Como alguien que ha pasado el último año diseñando y construyendo (con un pequeño equipo) un producto complejo de nivel empresarial que tiene dos grandes motores de aprendizaje automático en su núcleo, puedo tratar de responder esto.
El aprendizaje automático, cuando se lleva a su conclusión lógica, afecta sustancialmente el diseño del producto. De hecho, es una mentalidad completamente diferente cuando se trata del proceso de construcción del producto y de decidir qué características seguir. Esta pregunta se centra en la tensión, así que no me desviaré de eso.
La forma más fácil de explicar esto es mediante una analogía (altamente simplificada).
- ¿Cómo y por qué funciona la estimación de contraste de ruido?
- ¿Dónde puedo ir para averiguar cómo extraer características de un documento de texto para usar en el entrenamiento de un clasificador?
- ¿Cómo debo elegir entre convertirme en un desarrollador de JavaScript de pila completa o un ingeniero de aprendizaje automático?
- Teoría de la información: ¿Cuál es la relación entre la inteligencia y los algoritmos de compresión de datos?
- ¿Puedo tomar el curso de aprendizaje automático de Andrew Ng siendo un estudiante de secundaria con algo de experiencia en programación y sin conocimientos avanzados de matemáticas?
Imagine que ha sido un entrenador profesional de baloncesto durante muchos años. Estás acostumbrado a enseñar a tus jugadores directamente: “Cuando otro jugador intenta robar la pelota, da la vuelta hacia él o pasa la pelota”, “Al realizar un tiro penal, toma unos segundos para apuntar”, y así sucesivamente.
Ahora viene alguien y te dice que hay una nueva forma de entrenar jugadores. Debes dejar que vean juegos todo el día. No explicas nada de lo que solías explicar. Ni siquiera necesitas enseñarles las reglas del baloncesto. En cambio, su trabajo es proporcionarles un meta-método para encontrar patrones en los juegos y usar los patrones para construir un mapa de situaciones a reacciones (también conocido como “modelo” + cómo aplicar el modelo para ganar un juego).
A partir de ese momento, su trabajo consistirá en seguir alimentándolos con juegos para ver y dejarlos jugar un juego real de vez en cuando, aplicando sus comportamientos aprendidos.
A medida que los vea jugar, deberá ser muy abierto y aceptar que pueden presentar estrategias que son muy diferentes de lo que esperaría. Por ejemplo, pueden decidir dejar que un jugador lance desde la línea de media cancha cada vez que los demás realizan movimientos de break dance a su alrededor. Querrías gritarles pero no puedes. Solo puedes juzgarlos por el resultado en el marcador al final del juego. Quién sabe, este loco $ #! T podría funcionar.
Cuando no funciona (y fallará miserablemente al principio, repetidamente), enfrentará tres impulsos muy fuertes:
- Para enseñarles directamente algunos movimientos como solías hacer
- Para tratar de “solucionar el problema” tratando los síntomas = aplicando más y más restricciones estáticas sobre cómo los jugadores pueden aplicar lo que han aprendido (algunos controles básicos de cordura están bien, pero eso no es lo que quiero decir aquí)
- Para alejarse de algunas de sus ideas más ambiciosas que fueron los principales puntos de venta para comenzar el proyecto (como el equipo que ganó el campeonato)
Todas estas son formas de abandonar la idea del aprendizaje automático parcial o totalmente y cuanto más se acerca el plazo, más se amplifican.
Aquí es donde reside la mayor parte de la tensión. Como diseñador / líder del producto, debe mantener estos impulsos bajo un estricto control.
En su lugar, debe trabajar para mejorar el método de aprendizaje y / o alimentarlos con más juegos. Necesitas ser un tipo diferente de entrenador.
Espero que esto ayude.
