Офицер-куратор: как ИИ учится на своих ошибках
В мире разведки малейшая ошибка может обернуться катастрофой. В мире ИИ каждая ошибка — это «штраф», который подсказывает машине, как стать лучше.
Сценарий
Представьте, что вы — курсант в Академии Шпионажа. Каждую пятницу вы сдаете свои итоговые досье «Офицеру-куратору» — суровому ветерану с орлиным взором, который точно знает, как дела обстоят на самом деле.
Куратор берет ваш отчет (Выход модели) и кладет его рядом с реальными фактами (Истиной). За каждое перепутанное имя, пропущенную локацию или неверную дату он выписывает вам «Штрафной талон».
Набор правил, по которым офицер измеряет ваш провал, — это ФУНКЦИЯ ПОТЕРЬ (Loss Function). А общее количество талонов, которые вы получили, — это ПОТЕРИ (Loss или Штраф). Ваша единственная задача на следующую неделю проста: изменить ход своих мыслей так, чтобы в следующую пятницу стопка штрафных талонов стала меньше.
Реальность
В глубоком обучении ФУНКЦИЯ ПОТЕРЬ — это математика, которая говорит ИИ, насколько он «неправ».
Когда ИИ предсказывает, что цена дома — $500к, а на самом деле она $600к, функция потерь измеряет этот разрыв в $100к. Когда он думает, что на фото «Кот», а там «Собака», функция потерь назначает численный штраф за эту ошибку.
Чем ниже «Потери», тем лучше работает ИИ. Обучение модели — это не что иное, как постоянная борьба за то, чтобы свести это число к нулю.
Почему это важно
Без функции потерь ИИ похож на шпиона без связного — он понятия не имеет, хорошо он справляется или просто несет чепуху. То, как вы определяете «Штраф», меняет поведение ИИ. Если вы будете штрафовать за пропущенные подлодки (ложноотрицательный результат) строже, чем за ложные тревоги (ложноположительный), ИИ станет сверхчувствительным и будет докладывать о каждой тени в воде.
Главное
Функция потерь — это шкала оценок; Потери — это балл, который говорит машине: «Ты ошиблась вот на столько».
Специалисты называют это: Loss Function and Penalty (Функция потерь и Штраф) Функция потерь — это алгоритм, который сравнивает предсказание модели с реальными данными для вычисления численного значения «потерь» (ошибки). Модель стремится минимизировать это значение в процессе обучения.
💬 Если бы вы были Офицером-куратором сегодня, за что бы вы наказывали строже: за «Пропуск цели» или за «Ложную тревогу»?
Часть 4 (Функция потерь и Штраф) из 25 | #DeepLearningДляЛюдей