Innehållsförteckning:
Definition - Vad betyder Value Learning Problem?
Problemet med inlärning av värden är en specifik grundläggande fråga i utvecklingen av maskininlärning och teknik för konstgjord intelligens som hanterar skillnaden mellan människor och datorer och de sätt de tror.
Sammanfattningsvis bygger värdinlärningsproblemet på hur svårt det är för datorer att räkna ut vad man ska "värdera" (både vad gäller data och policy) och hur man ska agera i ett maskininlärningsnätverk och hur programmerare kan optimera hur programmet fungerar för att matcha deras ursprungliga avsikter när de skapade det.
Techopedia förklarar Value Learning Problem
Nyckeln till värdeläringsproblemet är att det är oerhört viktigt för programmerare att kunna göra maskininlärningsprogram som genomför de avsedda värdena. Men catch-22 är att värdena inte kan uttryckligen anges på sätt som hindrar själva programinlärningen.
Människor pratar ibland om "konvergens" av maskininlärningsteknologier som en framgångsrik fokusering på värdedata, men värdeläringsproblemet är på vissa sätt lite annorlunda. Det är idén att det måste finnas något grundläggande sätt att visa maskininlärningsprogrammet vad man önskar, snarare än att bara stava det, vilket är ett deterministiskt sätt att driva ML.
Ta till exempel denna artikel om värdet inlärningsproblem som antyder att maskininlärningsprogram kan ha en lagringsuppsättning med input som visar positiva mänskliga svar på stimuli. När man läser dessa typer av adresser till värdet inlärningsproblem, blir det tydligt att det finns ett stort gap i maskininlärning som inte är lätt att fixa - i huvudsak - hur skapar människor maskiner som verkligen kan tänka som människor? Ett annat sätt att förklara detta är att värdet inlärningsproblem går till hjärtat i hur vi tänker som människor, och hur våra tankar inte alltid är baserade på rote input.
För datorer att modellera vår intuition, vår instinkt, våra sociala lutningar och våra djupaste etiska värden är en hög ordning, även när datorer kan lära sig att spela schack på ett mänskligt sätt, eller överstiga oss för att lösa svåra matematiska problem. Professionals kan förvänta sig att värdelärningsprogrammet fortsätter att vara centralt i utvecklingen av maskininlärningsteknologier.
