Почему современное машинное обучение стоит «примерно на уровне естественных наук XVIII века»? Могут ли нейросети начать закреплять внутри себя выученные знания? Почему опасно игнорировать необъяснимые «странности» нейросетей? В новом выпуске подкаста «Неопознанный искусственный интеллект» мы поговорили с Дмитрием Ветровым — профессором-исследователем НИУ ВШЭ, заведующий Центром глубинного обучения и байесовских методов. Вот что мы обсуждали:
— Что такое байесовские методы и зачем они в машинном обучении
— Машинное обучение как «недонаука»: современное состояние ИИ
— Вредят ли корпорации поиску новых методов машинного обучения
— GPT-3, мультидоменный ИИ, «сильный» ИИ
— Когда можно доверить ИИ судьбоносные решения
— Смена технологической парадигмы в разработке ИИ
— Стоит ли помнить про онтологии и возможны ли гибриды нейросетей и символьного ИИ
— Как открыть «черный ящик»: проблема интерпретируемости нейросетей
— Пересадка из Яндекс.Такси в Яндекс.Толоку: разметка данных для машинного обучения
— Должен ли ИИ быть похож на мозг, а его разработчики — следовать за открытиями нейрофизиологов?
— Чем заменить тест Тьюринга.
— Блиц: самые крутые книжки и самые эпичные провалы в области ИИ
3 лучшие книги по теме ИИ от Дмитрия Ветрова:
- Christopher M. Bishop. Pattern Recognition and Machine Learning
- Kevin P. Murphy. Machine Learning: A Probabilistic Perspective
- David J. C. MacKay. Information Theory, Inference and Learning Algorithms
Ведущие подкаста: Даниил Скоринкин и Анатолий Старостин. Над выпуском работали: Алена Завьялова, ВГ, Виктория Багдасарьянц, Анастасия Хорошева, Эмма Барсегова и Илья Булгаков.
Информационный партнер выпуска — проект «Типичный Программист» от издания Tproger.
Подкаст издания Системный Блокъ. Пишите ваши вопросы и идеи на [email protected].
