Dzisiejszy wpis będzie krótki, będzie uproszczony i jest to celowy zabieg, bo jego celem będzie wyjaśnienie pojęć, takich jak: Uczenie Maszynowe i Model.

Do wyjaśnienia wykorzystam parę zgrabnych… modeli.

Zanim zaczniemy, małe intro, aby wejść w klimat.

Intro

Zwykły dzień w pracy. Szef wysyła Cię razem z kolegą aby, odebrać paczkę od mało zorganizowanych i mało lojalnych pracowników.

Jedziecie sobie spokojnie. Rozmawiacie o niedawnej podróży kolegi do Holandii, porównujecie małe różnice kulturowe, trochę o burgerach, trochę o masażu stóp i dlaczego nie należy robić go żonie szefa.

Z małymi problemami odbieracie w końcu przesyłkę i robicie porządek z nielojalnymi pracownikami. Jednego nawet zabieracie ze sobą. Przypadek, pech i zrządzenie losu sprawiają, że na progu zwalniającym palec trzymany na spuście pistoletu lekko drgnął. Efekt jest taki, że ostatni nielojalny pracownik traci życie w dość efektownym stylu w środku samochodu, w którym siedzicie razem z kolegą. Bałagan nie należy do tych, który można ogarnąć chusteczką higieniczną i butelką wody. Duże ryzyko kontroli przez przypadkowy patrol policyjny pogłębia problem.

Jedyny pomysł to zatrzymać się u kolegi i pomyśleć co dalej. Jednak zmiennych jest tak dużo, że przydałaby się czyjaś pomoc. I zanim nastąpi rozwiązanie problemu, odpowiemy na kilka pytań.

Czym Nie Jest Model?

W pierwszym poście jednym ze słów kluczowych był model. Jest sporo niezrozumienia z tym słowem. Zanim powiemy, czym jest model, najpierw czym nie jest.

Model to nie jest idealne i pełne odzwierciedlenie rzeczywistości. Jeśli by tak było, sam model nie miałby racji bytu i nie byłby potrzebny.

Czym Jest Model?

Model to produkt finalny, reprezentacja i/lub uproszczenie rzeczywistości, tego, jak świat funkcjonuje na podstawie danych. Wiąże się z odrzuceniem szumu i skupieniu się na esencji.

Czym Jest Uczenie Maszynowe?

Można podawać ścisłe definicje, czym jest uczenie maszynowe, ale celem wpisu jest upraszczanie rzeczywistości.

Uczenie Maszynowe to uczenie komputerów jak mają uczyć się z danych w celu podejmowania decyzji.

Wyobraźmy sobie dziecko, które poznaje świat w sposób, jaki potrafi, czyli głównie poprzez wkładanie wszystkiego do buzi. Co jakiś czas w jego ręce trafia cukierek.

Uczy się wzorca. Coś kolorowego, szeleszczącego nienadającego się do jedzenia (papierek) ukrywa kolorowe, ładnie pachnące, bardzo słodkie i smaczne coś (cukierek). Dziecko ma model, według którego upraszcza świat. Co jest cukierkiem, a co nie jest.

Uproszczenie jest wygodne, ale ryzykowne, jeśli model nie jest aktualizowany o nowe dane. Dziecko za cukierek może uznać równie ładnie i kolorowo wyglądającą plastelinę. Oczywiście po kilku próbach organoleptycznych (czytaj smakowania plasteliny) model jest zaktualizowany, nie wszystkie ładnie pachnące kolorowe przedmioty są cukierkami i można je jeść.

Kiedy Uczenie Maszynowe?

Przechodzimy do sedna. Wiemy już, czym jest model w ogólnym znaczeniu. Wiemy, czym jest i jak przebiega Uczenie Maszynowe. Pora odpowiedzieć sobie, kiedy używać Uczenia Maszynowego?

Codziennie jako ludzie jesteśmy bombardowani koniecznością podejmowania różnorodnych decyzji.

Decyzje można w uproszczeniu podzielić na:

  • proste, typu: czy powinienem umyć zęby? czy muszę zapłacić czynsz? jaką trasą wrócić do domu?
  • bardziej skomplikowane, typu: czy muszę jeść ten deser? jak poprawić swoją produktywność? jak poprawić swój wizerunek? (trzeba się chwile zastanowić, żeby podjąć decyzję)
  • TRUDNE, typu: w jakie akcje najlepiej teraz zainwestować? gdzie będzie miała miejsce następna zbrodnia? który, z pacjentów ma szanse na wyzdrowienie? (ciężko ze względu na ilość zmiennych i danych podjąć decyzję) Tutaj Uczenie Maszynowe ma szansę błyszczeć.

Pamiętasz naszą sytuację z początku posta? Stoimy przed trudną decyzją i szukamy pomocy. Nadjeżdża…

Jestem Winston Wolfe. Rozwiązuję problemy!

Winston Wolfe w Pulp Fiction jest dla problemów tym, czym Uczenie Maszynowe dla trudnych decyzji. Wolfe podejmuje szybkie decyzje, na podstawie zebranych informacji tak jak Uczenie Maszynowe upraszcza wielką ilość danych do jednej decyzji lub prognozy.

W uproszczeniu wygląda to tak.

Uczenie Maszynowe - Model
Model Uczenia Maszynowego

Oczywiście powyższy schemat to też model.