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.
Почему животным не нужно узнавать себя в отражении
Мнение редакции может не совпадать с мнением автора
Когда в 1970 году Гордон Гэллап-младший предложил зеркальный тест, логика эксперимента казалась безупречной в своей наглядности. С тех пор его успешно прошло куда больше животных, а сам он стал восприниматься как главный способ оценить, осознает ли существо свое присутствие в физическом мире — и, следовательно, обладает ли самосознанием. Однако все больше экспериментов показывают, что классический вариант теста не универсален. В этом материале кандидат психологических наук и заведующий кафедрой общей психологии Московского института психоанализа Иван Хватов рассказывает, откуда мы знаем, что животные, которые не проходят тест, все-таки способны осознавать границы собственного тела.