Hvordan Maskinlæring Hjalp Meg Til å Forstå Noen Aspekter Ved Tidlig Barndoms Utvikling - Alternativ Visning

Innholdsfortegnelse:

Hvordan Maskinlæring Hjalp Meg Til å Forstå Noen Aspekter Ved Tidlig Barndoms Utvikling - Alternativ Visning
Hvordan Maskinlæring Hjalp Meg Til å Forstå Noen Aspekter Ved Tidlig Barndoms Utvikling - Alternativ Visning

Video: Hvordan Maskinlæring Hjalp Meg Til å Forstå Noen Aspekter Ved Tidlig Barndoms Utvikling - Alternativ Visning

Video: Hvordan Maskinlæring Hjalp Meg Til å Forstå Noen Aspekter Ved Tidlig Barndoms Utvikling - Alternativ Visning
Video: 她們 2024, Kan
Anonim

Da min første sønn bare var to, elsket han allerede biler, kjente alle merker og modeller (enda mer enn jeg, takket være vennene mine), kunne kjenne dem igjen av en liten del av bildet. Alle sa: geni. Selv om de bemerket denne kunnskapens fullstendige nytteløshet. Og sønnen sov i mellomtiden med dem, rullet dem, plasserte dem nøyaktig på rad eller på et torg.

Da han var 4 år lærte han å telle, og på 5 år kunne han allerede formere seg og legge til innen 1000. Vi spilte til og med Math Workout (dette spillet er på Android - jeg likte å beregne i t-banen etter jobb), og på et tidspunkt ble han meg bare gjør det. Og på fritiden telte han opp til en million, som frøs de rundt ham. Geni! - sa de, men vi mistenkte at ikke helt.

For øvrig i markedet hjalp han moren ganske godt - han beregnet det totale beløpet raskere enn selgerne på kalkulatoren.

Samtidig spilte han aldri på banen, kommuniserte ikke med jevnaldrende, kom ikke særlig godt overens med barn og lærere i barnehagen. Generelt var han et lite forbeholdt barn.

Neste trinn var geografi - vi prøvde å kanalisere kjærligheten til tall et sted, og ga sønnen vår et gammelt sovjetisk atlas. Han kastet seg ned i det i en måned, og etter det begynte han å stille vanskelige spørsmål i stilen:

- Pappa, hvilket land tror du har et stort område: Pakistan eller Mosambik?

"Sannsynligvis Mosambik," svarte jeg.

- Men nei! Pakistan, er hele 2.350 km2 mer, - svarte sønnen lykkelig.

Salgsfremmende video:

Image
Image

Samtidig var han absolutt ikke interessert i verken menneskene som bodde i disse landene, eller deres språk, klær eller folkemusikk. Bare blotte tall: område, befolkning, volum av mineralreserver, etc.

Alle beundret igjen. "Smarte utover årene hans," sa de rundt, men jeg ble igjen bekymret, fordi Jeg forsto at dette er helt ubrukelig kunnskap, ikke knyttet til livserfaring, og som er vanskelig å fortsette å utvikle. Den beste bruken av alt jeg har funnet var et forslag om å beregne hvor mange biler som får plass på en parkeringsplass hvis et bestemt land blir rullet opp med asfalt (uten å ta hensyn til fjellterreng), men jeg stoppet raskt, fordi det lukter folkemord.

Interessant nok, på dette tidspunktet temaet biler var helt borte, husket ikke sønnen engang navnene på favorittbilene hans fra hans enorme samling, som vi begynte å dele ut med et tap av interesse. Og så begynte han å telle saktere i tankene og glemte snart rutene til land. Samtidig begynte han å kommunisere mer med sine jevnaldrende, ble mer kontakt. Genialiteten gikk, vennene sluttet å beundre, sønnen ble bare en god student med en forkjærlighet for matematikk og eksakte vitenskaper.

