Video: Künstliche Intelligenz - Statistik, manipuliertes Lernen und zu hohe Erwartungen 2025
Einige Online-Sites würden Sie glauben machen, dass Statistiken und maschinelles Lernen zwei völlig unterschiedliche Technologien sind. Zum Beispiel, wenn Sie Statistik vs. Maschinelles Lernen lesen, kämpfen Sie! Sie haben den Eindruck, dass die beiden Technologien nicht nur unterschiedlich, sondern geradezu feindselig gegenüber einander sind. Tatsache ist, dass Statistik und maschinelles Lernen vieles gemeinsam haben und dass Statistiken einen der fünf Stämme (Denkschulen) darstellen, die maschinelles Lernen möglich machen. Die fünf Stämme sind
- Symbolisten: Der Ursprung dieses Stammes liegt in der Logik und Philosophie. Diese Gruppe beruht auf inverser Deduktion, um Probleme zu lösen.
- Connectionists: Der Ursprung dieses Stammes liegt in den Neurowissenschaften. Diese Gruppe verlässt sich auf Backpropagation, um Probleme zu lösen.
- Evolutionäre: Der Ursprung dieses Stammes liegt in der Evolutionsbiologie. Diese Gruppe ist auf genetische Programmierung angewiesen, um Probleme zu lösen.
- Bayesians: Dieser Ursprung dieses Stammes ist in der Statistik. Diese Gruppe ist auf probabilistische Inferenz angewiesen, um Probleme zu lösen.
- Analogisatoren: Der Ursprung dieses Stammes liegt in der Psychologie. Diese Gruppe ist auf Kernel-Maschinen angewiesen, um Probleme zu lösen.
Das ultimative Ziel des maschinellen Lernens ist es, die Technologien und Strategien der fünf Stämme zu kombinieren, um einen einzigen Algorithmus (den Master-Algorithmus) zu schaffen, der alles lernen kann. Natürlich ist es ein weiter Weg, dieses Ziel zu erreichen. Dennoch arbeiten Wissenschaftler wie Pedro Domingos derzeit an diesem Ziel.
Mit der Bayesianischen Stammesstrategie lösen Sie die meisten Probleme mit einer Form der statistischen Analyse. Sie sehen, dass Strategien von anderen Stämmen beschrieben werden, aber der Hauptgrund, warum Sie mit Statistiken beginnen, ist, dass die Technologie bereits gut etabliert und verstanden ist. In der Tat qualifizieren viele Elemente der Statistik mehr als Technik (in der Theorien implementiert werden) als Wissenschaft (in der Theorien erstellt werden). Das Verständnis der Rolle von Algorithmen beim maschinellen Lernen ist wesentlich für die Definition des maschinellen Lernens.
