0?
Well, then the error is 6.
Тогда отклонение равно 6.
What if w = 1? The error is 4.
Если W = 1, то отклонение — 4.
And then the computer can sort of play Marco Polo,
И потом компьютер начинает играть в «угадайку»
00:10:12
and drive down the error close to zero.
и приближает отклонение к нулю.
As it does that, it's getting successive approximations to w.
Так он приближается к верному значению W.
Typically, it never quite gets there, but after about a dozen steps,
Обычно он не находит точного решения, но сделав с десяток шагов,
we're up to w = 2.999, which is close enough.
мы приближаемся к W = 2,999, что достаточно близко к истине.
And this is the learning process.
Это и есть процесс обучения.
00:10:29
So remember that what's been going on here
Напомню, что именно мы делаем:
is that we've been taking a lot of known x's and known y's
мы берём много известных X и Y
and solving for the w in the middle through an iterative process.
и посредством процесса повторения находим W.
It's exactly the same way that we do our own learning.
Мы сами учимся точно так же.
We have many, many images as babies
В детстве мы встречаем множество образов,
00:10:45
and we get told, "This is a bird; this is not a bird."
и нам говорят: «Это птица, а это не птица».
And over time, through iteration,
Со временем через повторение
we solve for w, we solve for those neural connections.
мы находим W, то есть нейронные связи.
So now, we've held x and w fixed to solve for y;
Теперь у нас есть готовые X и W для нахождения Y
that's everyday, fast perception.
и быстрого повседневного восприятия.
00:11:00
We figure out how we can solve for w,
Мы узнаём, как найти W, —
that's learning, which is a lot harder,
это обучение, и оно сложно,
because we need to do error minimization,
так как надо минимизировать погрешности
using a lot of training examples.
методом проб и ошибок.
And about a year ago, Alex Mordvintsev, on our team,
Около года назад Алекс Мордвинцев из нашей команды
00:11:11
decided to experiment with what happens if we try solving for x,
решил попробовать, что будет, если попытаться найти X,
given a known w and a known y.
зная W и Y.
In other words,
Другими словами,
you know that it's a bird,
вы знаете, что это птица,
and you already have your neural network that you've trained on birds,
и вашей нейронной сети тоже это известно.
00:11:23
but what is the picture of a bird?
Но как же выглядит птица?
It turns out that by using exactly the same error-minimization procedure,
Оказывается, что используя ту же самую процедуру минимизации погрешностей,
one can do that with the network trained to recognize birds,
можно проделать это c нейронной сетью, обученной распознавать птиц,
and the result turns out to be ...
и в результате получается
a picture of birds.
изображение птицы.
00:11:43
So this is a picture of birds generated entirely by a neural network
Это изображение птиц создано нейронной сетью,
that was trained to recognize birds,
обученной распознавать птиц,
just by solving for x rather than solving for y,
просто находя X, а не Y,
and doing that iteratively.
через множество повторений.
скачать в HTML/PDF
share