Текст видео
Как же выглядят эти модели машинного обучения? Два самых распространённых класса моделей машинного обучения: модели без учителя и модели с учителем. Главное различие между ними в том, что у моделей с учителем есть метки. Размеченные данные снабжены тегом, например именем, типом или числом. У неразмеченных данных такого тега нет.
Модели с учителем
Что можно делать с помощью моделей с учителем и без учителя? Этот график иллюстрирует задачу, которую может решать модель с учителем. Допустим, вы владелец ресторана. Какую еду там подают? Скажем, пиццу... или пельмени. Нет, пусть будет пицца. Я люблю пиццу.
Итак, у вас есть исторические данные о сумме счёта и о том, сколько чаевых оставляли разные люди в зависимости от типа заказа: самовывоз или доставка. В обучении с учителем модель учится на прошлых примерах, чтобы предсказывать будущие значения. Здесь модель использует данные об общей сумме счёта, чтобы предсказать будущую сумму чаевых в зависимости от того, забрали заказ самостоятельно или его доставили. И ещё: оставляйте чаевые курьерам. Они очень много работают.
Модели без учителя
Это пример задачи, которую может решать модель без учителя. Здесь вы смотрите на стаж и доход, а затем группируете, то есть кластеризуете, сотрудников, чтобы понять, находится ли кто-то на быстром пути к повышению. Отличная работа, синяя рубашка. Задачи обучения без учителя посвящены поиску закономерностей: вы смотрите на необработанные данные и проверяете, делятся ли они на группы естественным образом.
Как работает обучение с учителем
Это хорошее начало, но давайте разберёмся глубже и покажем это различие на графиках, ведь понимание этих концепций служит основой для понимания генеративного ИИ. В обучении с учителем в модель подаются тестовые значения данных x. Модель выдаёт предсказание и сравнивает его с обучающими данными, на которых она обучалась. Если предсказанные значения тестовых данных и фактические значения обучающих данных сильно расходятся, такое расхождение называется ошибкой. Модель стремится уменьшать эту ошибку, пока предсказанные и фактические значения не сблизятся. Это классическая задача оптимизации.
Давайте подведём промежуточный итог. Пока мы разобрали различия между искусственным интеллектом и машинным обучением, а также между обучением с учителем и без учителя. Это хорошее начало. Но что дальше? Давайте коротко рассмотрим, какое место занимает глубокое обучение как подмножество методов машинного обучения. А потом, обещаю, мы начнём говорить о генеративном ИИ.
Перевод официального курса Google «Введение в генеративный ИИ». Оригинал на английском.