Суперэкспоненциальное пространство концепций и простые слова

Eliezer Yudkowsky, “ Superexponential Conceptspace, and Simple Words ”, public translation into Russian from English More about this translation.

Translate into another language.

Participants

Muyyd1 1041 points
nnnssty 28 points
Join Translated.by to translate! If you already have a Translated.by account, please sign in.
If you do not want to register an account, you can sign in with OpenID.
Pages: ← previous Ctrl next next untranslated
1 2 3 4 5 6

Superexponential Conceptspace, and Simple Words

Суперэкспоненциальное пространство концепций и простые слова

History of edits (Latest: Muyyd1 1 month, 2 weeks ago) §

Thingspace, you might think, is a rather huge space. Much larger than reality, for where reality only contains things that actually exist, Thingspace contains everything that could exist.

Пространство вещей может вам показаться огромным. Намного больше реальности, ведь реальность содержит в себе лишь действительно существующие вещи, а пространство вещей --- все что может существовать.

History of edits (Latest: Muyyd1 1 month, 2 weeks ago) §

Actually, the way I "defined" Thingspace to have dimensions for every possible attribute—including correlated attributes like density and volume and mass—Thingspace may be too poorly defined to have anything you could call a size. But it's important to be able to visualize Thingspace anyway. Surely, no one can really understand a flock of sparrows if all they see is a cloud of flapping cawing things, rather than a cluster of points in Thingspace.

При этом, мое "определение" пространства вещей (включая коррелирующие характеристики вроде плотности, объема и массы) слишком размытое, чтобы иметь такую характеристику, которую вы могли бы назвать "размером". Но все равно важно уметь визуализировать пространство вещей. Разумеется, будет трудновато понять "стаю воробьев", если рассматривать их лишь как облако хлопающих крыльями чирикающих штук, а не как кластер точек в пространстве вещей.

History of edits (Latest: Muyyd1 1 month, 2 weeks ago) §

But as vast as Thingspace may be, it doesn't hold a candle to the size of Conceptspace.

Но каким огромным бы пространство вещей ни казалось, оно и рядом не стоит с пространством концепций (с точки зрения размера).

History of edits (Latest: Muyyd1 1 month, 2 weeks ago) §

"Concept", in machine learning, means a rule that includes or excludes examples. If you see the data 2:+, 3:-, 14:+, 23:-, 8:+, 9:- then you might guess that the concept was "even numbers". There is a rather large literature (as one might expect) on how to learn concepts from data... given random examples, given chosen examples... given possible errors in classification... and most importantly, given different spaces of possible rules.

"Концепцией" в машинном обучении называют правило, которое включает или исключает примеры. Если вы видите поток данных 2:+, 3:-, 14:+, 23:-, 8:+, 9:-, то можно предположить, что речь идет о концепции "четных чисел". Как можно ожидать, существует богатая литература по теме обучения концепций на основе данных: на случайных примерах, на выбраных примерах, с учетом возможных ошибок классификации, и, наиболее важное --- с учетом разных пространств возможных правил.

History of edits (Latest: Muyyd1 1 month, 2 weeks ago) §

Suppose, for example, that we want to learn the concept "good days on which to play tennis". The possible attributes of Days are:

Предположим, что мы хотим научиться концепции "хорошие дни для игры в теннис". Дни могут иметь возможные характеристики:

History of edits (Latest: Muyyd1 1 month, 2 weeks ago) §

Sky: {Sunny, Cloudy, Rainy}

Небо: {Солнечно, Облачное, Дождливое}

History of edits (Latest: Muyyd1 1 month, 1 week ago) §

AirTemp: {Warm, Cold}


Температура воздуха: {Тепло, Холодно}

History of edits (Latest: Muyyd1 1 month, 2 weeks ago) §

Humidity: {Normal, High}

Влажность: {Нормальная, Высокая}

History of edits (Latest: Muyyd1 1 month, 2 weeks ago) §

Wind: {Strong, Weak}

Ветер: {Сильный, Слабый}

History of edits (Latest: Muyyd1 1 month, 2 weeks ago) §

We're then presented with the following data, where + indicates a positive example of the concept, and - indicates a negative classification:

Далее мы можем наблюдать поток данных, где + означает положительный пример концепции, а - отрицательный.

History of edits (Latest: Muyyd1 1 month, 2 weeks ago) §

+ Sky: Sunny; AirTemp: Warm; Humidity: High; Wind: Strong.

+ Небо: Солнечное; Температура воздуха: Тепло; Влажность: Высокая; Ветер: Сильный.

History of edits (Latest: Muyyd1 1 month, 1 week ago) §

- Sky: Rainy; AirTemp: Cold; Humidity: High; Wind: Strong.

-Небо: Дождливое; Температура Воздуха: Холодно; Влажность: Высокая; Ветер: Сильный.

History of edits (Latest: Muyyd1 1 month, 1 week ago) §

+ Sky: Sunny; AirTemp: Warm; Humidity: High; Wind: Weak.

+ Небо: Солнечно; Температура воздуха: Тепло; Влажность: Высокая; Ветер: Слабый.

History of edits (Latest: Muyyd1 1 month, 1 week ago) §

What should an algorithm infer from this?

Какой вывод на основе этих данных должен сделать алгоритм?

History of edits (Latest: Muyyd1 1 month, 1 week ago) §

A machine learner might represent one concept that fits this data as follows:

Программист может обозначить концепт таким образом:

History of edits (Latest: Muyyd1 1 month, 1 week ago) §

Sky: ?; AirTemp: Warm; Humidity: High; Wind: ?

Небо: ?; Температура воздуха: Тепло; Влажность: Высокая; Ветер:?

History of edits (Latest: Muyyd1 1 month, 1 week ago) §

In this format, to determine whether this concept accepts or rejects an example, we compare element-by-element: ? accepts anything, but a specific value accepts only that specific value.

В таком формате для определения поддерживает концепция или отвергает конкретный пример, надо сравнивать последовательно один элемент за другим: "?" принимает любые варианты, но специфицированное значение принимает только специфицированное значение.

History of edits (Latest: Muyyd1 1 month, 1 week ago) §
Pages: ← previous Ctrl next next untranslated
1 2 3 4 5 6