Que é a aprendizaxe automática? Neste video tentaremos definir que é e tamén tentar
ofrecervos unha idea de cando hai que empregar aprendizaxe automática. Incluso dentro dos
profesionais da aprendizaxe automática non hai unha definición ben aceptada do que é e do que
non é a aprendizaxe automática. Pero deixádeme amosarvos un par de exemplos de como a
xente tentou definila. Aquí vai a definición do que é aprendizaxe automática
segundo Arthur Samuel. El define a aprendizaxe automática coma o campo de estudo que dá
ás computadoras a habilidade de aprender sen ter sido explicitamente programadas. O salto á fama de Samuel
foi nos anos 50, cando escribiu un programa do xogo das damas. E o
sorprendente deste programa do xogo das damas, foi que o mesmo Arthur Samuel
non era un bo xogador de damas. Mais o que fixo foi programar a computadora para xogar
decenas de milleiros de partidas contra si mesma, observando que tipos de posicións no
taboleiro levaban á vitoria e que tipos de posicións levaban a derrotas.
O programa do xogo de damas aprende co tempo cales son as
boas posicións no taboleiro e cales son as malas. E finalmente aprende a xogar
ás damas mellor do que Arthur Samuel é capaz el mesmo. Isto foi un resultado salientable.
Aínda que Samuel non era un bo xogador de damas. Pero grazas
a que a computadora ten a paciencia de xogar decenas de milleiros de veces contar si mesma.
Ningún humano ten a paciencia de xogar tal cantidade de partidas. Facendo isto a computadora foi capaz
de ter moita máis experiencia no xogo e finalmente converterse
nun xogador de damas mellor ca Arthur Samuel mesmo. Esta é dalgunha maneira unha definición
informal, e vella. Velaiquí outra definición algo máis recente de
Tom Mitchell, que é un amigo, en Carnegie Mellon. Tom define a aprendizaxe automática dicindo
que un problema de aprendizaxe ben proposto defínese do seguinte xeito. El di,
un programa de computadora dise que aprende da experiencia E con respecto de certa tarefa T e cunha medida
do rendemento P se esta medida sobre T medida por P mellora
a experiencia E. Creo que chegou a esta definición para facer que rimase.
Para o exemplo do xogo das damas, a experiencia E sería a
experiencia de ter o programa xogando decenas de milleiros de partidas contra si mesmo.
A tarefa T sería a tarefa de xogar ás damas. E a medida do rendemento P
sería a probabilidade de gañar a seguinte partida de damas contra
algún novo opoñente. A través destes vídeos, ademáis de tentar aprendervos a materia,
ocasionalmente fareivos algunha pregunta para estar seguro de que entendedes
o contido. Aquí vai unha. Na parte superior está a definición de aprendizaxe automática dada por Tom Michell
Supoñamos que o voso xestor de correo electrónico observa que correos marcades ou non
coma correo lixo. Nun cliente de correo coma este poderiades premer no botón de corro lixo para informar
de que un correo é correo lixo pero outros non. E baseándose nos correos marcados coma
lixo o voso programa aprende mellor como filtrar o correo lixo.
Cal sería a tarefa T neste caso? Nuns intres o video parará. Cando o faga,
podedes empregar o voso rato para seleccionar unha destas catro opcións para
facerme saber cal destas catro pensades que é a resposta correcta a esta pregunta.
Esa podería ser unha medida do rendemento P. E polo tanto, o rendemento da tarefa sobre a tarefa do noso sistema de
rendemento sobre a tarefa T, con respecto da medida do rendemento P mellorará despois
a experiencia E. Nesta clase espero aprendervos sobre diferentes tipos
de algoritmos de aprendizaxe. Hai moitos tipos diferentes de algoritmos de aprendizaxe.
Os dous principais son os chamados "aprendizaxe supervisada" e "aprendizaxe non supervisada"
Definirei mellor o que significan estes termos no próximo par de videos.
Pero dedúcese que na aprendizaxe supervisada, a idea, si, é que imos ensinar á
computadora a facer algo, mentres que na aprendizaxe non supervisada imos deixar
que aprenda por si mesma. Non vos preocupedes se estes dous termos non teñen sentido aínda, nos
próximos dous vídeos heivos dicir exactamente que é o que son estes dous tipos de aprendizaxe.
Escoitaredes tamén outros termos de moda coma aprendizaxe pro reforzo e sistemas
de recomendación. Estes son outros tipos de algoritmos de aprendizaxe automática dos que falaremos
máis adiante, pero os dous tipos de algoritmos de aprendizaxe máis empregados son probablemente
aprendizaxe supervisada e aprendizaxe non supervisada e heinos definir nos dous
próximos videos. E pasaremos a maior parte desta clase falando destes dous tipos de
algoritmos de aprendizaxe. Resulta que unha das outras cousas coas pasaremos moito tempo
nesta clase será o consello práctico de aplicación dos algoritmos de aprendizaxe. Isto
é algo que me parece moi importante e que realmente é algo que
non sei se se ensina noutras universidades. Ensinar sobre algoritmos de
aprendizaxe é coma dar unha serie de ferramentas. E igual de importante ou
máis importante ca dar ferramentas é ensinar como aplicar estas ferramentas. Gustaríame
facer unha analoxía coa aprendizaxe para ser carpinteiro. Imaxinade que alguén vos
está aprendendo como ser carpinteiro a divos "isto é un martelo, isto é
un desparafusador, isto é unha serra... boa sorte". Ben, non é bo, ou? Vos
tedes todas estas ferramentas, pero o máis importante é aprender como empregalas
axeitadamente. Hai unha gran diferenza entre a xente que
sabe como empregar estes algoritmos de aprendizaxe automática e aqueles qeu non
saben como empregalos ben. Aquí en Silicon Valley onde vivimos, cando vou
visitar diferentes compañías, incluso algusnhas das mási importantes de silicon Valley, a miudo vexo
xente tentando aplicar algoritmos de aprendizaxe automática a algún problema e
ás veces facéndoo durante seis meses. Pero ás veces cando vexo
o que están a facer, eu dígo, sabes? podería terlles dito, carai!
podería tervos dito hai seis meses que deberiades empregar un algoritmo de aprendizaxe e
aplicalo deste xeito un pouco modificado, e as vosas probabilidades de éxito terían
sido moito máis altas. Asi que o que imos facer nesta clase é realmente pasar moito
tempo falando de como, se realmente tentades desenvolver un sistema de aprendizaxe
automática, como facer que estas boas prácticas tipos decisión sobre o xeito no cal
construides o voso sistema para que cando esteades cosntruindo o voso algoritmo por primeira vez
Alguén podería terse decatado de que non ía funcionar
en absoluto e é unha perda de tempo de seis meses. Asi qeu vou pasar realmente
moito tempo aprendéndovos ese tipo de boas prácticas en aprendizaxe automática e
IA e como facer que esta materia funcione e como facemos, como os mellores o fan
en Silicon Valley e no mundo enteiro. Espero convertervos nuns dos mellores en
saber como deseñar e construír sistemas de aprendizaxe automática e IA serios. Asi que,
isto é aprendizaxe automática e estes son os prncipais temas que espero ensinar. No seguinte
video vou definir que é aprendizaxe supervisada e despois diso,
que é aprendizaxe non supervisada. E tamén empezar a falar de cando debedes empregar cada unha delas.