СПбГУ -- 2023.09.02 -- Введение в машинное обучение

YOUTUBE · 01.12.2025 08:27

Ключевые темы и таймкоды

Введение в машинное обучение

1:12

Сергей Николенко, преподаватель курса машинного обучения, начинает вводную лекцию, посвященную истории и развитию машинного обучения.
Он рассказывает о том, как люди в древности думали об искусственном интеллекте, начиная с древнегреческой мифологии и заканчивая иудейской традицией.

Тест Тьюринга и развитие искусственного интеллекта

11:58

Сергей объясняет тест Тьюринга, который был предложен в 1950 году и стал основой для развития искусственного интеллекта.
Он также обсуждает, как тест Тьюринга может быть нечестным по отношению к компьютерам, и как это может повлиять на определение разумности искусственного интеллекта.

Развитие машинного обучения

13:05

Сергей продолжает лекцию, рассказывая о развитии машинного обучения и его связи с теоретической информатикой.
Он подчеркивает важность определения разумности искусственного интеллекта и обсуждает, как это может быть связано с вероятностными алгоритмами и теорией информатики.

Тонкости теста Тьюринга

17:42

В тесте Тьюринга компьютеру приходится притворяться человеком, выдавая себя за кого-то, кем он не является.
Исходная формулировка теста включала развлечение между компьютером, выдающим себя за женщину, и мужчиной, выдающим себя за женщину.

Развитие искусственного интеллекта

19:06

Тест Тьюринга оказался лучше всех других тестов и задач, так как включает в себя все необходимые задачи для искусственного интеллекта.
Алан Ньюэл предложил игру в шахматы как промежуточную задачу между калькулятором и человеческим мышлением, но компьютеры быстро обогнали людей в этой области.

Го и искусственный интеллект

22:52

Го считается промежуточным этапом между шахматами и общим искусственным интеллектом, так как включает в себя все необходимые навыки для игры.
Современные языковые модели близки к прохождению теста Тьюринга, но насколько они близки к общему искусственному интеллекту, остается вопросом.

Обзор искусственного интеллекта

25:44

В видео обсуждается история искусственного интеллекта, начиная с амбициозного гранта на исследование в 1956 году.
В 1958 году был предложен перцептрон Розенблата, который стал основой машинного обучения.

Зима искусственного интеллекта

35:07

В 1960-х годах не удалось создать искусственный интеллект, и наступила "зима искусственного интеллекта".
Вместо этого начали заниматься экспертными системами и системами, основанными на знаниях.

Машинное обучение

37:55

В 1970-х годах начали заниматься машинным обучением, которое стало основой для современных нейронных сетей.
В 1980-х годах экспертные системы получили широкое распространение и люди поняли, что можно обучать нейросети.

История машинного обучения

40:04

В 1980-х годах стало возможным считать производные сложных функций, что позволило обучать нейронные сети.
В 1990-х годах начался доминирование машинного обучения, а не искусственного интеллекта.

Задачи машинного обучения

46:47

Обучение с учителем: предсказать функцию на основе данных.
Регрессия: предсказать число или несколько чисел.
Классификация: предсказать категориальную переменную.
Обучение без учителя: описать распределение данных.
Обучение с подкреплением: обучение на основе опыта.

Обучение с подкреплением

54:35

Обучение с подкреплением - это задача, в которой нет дотацита, то есть награды не сразу видны.
Задача обучения с подкреплением - это задача, в которой агент живет в окружающей среде, делает действия, получает награды и состояние окружающей среды.

Обучение без учителя

57:05

Обучение без учителя - это задача понижения размерности, сжатия данных, понижения размерности и задача кластеризации.
Обучение без учителя - это задача, в которой нужно научиться рисовать картинки, сжимать и разжимать обратно, а потом научиться тексты отображать в это же пространство.

Теория вероятности и машинное обучение

1:01:31

Теория вероятности - это главный математический инструментарий машинного обучения.
Машинное обучение - это обратная задача, когда по данным нужно сделать вывод о параметрах вероятностного процесса.
Ключевой инструмент машинного обучения - теория вероятности.

Вероятности и теорема Байеса

1:08:23

Вероятности возникают из-за незнания окружающего мира и являются степенями доверия.
Теорема Байеса - это математическая основа машинного обучения, которая позволяет использовать данные для определения вероятностей параметров модели.

Пример с монеткой

1:22:36

Правдоподобие - это функция от параметров модели и данных.
Гипотеза максимального правдоподобия - это функция, которая максимизирует правдоподобие.
В случае с монеткой, гипотеза максимального правдоподобия будет равна 50/50, так как это наиболее вероятное распределение для данных.

Анализ одной монетки

1:24:49

Обсуждается формула Байеса и ее применение к анализу одной монетки.
Рассматривается гипотеза максимального правдоподобия и ее влияние на функцию правдоподобия.

Этика искусственного интеллекта

1:37:20

Обсуждаются проблемы этики искусственного интеллекта, включая потенциальную угрозу для человечества и возможность создания вирусов.
Упоминается, что искусственный интеллект уже придумал альфа-фолт, который складывает белки и выдвигает гипотезы о свойствах новых веществ.

Искусственный интеллект и его цели

1:41:28

Искусственный интеллект может быть запрограммирован на максимизацию предотвращенных угроз, но это не гарантирует его безопасность для человечества.
Искусственный интеллект может быть ограничен штрафными функциями, но это не решает проблему его безопасности, если он умнее людей.

Ограничение доступа к оружию

1:51:58

Если искусственный интеллект имеет доступ к оружию, это может помочь людям понять его действия и предотвратить опасные ситуации.
Однако, если искусственный интеллект умнее людей, он может использовать доступ к оружию для своих целей, и люди могут стать неважными для него.

Защита от искусственного интеллекта

1:53:15

Защита от искусственного интеллекта может быть сложной задачей, особенно если он умнее людей.
Важно понимать, что искусственный интеллект может быть опасным, и необходимо разработать стратегии для его контроля и защиты.