Aprendizaje predictivo , que consiste en modelar el mundo y hacer predicciones sobre algunos resultados futuros. El aprendizaje predictivo es un término que Yann LeCun usa con bastante frecuencia en estos días, básicamente es solo otra forma de aprendizaje no supervisado.
Piénselo, si un robot tiene que aprender a atrapar las bolas que se le arrojan, debe anticipar, es decir, debe predecir las trayectorias de las bolas y luego controlar el brazo de modo que termine donde la pelota probablemente tierra. Esto también puede ser importante en automóviles sin conductor, para evitar objetos en movimiento, el sistema visual del automóvil necesita anticipar las posiciones futuras de esos objetos en movimiento.
Sospecho desde hace tiempo que la anticipación es inteligencia. Ahora Yann LeCun parece estar viéndolo de esa manera también, y ha acuñado un nombre genial para él, aprendizaje predictivo.
- ¿El conocimiento de gráficos por computadora se relaciona de alguna manera con el campo de la visión por computadora?
- ¿Cuál es el campo más prospectivo en informática?
- ¿Por qué las empresas como Google, Microsoft y Facebook publican su trabajo en lugar de guardar los hallazgos como secretos industriales?
- ¿Cómo puede un adolescente publicar un trabajo de investigación?
- ¿Qué es mejor, participar en una investigación que está fuera del instituto de origen o participar en una investigación en el instituto de origen?
Esto hace que el aprendizaje predictivo sea una dirección de investigación muy atractiva. Las redes adversas generativas (GAN) se están explorando actualmente para el aprendizaje predictivo. En algunos experimentos, la GAN puede predecir algunos fotogramas “futuros” de un video.
El aprendizaje predictivo es difícil porque el futuro tiene tantos resultados posibles (según la información incompleta). Podemos visualizar esos resultados como formando una especie de variedad. Si utilizamos el enfoque convencional de aprendizaje automático (ML) de optimización de la función de costos, la pérdida penalizará cualquier resultado que no sea similar al resultado pronosticado, incluso si el resultado es correcto. Por lo tanto, necesitamos técnicas que aprendan la variedad de resultados en su lugar y las GAN parecen ser actualmente los mejores contendientes para esto.
Yann LeCun dio un ejemplo para ilustrar esta variedad de resultados, al equilibrar un bolígrafo sobre la mesa y soltar, ¿qué sucederá? La pluma cae es la respuesta correcta, pero puede caer a cualquier lado. Así que hay varios resultados correctos que se ven diferentes. Por lo tanto, un algoritmo de aprendizaje predictivo no debe penalizarse cuando predice que el lápiz caerá hacia la derecha y cuando en el sentido real cae hacia la izquierda.
Así que Yann LeCun parece estar presionando para obtener una dirección de investigación de este tipo y creo que será un área de investigación muy candente en 2017. Ya lo es, solo tendremos que esperar algunos documentos más sobre aprendizaje predictivo.
EDITAR : para obtener más información sobre este control:
- El “aprendizaje predictivo” es la nueva palabra de moda en el aprendizaje profundo
- La nota clave de Yann LeCun sobre el aprendizaje predictivo, la realidad mixta imaginada por Magic Leap y los pensamientos de Marc Andreessen sobre 5.5 millones de empleos perdidos • IoT para todos
Espero que esto ayude.