< Return to Video

What is Machine Learning? (7 min)

  • 0:00 - 0:05
    מהי למידה חישובית? בסרטון זה ננסה להגדיר את המונח וגם ננסה
  • 0:05 - 0:10
    לתת תחושה מתי נרצה להשתמש בלמידה חישובית. אפילו בקרב העוסקים
  • 0:10 - 0:14
    בתחום למידה חישובית, אין הגדרה מוסכמת על כולם של
  • 0:14 - 0:19
    מהי למידה חישובית. אבל תנו לי להראות לכם מספר דוגמאות לדרכים
  • 0:19 - 0:24
    שבהן אנשים ניסו להגדיר את המונח. זו ההגדרה של מהי למידה חישובית
  • 0:24 - 0:29
    לפי ארתור סמואל. הוא הגדיר את הלמידה החישובית כתחום מחקר שנותן
  • 0:31 - 0:34
    למחשבים את היכולת ללמוד מבלי להיות מתוכנתים באופן מפורש. סמואל זכה
  • 0:34 - 0:38
    להכרה אי-שם בשנות ה-50, כשכתב תוכנה שמשחקת דמקה.
  • 0:38 - 0:44
    העובדה המדהימה לגבי התוכנה ההיא הייתה שארתור סמואל בעצמו
  • 0:44 - 0:48
    לא היה שחקן דמקה כל כך טוב. אבל הוא תיכנת את התוכנה כך שתשחק
  • 0:48 - 0:52
    עשרות אלפי משחקים נגד עצמה. על ידי צפייה באילו מהלכים
  • 0:52 - 0:57
    על הלוח הובילו בדר"כ לניצחון, ואילו מהלכים הובילו בדר"כ להפסד.
  • 0:57 - 1:01
    תוכנת הדמקה למדה במשך הזמן אילו מהלכים טובים
  • 1:01 - 1:05
    ואילו מהלכים גרועים. בסופו של דבר היא למדה
  • 1:05 - 1:10
    לשחק דמקה יותר טוב מארתור סמואל בעצמו. זו הייתה תוצאה מדהימה.
  • 1:10 - 1:15
    לא בגלל שארתור סמואל לא היה שחקן דמקה כל כך טוב, אלא מכיוון
  • 1:15 - 1:19
    שלמחשב היתה סבלנות לשחק עשרות אלפי משחקים נגד עצמו.
  • 1:19 - 1:24
    לאף אדם אין סבלנות לשחק כל כך הרבה משחקים. באופן זה המחשב יכל
  • 1:24 - 1:29
    לצבור המון נסיון במשחק דמקה, כך שבסופו של דבר הוא הפך
  • 1:29 - 1:34
    לשחקן דמקה טוב יותר מארתור סמואל. זוהי הגדרה
  • 1:34 - 1:39
    לא רשמית וישנה. הנה הגדרה קצת יותר מעודכנת
  • 1:39 - 1:44
    של טום מיטצ'ל, שהוא חבר שלי מקרנגי-מלון. טום הגדיר למידה חישובית
  • 1:44 - 1:49
    כך שבעיית למידה מנוסחת היטב מוגדרת באופן הבא: תוכנת מחשב
  • 1:49 - 1:54
    לומדת מנסיון E ביחס למטלה מסויימת T
  • 1:54 - 1:59
    וקריטריון ביצועים כלשהו P, אם הביצועים שלה ב-T כפי שנמדד על ידי P משתפרים
  • 1:59 - 2:04
    ביחס לנסיון שנצבר E. אני חושב שהוא הגיע להגדרה הזו רק
  • 2:04 - 2:08
    כדי שתהיה חריזה. לדוגמא במשחק הדמקה הנסיון E יהיה
  • 2:08 - 2:13
    הנסיון שצברה התוכנה מעשרות אלפי משחקים נגד עצמה.
  • 2:13 - 2:18
    המטלה T היא המטלה של משחק הדמקה. וקריטריון הביצועים P
  • 2:18 - 2:22
    יהיה ההסתברות שהיא תזכה במשחק דמקה הבא נגד
  • 2:22 - 2:27
    מתחרה חדש כלשהו. במהלך הסרטונים הקרובים, מלבד לנסות ללמד אתכם דברים,
