मैं सोच रहा था, कि राजसी / सैद्धांतिक मशीन सीखना इतना महत्वपूर्ण क्यों है? एक मानव के रूप में एक व्यक्तिगत दृष्टिकोण से, मैं समझ सकता हूं कि राजसी मशीन सीखना महत्वपूर्ण क्यों होगा:
- मनुष्य यह समझना पसंद करते हैं कि वे क्या कर रहे हैं, हम समझने के लिए सुंदरता और संतुष्टि पाते हैं।
- एक सिद्धांत के दृष्टिकोण से, गणित मजेदार है
- जब ऐसे सिद्धांत होते हैं जो चीजों के डिजाइन को निर्देशित करते हैं, तो यादृच्छिक अनुमान, अजीब परीक्षण और त्रुटि पर कम समय खर्च होता है। अगर हम समझते हैं, कहते हैं, वास्तव में तंत्रिका जाल कैसे काम करते हैं, तो शायद हम परीक्षण और त्रुटि की भारी मात्रा के बजाय उन्हें डिजाइन करने में बेहतर समय बिता सकते हैं जो अभी इसमें जाता है।
- अधिक हाल ही में, यदि सिद्धांत स्पष्ट हैं और सिद्धांत भी स्पष्ट है, तो सिस्टम के लिए (उम्मीद) अधिक पारदर्शिता होनी चाहिए। यह अच्छा है क्योंकि अगर हम समझते हैं कि सिस्टम क्या काम कर रहा है, तो AI जोखिम है कि बहुत सारे लोग बहुत ज्यादा के बारे में प्रचार करते हैं तुरंत चले जाते हैं।
- सिद्धांत दुनिया के लिए महत्वपूर्ण संरचनाओं को संक्षेप में प्रस्तुत करने और एक उपकरण का उपयोग करने के बजाय एक दूसरे के बजाय एक संक्षिप्त तरीका है।
हालांकि, क्या ये कारण वास्तव में मशीन लर्निंग के गहन सैद्धांतिक अध्ययन को सही ठहराने के लिए काफी मजबूत हैं? सिद्धांत की सबसे बड़ी आलोचना यह है कि क्योंकि ऐसा करने के लिए कठिन है, वे आम तौर पर कुछ बहुत ही प्रतिबंधित मामले का अध्ययन करते हैं या जिन मान्यताओं को अनिवार्य रूप से लाया जाना है, वे परिणामों को बेकार बनाते हैं। मुझे लगता है कि मैंने इसे एक बार तोर के निर्माता द्वारा एमआईटी में एक बात पर सुना था। टोर ने जो कुछ आलोचना सुनी है वह सैद्धांतिक तर्क है लेकिन अनिवार्य रूप से, लोग वास्तविक जीवन के वास्तविक परिदृश्यों के बारे में चीजों को साबित करने में कभी सक्षम नहीं हैं क्योंकि वे बहुत जटिल हैं।
इतनी कंप्यूटिंग शक्ति और डेटा के साथ इस नए युग में, हम अपने मॉडल का वास्तविक डेटा सेट और परीक्षण सेट के साथ परीक्षण कर सकते हैं। हम देख सकते हैं कि क्या चीजें अनुभववाद का उपयोग करके काम करती हैं। अगर हम इसके बजाय AGI या सिस्टम को प्राप्त कर सकते हैं जो इंजीनियरिंग और अनुभववाद के साथ काम करते हैं, तो क्या यह अभी भी मशीन सीखने के लिए राजसी और सैद्धांतिक औचित्य का पालन करने के लायक है, खासकर जब क्वांटिट सीमा को हासिल करना इतना मुश्किल है, लेकिन अंतर्ज्ञान और गुणात्मक उत्तर इतना आसान है। एक डेटा संचालित दृष्टिकोण के साथ प्राप्त? यह दृष्टिकोण शास्त्रीय आंकड़ों में उपलब्ध नहीं था, यही वजह है कि मुझे लगता है कि उन समय में सिद्धांत इतना महत्वपूर्ण था, क्योंकि गणित एकमात्र तरीका था जिससे हम यह सुनिश्चित कर सकते थे कि चीजें सही थीं या उन्होंने वास्तव में जिस तरह से हमने सोचा था कि उन्होंने जो किया था, वे काम करते हैं।
मैंने व्यक्तिगत रूप से हमेशा प्यार और विचार किया है और एक सैद्धांतिक दृष्टिकोण महत्वपूर्ण था। लेकिन वास्तविक डेटा और कंप्यूटिंग शक्ति के साथ चीजों को आज़माने में सक्षम होने की शक्ति ने मुझे आश्चर्यचकित कर दिया है यदि सैद्धांतिक खोज के उच्च प्रयास (और संभवतः कम पुरस्कार) अभी भी इसके लायक हैं।
क्या मशीन लर्निंग का सैद्धांतिक और राजसी खोज वास्तव में महत्वपूर्ण है?