Есть задача
Как обучить нейросеть и оценить результаты ее работы
Алгоритмы машинного обучения прошли долгий путь от понятного инструмента к «чёрному ящику» — порой их создателям сложно объяснить, почему модель выдает тот или иной результат. Однако это важно понимать, чтобы более эффективно обучать нейросети и взаимодействовать с ними. В подкасте «Есть задача», который N + 1 делает вместе с Yandex Research, мы рассказываем, зачем исследовать работу ML-моделей и сравнивать их друг с другом.
Машинное обучение помогает нам в самых разных ситуациях: обработать фотографию, определиться с досуг,ом узнать погоду, диагностировать рак и многое другое. Впрочем, несмотря на внушительные успехи, это очень молодая область, где нерешенными остаются фундаментальные задачи. О том, над чем сегодня работают специалисты в ML, мы говорим в «Есть задача» — совместном проекте Yandex Research и N + 1.
О том, как «думают» нейросети, мы рассказывали в мультфильме. А для тех, кто хочет подробнее узнать об истории развития нейросетей и изучении их логики, мы подготовили материал «Внимание, черный ящик».
Подкаст также можно слушать на Apple Podcasts и Google Подкастах.
В чем заключаются особенности азиатского подхода к науке
Концепция «азиатской» науки как обособленного знания появилась благодаря Карлу Марксу и Эдварду Саиду. Первый изобрел азиатский способ производства, а второй написал книгу «Ориентализм», где создал мистический и загадочный флер вокруг восточных обществ. В глазах европейцев Восток предстал едва ли объяснимым с помощью классических моделей западной науки, а азиатский способ получения знания — связанным с мистикой. Сегодня эти представления лишь укрепились благодаря деколониальному повороту, который подталкивает читателя к восприятию азиатской науки как «странной», «таинственной» и даже «мистической». В этом материале N + 1 рассказывает, как синтез технологий, культурных традиций и идеологий порождает отличающуюся от западной, но все-таки вполне понятную картину науки на Востоке.