Рецензии на книги

Рецензии на книги | Думай «Почему?»

За счет чего достигнут прогресс в области нейросетей?

Midjourney рисует картины, ChatGPT пишет тексты, которые проходят тест Тьюринга, люди не могут определить, кто с ними общается: человек или машина. В комментариях к этой статье уже могут писать роботы, и вы не отличите их сообщения от людей!

Ответ на вопрос о революции в области нейросетей, как мне кажется, дает книга Джуда Перла и Дана Маккензи «Думай „Почему?“. Причина и следствие как ключ к мышлению».

Думай «Почему?»

Вкратце, дело в том, что в математике до недавнего времени не было языка, который описывал бы связь между причиной и следствием. Посмотрите на математические и физические формулы, где там причина и следствие?

Была и есть только наука статистика, которая породила монстра «Big Data».

Маркетологи, как завороженные, начали искать в «Big Data» способы увеличения продаж. Они думали, что если проанализировать терабайты информации, то можно извлечь грааль прибыли. В эту гонку больших данных включились многие. Выходят статьи, где объясняется, например, что на сайте магазина на оранжевую кнопку кликают больше чем на зеленую, что на цену акций влияет день недели, «эффект понедельника», и тому подобная чуйня.

Эти обработки больших данных никак не объясняют причинно-следственных связей. С таким же успехом определена связь индекса S&Р 500 с объемом производства сливочного масла в Бангладеш (серьезно графики совпадали). Наличие корреляции не обозначает причинно-следственных связей. Так в США рост продаж мороженного коррелирует с увеличением убийств. Нужно ли запрещать мороженное? Или дело в теплой погоде?

Книга Джуда Перла и Дана Маккензи «Думай „Почему?“» рассматривает эти вопросы. Если научить искусственный интеллект понимать причину и следствие, то мы приблизимся к созданию думающих машин. Как это сделать витиевато с уклоном в математику и рассказывается в книге.

Приводятся примеры о поиске причин и следствий в истории человечества, которые разбавляют научные суждения. Например, доказательство, кажется, очевидной связи между курением и раком заняло не одно десятилетие научных дебатов! Или цинга. От нее умирали моряки миллионами, было выяснено, что от нее спасают цитрусовые. Бери апельсины на борт и будет все в порядке, но истинная глубокая причина, что все дело в витаминах, ускользало от ученых на протяжении десятилетий.

Антарктическая экспедиция Скотта пострадала в ходе путешествия от цинги (спойлер: они погибли), спустя сотню лет после открытия, что нужно есть для защиты цитрусовые. В те времена считалось, что плоды цитрусовых предотвращают цингу, за счет того, что они кислые. С этой точки зрения сгодится любая кислятина. Моряки брали сперва лимоны, потом из экономии лаймы, которые содержали витамина С в 4 раза меньше (они об этом не знали), дальше начали «очищать» сок, разрушая витамин. Врач экспедиции Скотта так вообще считал, что цингу вызывает протухшее мясо, а соки цитрусовых даже не вошли в паек экспедиции.

Люди хотят научить искусственный интеллект справляться с нахождением причин и следствий, когда им самим это с трудом удается. Посмотрите на хроники финансовых сайтов и вы увидите, какие только «причины» не вызывает колебания валют и цену акций.

Сейчас создан язык диаграмм причинности, который позволил работать в этой области. Между прочим, авторы сетуют на то, что математики вплоть до конца 20 века не могли осознать проблему языка описания причинности и подобраться к ней, но их изобретенные диаграммы лично мне напоминают диаграммы Фейнмана для описания взаимодействия субатомных частиц (но о Ричарде Фейнмане в книге не слова).

Думай «Почему?»

Успехи нейронных сетей уже нельзя отрицать. И книга «Думай „Почему?“. Причина и следствие как ключ к мышлению» нащупывает причины их успеха. Словами авторов была совершена «Революция причинности».

★7
6 комментариев
как в действиях с одной стороны причина(почему) 2+2, с другой следствие 4(ответ). Вообще у меня давно такая теория что все события в жизни это сложение, типо ты к одному человеку или условию и чему угодно прибавляешь что то и получаешь прогнозируемый в той или иной мере результат! Все события посути развиваются линейно и зная какие то доп условия можно понять что к чему придет)
Наличие связи совершенно не обязательно из-за причинно-следственных связей. Часто бывает, что признаки связаны потому что на них одновременно влияет третий признак. Это как раз наиболее распространенный способ образования связи. Например, пара рост-вес. Здесь нет причины и следствия. Связь есть, зная один признак можно очень точно определить второй. При  покупке одежды ребенку вообще только роста достаточно. В взрослом возрасте этого недостаточно, нужны обхваты (читай вес). В статистике полно методов оценивающих именно причинно-следственную связь: факторные анализы, структурное моделирование, частные корреляции и, конечно, все нейросетки. Но это пока все в ручном режиме. Просто проверка, насколько причина является причиной. Найдется лучшая причина из заданного набора признаков. Проблема в том, что никто не знает каким на самом деле должен быть этот набор. Что измерять.
Вадим Иванов, 09:00 ага, никто не знает «настоящих причин». Если модель  работает, больше ничего не надо.
Автор ломится в открытую дверь. Настоящую причину всех причин давным-давно установили теологи.
avatar
Выбирая книгу в магазине всегда думал кто читает такие книги из серии, как разбогатеть стоящие на заднем плане )
avatar
Danil Valiullin, между прочим, они толковые!
Схоластика типа; «Верёвка — вервие простое». Это Аристотель верил, что Истину рождают словесные упражнения.
Чем толочь воду в ступе, читайте про нейросети
101books.club/carte/descarca-francois-chollet-deep-learning-with-python-pdf
«Deep Learning with Python 2Ed» Fransois Chollet
PS  а про физику читайте физиков.
«Физика для всех» Леон Купер — как всё устроено вокруг нас.
«Великий замысел» Стивен Хокинг — как всё возникло из ничего.
avatar

теги блога Владимир Никонов

....все тэги



UPDONW
Новый дизайн