Sztuczne sieci neuronowe wymagają ustrukturyzowanych danych treningowych. To jest krótka odpowiedź, a jej część ludzie często pomijają zbyt szybko.
Nadal widzę ten sam zamęt wokół tego tematu. Ludzie słyszą „sieć neuronowa” i myślą, że model może uczyć się z niemal wszystkiego, o ile istnieje wystarczająco dużo danych. To jest blisko prawdy, ale nie do końca poprawne. Dane nadal muszą być uporządkowane w formie, którą model może przeczytać, a zadanie musi być na tyle jasne, aby trening miał sens.
W praktyce sieć neuronowa uczy się na przykładach. Każdy przykład zawiera dane wejściowe i często docelowe wyjście. Jeśli model wykonuje naukę nadzorowaną, celem jest odpowiedź, do której próbuje dopasować się model. Tabela z wierszami, kolumnami i etykietami to prosty przypadek. Zbiór obrazów, w którym każdy obraz jest powiązany z etykietą klasy, to kolejny. Nawet gdy surowe dane wejściowe wyglądają na bałagan, konfiguracja treningowa pozostaje ustrukturyzowana.
To słowo ma znaczenie: ustrukturyzowane. Nie zawsze oznacza to „dane tabelaryczne” w wąskim sensie. Obrazy, dźwięk i tekst również mogą być używane, ale nie są podawane jako surowy chaos. Są kodowane na liczby, dzielone na zestawy treningowe i testowe oraz parowane z odpowiednimi etykietami lub celami. Sieć nie uczy się z nieuporządkowanych kopii plików. Uczy się z przygotowanych danych o znanej strukturze i znanym celu.
Właśnie tutaj przykłady z wielu pierwszych kursów AI mogą wydawać się zbyt idealne. Obraz cyfry staje się siatką liczb. Rekord domu staje się kolumnami takimi jak powierzchnia czy liczba pokoi. Zadanie przewidywania kliknięć staje się tabelą cech i etykiet. Sieć widzi wzorce w tych strukturach. Nie wymyśla struktury sama w sobie. To nasz obowiązek.
Istnieje drugi punkt, który ma równie duże znaczenie. Dane muszą odpowiadać zadaniu. Jeśli celem jest klasyfikacja, etykiety muszą wskazywać, do której klasy należy każdy przykład. Jeśli celem jest regresja, cel musi być liczbą. Jeśli cel jest błędny, brakujący lub szumny, sieć może nadal trenować, ale wynik może być słaby lub mylący. Sieć neuronowa nie jest maszyną szukającą prawdy. Jest to uczący się wzorców model o ścisłych wymaganiach dotyczących danych wejściowych.
Myślę, że to najczystszy sposób, by to powiedzieć: sieci neuronowe są elastyczne, ale nie są wolnymi myślicielami. Potrzebują przykładów, które zostały ukształtowane pod kątem nauki. To kształtowanie może być proste dla danych tabelarycznych i bardziej złożone dla obrazów lub tekstu, ale nigdy nie znika. Przygotowanie danych jest częścią modelu, nawet gdy mówi się o nim, jakby było czymś odrębnym.
Istnieje tu jeden szczery limit. Nie każde zadanie związane ze sztucznymi sieciami neuronowymi zależy w taki sam sposób od oznaczonych, ładnie ustrukturyzowanych danych. Metody samo-nadzorowane i słabo-nadzorowane mogą zmniejszać potrzebę ręcznego oznaczania, a niektóre systemy wykorzystują ograniczenia lub reguły domenowe zamiast klasycznych przykładów. Ale te metody nadal polegają na strukturze. Przenoszą tylko część pracy z etykiet na inne formy sygnałów. Konieczność zachowania porządku nie znika.
Zatem praktyczna odpowiedź pozostaje taka sama. Sztuczne sieci neuronowe wymagają ustrukturyzowanych danych treningowych, ponieważ nauka zależy od jasnych danych wejściowych, jasnych celów i powtarzalnej konfiguracji treningowej. Bez tego sieć nie ma nic stabilnego, do czego mogłaby dopasować. Może nadal działać, ale nie będzie się dobrze uczyć.
O tego rodzaju szczegóły dba The Model Log: jedno praktyczne pojęcie z zakresu AI, jeden działający przykład i jeden szczery rzut oka na to, co naprawdę działa.