Gjentakelse er lærerens mor

Det ser ut til hva alt dette er til for. Dette sees hos mange barn. Foreldrene deres erklærer for alle at barna deres er genier, bestemødrene beundrer og berømmer barna for deres "kunnskap". Og så vokser de til vanlige, ganske enkelt smarte barn, ikke mer geni enn sønnen til min mors venn.

Mens jeg studerte nevrale nettverk, møtte jeg et lignende fenomen, og det ser ut til at det kan trekkes visse konklusjoner fra denne analogien. Jeg er ikke biolog eller nevrovitenskapsmann. Alle ytterligere - mine gjetninger uten påstand om å være spesielt vitenskapelige. Jeg vil gjerne motta kommentarer fra fagfolk.

Da jeg prøvde å forstå hvordan sønnen min lærte å telle raskere enn meg så kult (han fullførte nivået i Math Workout på 20,4 sekunder, mens rekorden min var 21,9), innså jeg at han ikke teller i det hele tatt. Han husket at når 55 + 17 vises, må du klikke på 72. På 45 + 38 må du klikke på 83, og så videre. Først, selvfølgelig, regnet han, men hoppet i hastighet skjedde i det øyeblikket da han klarte å huske alle kombinasjonene. Og ganske raskt begynte han å huske ikke spesifikke inskripsjoner, men kombinasjoner av symboler. Dette er nøyaktig hva de lærer på skolen, studerer multiplikasjonstabellen - husk korrespondansetabellen MxN -> P.

Det viste seg at han oppfattet det meste av informasjonen nettopp som en forbindelse mellom inndata og utdata, og at veldig generell algoritme som vi er vant til å bla for å få et svar ikke bare ble redusert til en veldig godt skjerpet høyspesialisert algoritme for å telle tosifrede tall. Han gjorde noen utmerkede oppgaver, men mye tregere. De. det alle syntes var superkult ble faktisk bare simulert av et godt trent nevralt nettverk for en spesifikk oppgave.

Ekstra kunnskap

Hvorfor har noen barn muligheten til å huske på denne måten, mens andre ikke gjør det?

Se for deg barnets interessefelt (her nærmer vi oss spørsmålet kvalitativt, uten målinger). På venstre side er et vanlig barns interessefelt, og til høyre er interessefeltet til et "begavet" barn. Som forventet er hovedinteressen konsentrert i områder som det er spesiell egnethet for. Men for hverdagslige ting og kommunikasjon med jevnaldrende er ikke fokuset lenger nok. Han anser denne kunnskapen som overflødig.

Interessene til et vanlig barn 5 år
Interessene til et vanlig barn 5 år

Interessene til et vanlig barn 5 år.

Interessene til et "strålende" barn på 5 år
Interessene til et "strålende" barn på 5 år

Interessene til et "strålende" barn på 5 år.

Hos slike barn analyserer og gjennomfører hjernen trening bare på utvalgte emner. Gjennom trening må det nevrale nettverket i hjernen lære å klassifisere innkommende data. Men hjernen har mange, mange nevroner til rådighet. Mye mer enn det som er nødvendig for normalt arbeid med så enkle oppgaver. Vanligvis løser barn mange forskjellige problemer i livet, men her blir alle de samme ressursene kastet inn i et smalere spekter av oppgaver. Og trening i denne modusen fører lett til det ML-fagpersoner kaller overmontering. Nettverket, som bruker en overflod av koeffisienter (nevroner), har trent på en slik måte at det alltid gir nøyaktig de nødvendige svarene (men det kan gi ut full tull på mellomliggende inputdata, men ingen ser det). Dermed førte treningen ikke til at hjernen valgte hovedegenskapene og husket dem, men til at den justerte mange koeffisienter,å gi et nøyaktig resultat på allerede kjente data (som på bildet til høyre). Dessuten har hjernen lært uansett på andre temaer, etter å ha blitt lite trent (som på bildet til venstre).

Image
Image

Hva er underinnredning og overmasse?