  • 2:27 - 2:32
    אני אשאל אתכם שאלות מדי פעם, כדי לוודא שהבנתם את תוכן השיעור.
  • 2:32 - 2:37
    הנה שאלה אחת, למעלה מופיעה ההגדרה של למידה חישובית לפי
  • 2:37 - 2:42
    טום מיטצ'ל. בואו נגיד שתוכנת הדוא"ל שלכם רואה אילו הודעות אתה מסמן כדואר זבל.
  • 2:42 - 2:48
    אז בשרת דוא"ל כזה אתה יכול ללחוץ על כפתור דואר זבל כדי לדווח
  • 2:48 - 2:53
    על חלק מההודעות כדואר זבל. בהתבסס על אילו הודעות סימנת
  • 2:53 - 2:59
    כדואר זבל, תוכנת הדוא"ל שלך לומדת איך לסנן הודעות זבל בצורה טובה יותר.
  • 2:59 - 3:04
    מהי המטלה T במקרה זה? בעוד מספר שניות הסרטון ייעצר וכשזה יקרה
  • 3:04 - 3:10
    תוכל להשתמש בעכבר כדי לבחור אחת מתוך ארבע אפשרויות, כדי
  • 3:10 - 3:40
    לאפשר לי לדעת אילו מארבעת האפשרויות היא התשובה הנכונה לדעתך לשאלה זו.
  • 3:40 - 3:46
    זה יכול להיות מדד ביצועים P. וכך, הביצועים של המטלה שלנו... המטלה שביצועי
  • 3:46 - 3:51
    המערכת במטלה T, לפי קריטריון הביצועים P ישתפרו לאחר
  • 3:51 - 3:56
    הנסיון שנצבר E. בהרצאה זו אני מקווה שתלמדו על מגוון סוגים שונים של
  • 3:56 - 4:01
    אלגוריתמי למידה. ישנם מספר סוגים שונים של אלגוריתמי למידה.
  • 4:01 - 4:06
    שני הסוגים העיקריים הם אלגוריתמי למידה מודרכת
  • 4:06 - 4:11
    ולמידה בלתי-מודרכת. אני אגדיר מונחים אלו ביתר פירוט בסרטונים הבאים, אבל
  • 4:11 - 4:16
    מתברר כי בלמידה מודרכת, הרעיון הוא שאנו נלמד את
  • 4:16 - 4:21
    המחשב כיצד לעשות משהו, בעוד שבלמידה בלתי-מודרכת אנו ניתן
  • 4:21 - 4:25
    לו ללמוד בעצמו. אל תדאגו אם שני המונחים האלו עדיין לא ברורים,
  • 4:25 - 4:30
    בשני הסרטונים הבאים אני הולך להגדיר בדיוק מה שני סוגים אלה של למידה.
  • 4:30 - 4:34
    אתם גם תשמעו מונחים מפוצצים כמו למידה מחיזוקים ומערכות
  • 4:34 - 4:39
    המלצה. אלה הם סוגים אחרים של אלגוריתמי למידה חישובית, אשר נדון
  • 4:39 - 4:42
    בהם מאוחר יותר. אך שני הסוגים הנפוצים ביותר של אלגוריתמי למידה הם
  • 4:42 - 4:47
    למידה מודרכת ובלתי-מודרכת ואני אגדיר אותם בשני הסרטונים
  • 4:47 - 4:51
    הבאים ואנו נשקיע את רוב הקורס בשני סוגים אלו
  • 4:51 - 4:56
    של אלגוריתמי למידה. מתברר שאחד הדברים האחרים שנשקיע בהם המון זמן
  • 4:56 - 5:00
    בקורס זה, הוא עצות מעשיות איך ליישם אלגוריתמי למידה.
  • 5:00 - 5:04
    זה משהו שאני מרגיש צורך חזק לעשות אותו וזה משהו שאני
  • 5:04 - 5:08
    למעשה לא יודע על אף אוניברסיטה אחרת שמלמדת את זה. לימוד של
  • 5:08 - 5:13
    אלגוריתמי למידה זה כמו לתת לך מגוון של כלים וחשוב באותה מידה או
  • 5:13 - 5:18
