Понятное для человека обучение концепциям с помощью информационных решеток

Докладчик: Лав Варшней, инженер-электрик и вычислительная техника, Университет Иллинойса в Урбана-Шампейн Семинар факультета электротехники и вычислительной техники Университета Пердью Возможно ли изучить законы теории музыки непосредственно из необработанных нотных листов в той же понятной для человека форме, что и учебник по теории музыки? Насколько мало предварительных знаний необходимо закодировать для этого? Мы рассматриваем эти и подобные вопросы в других актуальных областях, разрабатывая общую структуру для автоматического обучения понятиям. Основная идея заключается в итеративном алгоритме обнаружения, имеющем архитектуру «ученик-учитель» и работающем на обобщении информационной решетки Шеннона, которая сама кодирует иерархию абстракций и алгоритмически построена на основе теории групп. В частности, изучение этой иерархии инвариантных понятий включает итеративную оптимизацию байесовской неожиданности и энтропии. Это дает первый шаг к принципиальному и когнитивному способу автоматического обучения понятиям и обнаружения знаний. Мы также обсуждаем приложения в вычислительном творчестве, безопасности ИИ и этике ИИ. Содержание: 00:00 Интерпретируемое человеком обучение понятиям с помощью информационных решеток 02:04 Хайзи Ю 02:21 ENSARAS 04:17 Шеннон 04:44 Пять зацепляющихся шестерен 05:40 Пять зацепляющихся шестерен 06:48 Пять зацепляющихся шестерен 07:47 Измерения интерпретируемости 10:01 Интерпретируемое человеком обучение понятиям 11:51 Автоматическое обучение понятиям 12:27 Изучение интерпретируемых человеком иерархий понятий (не просто правил) 13:49 План 14:15 Автоматическое обучение понятиям: автоматический музыкальный теоретик 14:47 MUS-ROVER 15:03 Автоматическое обучение понятиям: автоматический музыкальный теоретик 15:44 Обучение понятиям как своего рода процесс абстракции 17:02 Представление: Пространство данных 18:23 Представление: Абстракция 19:11 Представление: Вероятностное правило 19:39 Статистическая модель абстрагированных понятий 21:11 Абстракция как разбиение (кластеризация) пространства данных X 22:19 Вселенная абстракции как решетка разбиения 24:18 Вселенная абстракции как решетка разбиения 25:15 Вселенная абстракции как решетка разбиения 27:32 Абстракция, индуцированная симметрией 30:15 Двойственность: от решетки подгрупп к (полу)вселенной абстракции 32:46 Двойственность: от решетки подгрупп к (полу)вселенной абстракции 34:41 Решетчатая теория информации 37:28 План 38:19 Алгоритм обучения правилам, вдохновленный теорией информации 40:51 Учитель: дискриминативная модель 41:46 Ученик: генеративная модель 42:57 Алгоритм обучения правилам, вдохновленный теорией информации 43:17 Простые правила, понятные человеку 44:09 Иерархическое обучение понятиям 45:12 Иерархия Концепции теории музыки 45:25 Визуализация музыки Баха 45:52 MUS-ROVER восстанавливает почти всю известную теорию музыки 47:45 Обобщение на другие тематические области 50:36 Обучение понятий, интерпретируемых человеком 51:54 Слияние алгоритмов для решения проблемы эпистемической неопределенности 52:45 ИИ во благо общества 52:54 Необходимость контроля непредвиденных последствий (FAT) 53:09 Этические рамки из биомедицины 53:37 Этические рамки из биомедицины 54:57 Без названия: Слайд 46 55:09 Инженерные процессы: Машины Рубе Голдберга 55:14 Экологически чистые строительные материалы 55:34 От автоматического теоретика музыки к композитору 56:11 В творческой композиции важно нарушать правила, сохраняя при этом последовательный стиль 57:02 Интерпретируемое обучение понятий для обеспечения дополненного интеллекта