תוֹכֶן
ש:
איך "הליכה אקראית" יכולה להועיל באלגוריתמים של למידת מכונה?
ת:
בלמידה של מכונה ניתן ליישם גישה "הליכה אקראית" בדרכים שונות כדי לסייע לטכנולוגיה לנפות את מערכי נתוני ההדרכה הגדולים המספקים את הבסיס להבנתו הסופית של המכונה.
הליכה אקראית, באופן מתמטי, היא דבר שניתן לתאר בכמה דרכים טכניות שונות. יש המתארים זאת כאוסף משתנים אקראי. אחרים עשויים לכנות זאת "תהליך סטוכסטי". בלי קשר, ההליכה האקראית מתבוננת בתרחיש בו מערכת משתנים עוברת מסלול שהוא תבנית המבוססת על תוספות אקראיות, לפי מערך שלם: לדוגמה, הליכה על קו מספר בו המשתנה נע פלוס מינוס אחד בכל שלב .
ככזה, ניתן להחיל הליכה אקראית על אלגוריתמים למידת מכונה. דוגמה אחת פופולרית המתוארת בקטע Wired חלה על כמה תיאוריות פורצות דרך על האופן שבו רשתות עצביות יכולות לעבוד כדי לדמות תהליכים קוגניטיביים אנושיים. מאפיין גישה הולכת אקראית בתרחיש למידת מכונות באוקטובר האחרון, הסופרת קווית נטלי וולצ'ובר מייחסת חלק ניכר מהמתודולוגיה לחלוצי מדעי הנתונים נפתלי תשבי ורביד שוורץ-זיו, המציעים מפת דרכים לשלבים שונים של פעילות למידת מכונות. באופן ספציפי, Wolchover מתאר "שלב דחיסה" הקשור לסינון של תכונות או היבטים לא רלוונטיים או רלוונטיים למחצה בתחום תמונה בהתאם למטרה המיועדת של התוכנית.
הרעיון הכללי הוא שבמהלך תהליך מורכב ורב-שלבים, המכונה פועלת כדי "לזכור" או "לשכוח" אלמנטים שונים בשדה התמונה כדי לייעל את התוצאות: בשלב הדחיסה ניתן לתאר את התוכנית כ"אפס ". ב "על תכונות חשובות להדרת פריפריה.
מומחים משתמשים במונח "ירידת שיפוע סטוכסטית" כדי להתייחס לפעילות מסוג זה. דרך נוספת להסביר זאת בעזרת סמנטיקה פחות טכנית היא שהתכנות בפועל של האלגוריתם משתנה לפי דרגות או איטרציות, כדי "לכוונן" את אותו תהליך למידה שמתרחש על פי "צעדים מהלכים אקראיים" שבסופו של דבר יובילו לעבר צורה כלשהי של סינתזה.
שאר המכניקה מאוד מפורטת, שכן המהנדסים פועלים להעברת תהליכי למידת מכונות דרך שלב הדחיסה ושלב אחר הקשור. הרעיון הרחב יותר הוא שטכנולוגיית למידת המכונה משתנה באופן דינאמי לאורך אורך החיים של הערכתה של מערכי האימונים הגדולים: במקום להסתכל על כרטיסי פלאש שונים במקרים בודדים, המכונה מסתכלת על אותם כרטיסי הפלאש מספר פעמים, או מושכת כרטיסי פלאש ב אקראי, מסתכל עליהם בצורה משתנה, איטרטיבית, אקראית.
גישת ההליכה האקראית שלעיל איננה הדרך היחידה בה ניתן להפעיל את ההליכה האקראית על למידת מכונה. בכל מקרה בו יש צורך בגישה אקראית, ההליכה האקראית עשויה להיות חלק מהערכת הכלים של המתמטיקאי או מדען הנתונים, כדי לשוב ולשפר את תהליך למידת הנתונים ולספק תוצאות מעולות בתחום המתגלה במהירות.
באופן כללי, ההליכה האקראית קשורה להשערות מסוימות של מתמטיקה ומדעי נתונים. כמה מההסברים הפופולאריים ביותר לטיול אקראי קשורים לשוק המניות וגרשי מניות בודדים. כפי שפופולרי בסרט "A Random Walk Down Wall Street" של ברטון מלכיאל, חלק מההשערות הללו טוענות כי פעילותה העתידית של מניה איננה ניתנת להבנה במהותה. עם זאת, אחרים מציעים שניתן לנתח ולהקרין את דפוסי ההליכה האקראיים, ואין זה מקרה שמערכות למידת מכונות מודרניות מיושמות לרוב על ניתוח שוק המניות ומסחר ביממה. הרדיפה אחר ידע בתחום הטכנולוגי היא ותמיד הייתה משולבת במרדף אחר ידע על כסף, והרעיון של יישום הליכות אקראיות ללימוד מכונות אינו יוצא מן הכלל. לעומת זאת, ההליכה האקראית כתופעה יכולה להיות מיושמת על כל אלגוריתם לכל מטרה שהיא, על פי כמה מהעקרונות המתמטיים שהוזכרו לעיל. מהנדסים עשויים להשתמש בתבנית הליכה אקראית לבדיקת טכנולוגית ML, או בכוונתה לקראת בחירת תכונות, או לשימושים אחרים הקשורים לטירות הענק הביזנטיות באוויר המהוות מערכות ML מודרניות.