    יותר חשוב מלתת את הכלים, זה ללמד אותך איך להשתמש בכלים האלו.
  • 5:18 - 5:22
    אני אוהב להשתמש באנלוגיה של למידה להיות נגר. תדמיינו שמישהו
  • 5:22 - 5:27
    מלמד אותך כיצד להיות נגר והוא אומר לך הנה פטיש, הנה
  • 5:27 - 5:31
    מברג, הנה מסור, בהצלחה. ובכן, זה לא טוב, נכון? יש לך את
  • 5:31 - 5:35
    כל הכלים אלה, אך הדבר החשוב יותר, הוא ללמוד כיצד להשתמש
  • 5:35 - 5:39
    כמו שצריך בכלים האלה. יש הבדל עצום בין אנשים
  • 5:39 - 5:43
    שיודעים כיצד להשתמש באלגוריתמי למידה חישובית, לעומת אנשים שלא יודעים
  • 5:43 - 5:48
    כיצד להשתמש בכלים אלה כמו שצריך. כאן בעמק הסיליקון, בו אני חי, כשאני הולך
  • 5:48 - 5:52
    לבקר חברות שונות אפילו בחברות מובילות בתחומן, לעיתים קרובות אני רואה
  • 5:52 - 5:56
    אנשים שמנסים להפעיל אלגוריתמי למידה חישובית על בעיה כלשהי
  • 5:56 - 6:01
    ולפעמים הם עושים את זה במשך שישה חודשים. אך לעתים, כאשר אני מסתכל
  • 6:01 - 6:05
    מה הם עושים, אני אומר: אתם יודעים, הייתי יכול להגיד לכם
  • 6:05 - 6:10
    לפני שישה חודשים שאתם צריכים לקחת אלגוריתם למידה חישובית
  • 6:10 - 6:14
    ולהפעיל אותו קצת בדרך אחרת והסיכויים שלכם להצליח היו
  • 6:14 - 6:20
    גבוהים בהרבה. אז מה שאנחנו הולכים לעשות בקורס הזה הוא למעשה להשקיע הרבה
  • 6:20 - 6:24
    זמן לדבר על איך, אם באמת תנסו לפתח מערכת לומדת,
  • 6:24 - 6:28
    איך לקבל החלטות על שיטות העבודה הטובות ביותר על הדרך שבה
  • 6:28 - 6:31
    נבנה את המערכת, כך כשתפעיל אלגוריתם לומד סביר פחות
  • 6:31 - 6:35
    שתגמור כמו אחד מהאנשים האלו שמנסים כבר חצי שנה דרך מסויימת
  • 6:35 - 6:39
    שאתה יודע שמישהו אחר היה יודע מיד שזה פשוט לא יעבוד
  • 6:39 - 6:44
    וזה פשוט בזבוז של חצי שנה. אז אני למעשה הולך להשקיע
  • 6:44 - 6:48
    הרבה זמן ללמד אתכם כל מיני שיטות עבודה מומלצות בלמידה חישובית
  • 6:48 - 6:52
    ואינטליגנציה מלאכותית, וכיצד לגרום לדברים לעבוד, ואיך אנו עושים זאת, כיצד האנשים הטובים ביותר עושים את זה
  • 6:52 - 6:56
    בעמק הסיליקון וברחבי העולם. אני מקווה להפוך אותך לאחד האנשים הטובים ביותר
  • 6:56 - 7:00
    שיודעים כיצד לתכנן ולבנות מערכת לומדת רצינית ומערכות אינטליגנציה מלאכותית. אז,
  • 7:00 - 7:05
    זו למידה חישובית ואלה הם הנושאים העיקריים שאני מקווה ללמד.
  • 7:05 - 7:09
    בסרטון הבא אני הולך להגדיר מהי למידה מודרכת ולאחר מכן
  • 7:09 - 7:14
    מהי למידה בלתי-מודרכת. כמו כן, אתחיל להסביר מתי צריך להשתמש בכל אחד מהם.
Title:
What is Machine Learning? (7 min)
Video Language:
English

Hebrew subtitles

Revisions

Our website uses cookies for analysis purposes.