executionგილოცავ
რეაქციაც სწორი გაქვს, უნდა ცადო ბევრი სხვადასხვა რამე, შეიძლება გაარტყა და სერიოზულად წინ წაწიო საქმე. ერთი მე რასაც ვფიქრობდი არის, რომ მე-N-ე შრემ მარტო N-1-დან კი არ გამოდიოდეს, არამედ ყველა მანამდე შრიდან, (1,2,3,...N). ან რამე სხვანაირად რომ შეცვალო შრეებს შორის ურთიერთდამოკიდებულება.
დებაგინგიც არც ისე ძნელია, თუ სისტემატურად მიყვები. თან მარტო ერთხელ უნდა გააკეთო როცა პირველად წერ იმ ფუნქციებს, მაგის მერე იგივე ფუნქციებს გამოიყენებ ყველა სხვა სისტემაზეც. თუნდაც პატარა მოდიფიკაციები გაუკეთო, არ იქნება ეგ ძალიან ძნელი.
გამზადებული დატასეტები აქ არის
http://www.image-net.org/ . მე არ გამომიყენებია, დეტალები არ ვიცი როგორ მუშაობს. კიდევ ეს ნახე
https://www.kaggle.com/ . აქ რეალური ფირმები მოდიან თავისი რაელური პრობლემებით და თავისი დატასეტებით. მანდ თუ კარგი შედეგები გექნება, გამოჩნდები და სამსახურს შემოგთავაზებენ.
* * *
ჩამოვწერ რამდენიმე ფაქტს DNN-ზე.
1. უკვე ადამიანზე უკეთესი შედეგი აქვს ბევრ რამეში, მაგალითად სურათის გარჩევაში, ხმის გარჩევაში, მთელ რიგ თამაშებში. ტექსტი შეუძლია თარგმნოს ერთი ენიდან მეორეზე ისე, რომ ადამიანის ნათარგმნიდან ვერ გაარჩევ. ანუ უკვე აქვს რიგი ზეადამიანური თვისებები.
2. ეს ზეადამიანური თვისებები არ არის რამე საოცარი პროგრამის შედეგი, პროგრამა, როგორც ვთვქი, მარტივი და სტანდარტულია. სასწაული ხდება წვრთნის დროს. აწვდი სისტემას მილიონ კატის სურათს და ეუბნები, აგერ შენ კატები და მიდი ახლა და შენ თვითონ გაარკვიე რა არის კატა.
3. როგორ არკვევს რა არის კატა, ჩვენ არ ვიცით. საბოლოო პასუხი განპირობებულია მილიარდობით პარამეტრით, რომლებიც ერთად იძლევიან პასუხს. როგორც წესი, ვერ გამოიძიებ და ვერ დაადებ ხელს რამეს კონკრეტულად, სისტემა შავი ყუთია. ეს სერიოზული პრობლემაა, ვთქვათ თვითმავალი მანქანა თუ მოხვდა ავარიაში, ადვილი არ იქნება მიზეზის დადგენა. შეიძლება მოგიწიოს გადააგდო რაც გაქვს და თავიდან გაწვრთნა ახალი DNN, რომელიც ასევე შავი ყუთი იქნება.
4. ნებისმიერ საკითხში ადამიანის დონის მისაღწევად, მოითხოვს ადამიანზე ბევრად მეტ წვრთნას. მაგალითად, პატარა ბავშვს, რომელსაც კატა არ უნახია, შეიძლება ერთი კატა ანახო და იმის მერე ეცოდინება კატა რა არის და ფაქტიურად 100% სიზუსტით შეეძლება ვთქვათ ძაღლისგან გარჩევა. DNN-ს მილიონობით სურათი უნდა აჩვენო მსგავსი შედეგიშტვის.
5. დღემდე რაც გაკეთებულა, ყველა არის ე.წ. ვიწრო AI, რომელიც მარტო ერთ რამეშია გაწვრთნილი და წარმოდგენა არ აქვს სხვა არაფერზე. მაგალითად კატის ამომცნობი, ხმას ვერ გაიგებს, ხმიმს გამგები მანქანას ვერ ატარებს და მანქანის მტარებელი ჭადრაკს ვერ ითამაშებს. ზოგადი AI ანუ AGI (artificial general intelligence), ანუ სისტემა, რომელსაც ადამიანის მაგვარი ინტელექტი ექნება ბევრ სხვადასხვა დარგში, ჯერ ჰორიზონტზეც არაა. როგორ უნდა მიუდგე ამ საკითხს და როგორ დაიწყო მსგავსი სისტემის კეთება, ეგეც უცნობია.
6. დღეს DNN არის საუკეთესო მეთოდი რაც გვაქვს, მაგრამ ეგ არ ნიშნავს, რომ უკეთესი არ არსებობს. 4 და 5-ის გადასაწყვეტად, სავარაუდოდ რამე სხვა მეთოდის მოფიქრება გახდება საჭირო.
7. მთელი ეს დარგი ძალიან ახალია, ჯერ კიდევ ნიუტონამდელი ფიზიკის დონეზეა. შეიძლება ჩაუჯდე და საკმაოდ მოკლე დროში ისწავლო ყველაფერი რაც ამ დარგში სასწავლია და აღმოჩნდე ქათინგ ეჯზე.