For de som ikke er i emnet, vil jeg fortelle deg veldig kort. Når du trener et nevralt nettverk, er oppgaven å velge et visst antall parametere (vekter av forbindelsen mellom nevroner) slik at nettverket svarer på treningsdataene (treningsprøven) så nøye og nøyaktig som mulig.

Hvis det er for få slike parametere, vil ikke nettverket kunne ta hensyn til detaljene i prøven, noe som vil føre til et veldig grovt og gjennomsnittlig svar som ikke fungerer bra selv på treningsutvalget. Ligner på bildet til venstre over. Det er underfitting.

Med et tilstrekkelig antall parametere vil nettverket gi et godt resultat, "svelge" sterke avvik i treningsdataene. Et slikt nettverk vil svare godt ikke bare på treningsutvalget, men også på andre mellomverdier. Som det midterste bildet over.

Men hvis nettverket blir gitt for mange konfigurerbare parametere, vil det trene på å reprodusere til og med sterke avvik og svingninger (inkludert de som er forårsaket av feil), noe som kan føre til fullstendig tull når du prøver å få et svar på inndata ikke fra treningsutvalget. Noe som på bildet til høyre over. Det er altfor passende.

Et enkelt illustrerende eksempel.

Image
Image

La oss si at du har flere punkter (blå sirkler). Du må tegne en jevn kurve for å forutsi plasseringen av andre punkter. Hvis vi for eksempel tar et polynom, i små grader (opp til 3 eller 4), vil vår glatte kurve være ganske nøyaktig (blå kurve). I dette tilfellet kan det hende at den blå kurven ikke går gjennom de opprinnelige punktene (blå punkter).

Imidlertid øker antall koeffisienter (og derfor graden av polynomet), vil nøyaktigheten ved å passere de blå punktene øke (eller til og med det vil være en 100% hit), men oppførselen mellom disse punktene vil bli uforutsigbar (se hvordan den røde kurven svinger).

Det virker for meg som om det er barnets tendens til et spesifikt tema (besettelse) og fullstendig uvitenhet om resten av temaene som fører til at det blir undervist i for mange "faktorer" til nettopp disse temaene.

Tatt i betraktning at nettverket er konfigurert for spesifikke inndata og ikke fremhevet "funksjonene", men dumt "husket" inndataene, kan de ikke brukes med litt forskjellige inndata. Bruken av et slikt nettverk er veldig smalt. Med alderen utvides horisontene, fokuset blir uskarpt, og det er ikke lenger en mulighet til å tildele samme antall nevroner til den samme oppgaven - de begynner å bli brukt i nye oppgaver mer nødvendige for barnet. "Innstillingene" for det overmonterte nettverket kollapser, barnet blir "normalt", geni forsvinner.

Hvis et barn har en dyktighet som er nyttig i seg selv og kan utvikles (for eksempel musikk eller sport), kan selvfølgelig hans "geni" opprettholdes i lang tid, og til og med bringe disse ferdighetene til et profesjonelt nivå. Men i de fleste tilfeller fungerer dette ikke, og det vil ikke være spor av gamle ferdigheter innen 8-10 år.

konklusjoner

  • har du et genialt barn? det vil passere;)
  • syn og "geni" er beslektede ting, og de er koblet nettopp gjennom læringsmekanismen
  • dette tilsynelatende "geni" er sannsynligvis ikke geni i det hele tatt, men effekten av for sterk trening av hjernen på en spesifikk oppgave uten å forstå det - bare alle ressursene ble viet til denne oppgaven
  • når han korrigerer de trange interessene til barnet, forsvinner hans geni
  • Hvis barnet ditt er "geni" og litt mer reservert enn jevnaldrende, må du utvikle de samme ferdighetene ytterligere nøye, aktivt utvikle horisontene dine parallelt, og ikke fokusere på disse "kule", men vanligvis unyttige ferdighetene

Forfatter: Sergey Poltorak

Anbefalt: