КОМПЬЮТЕРНАЯ МЕТАФОРА

Основные прил

Ограничения корпусов:

Основные приложения лингвистических корпусов:

Ограничения корпусов:

Основные приложения лингвистических корпусов:

Ограничения корпусов:

Основные приложения лингвистических корпусов:

Ограничения корпусов:

Концепция образовательной программы
«КОГНИТИВНЫЕ ИССЛЕДОВАНИЯ»
http://kogni.narod.ru/concept.htm

Когнитивная психология — психология, ориентированная на эксперимент и математическое моделирование мышления, памяти, внимания, через представление и обработку информации.
Основа и фактор развития современной психолингвистики, социальной психологии, психологии личности, психологии образования, искусственного интеллекта.

Когнитивная лингвистика — направление в языкознании, которое исследует проблемы соотношения языка и сознания (роль языка в познавательных процессах, взаимодействие языка и когнитивных способностей человека. Язык - средство доступа к мыслительным процессам. Язык — познавательный механизм, система символов (знаков), специфически кодифицирующая и трансформирующая информацию, фиксирущая мышление и опыт человека и человечества

 

Основные приложения лингвистических корпусов:

Ограничения корпусов:

Основные приложения лингвистических корпусов:

Ограничения корпусов:

Основные приложения лингвистических корпусов:

Ограничения корпусов:

Итак, глубокое обучение:

• Глубокое обучение - раздел машинного обучения (раздела искусственного интеллекта).
  ИИ - моделирование (имитация, симуляция, эмуляция, репликация) поведенческих черт человека машинами (компьютерными программами, текстами). ИИ включает в себя несколько направлений (экспертные системы, робототехника...).
  Методы моделирования поведения человека в ИИ: статистические алгоритмы, эвристические процедуры, искусственные нейронные сети (ИНС) и машинное обучение.

• Машинное обучение (англ. machine learning, ML) - автоматизированные методы выведения общих правил из набора примеров данных (правила «изучаются» машиной на примерах данных). Не прямое решение задачи, а обучение за счёт применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, математического анализа, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме.
  В машинном обучении проводится различие между контролируемым и неконтролируемым обучением (так называемое обучение с учителем и без учителя). Обучение с учителем означает, что примеры данных для обучения содержат как входные данные, так и соответствующие ожидаемые результаты (например, результаты классификации), в то время как обучение без учителя предполагает, что система будет определять возможные результаты исходя из входных данных.

• Глубокое обучение – это метод машинного обучения, который предполагает самостоятельное выстраивание (тренировку) общих правил в виде искусственной нейронной сети на примере данных во время процесса обучения. Обучение нейронной сети, особенно для систем машинного зрения, обычно проводится с учителем, т. е. на конкретных примерах данных с предварительно определенными для них результатами.

• Искусственная нейронная сеть
  Глубокое обучение как метод предполагает определенную форму искусственных нейронных сетей (ИНС), которые сначала необходимо обучить на примерах данных. Обученную ИНС можно применять для выполнения соответствующих задач. Применение обученной ИНС называется «выполнением логических выводов». Во время выполнения логических выводов ИНС выдает результаты анализа данных в соответствии с заученными правилами. Например, это может быть оценка того, содержит введенное изображение неисправный или нормальный объект.

• ИНС состоит из слоев «нейронов», которые связаны между собой. В самом простом случае это входной слой и выходной слой. Нейроны и связи можно рассматривать как матрицы. Матрица связей содержит связи между каждым значением матрицы ввода и значениями матрицы результата. Значения матрицы связей содержат весовые коэффициенты каждой соответствующей взаимосвязи. В результате взвешивания входного значения на основе значения в матрице логики заносится соответствующее значение в матрицу результата.

• Понятие «глубокое обучение» описывает обучение так называемых «глубоких» ИНС. Помимо входного и выходного слоя, они состоят из сотен дополнительных «скрытых» слоев между видимыми слоями для ввода и вывода. Полученная матрица скрытого слоя служит матрицей входных данных для следующего слоя. В этом случае только матрица выходных данных последнего слоя содержит результат.

• При обучении ИНС фокус изначально устанавливается случайным образом. Затем постепенно добавляются примеры данных. Для корректировки весовых коэффициентов связей с учетом входных данных и ожидаемого результата применяется правило обучения. Эффективность работы ИНС, то есть точность логических выводов, а значит, результата, в значительной степени зависит от примеров данных, используемых в обучении. Большой объем примеров данных с высокой степенью вариабельности содержания является залогом более точных результатов логических выводов. Если обучение осуществляется на основе большого количества очень похожих или повторяющихся данных, ИНС не сможет анализировать реальные данные, если они отличаются от примеров данных. В этом случае проводится «переобучение» ИНС.

• Все любят печенье – и большие, и маленькие. На примере печенья рассмотрим, как работает глубокое обучение. Глубокое обучение применяется в самых различных областях. В сфере машинного зрения глубокое обучение представляет собой особенно часто используемый метод решения широкого круга задач. К наиболее распространенным задачам для глубокого обучения в технологиях визуализации относятся анализ изображений в целях классификации и сегментации содержащейся на них информации.

О компьютерном моделировании (главные компьютерные модели) в сотериологическом аспекте:

• компьютеры (вычислители = вычисления) внутри нас...
  мыслить как компьютер (но не только так!)

  • чтобы выжить в мире управляемым компьютерами (вычислителями)

  • чтобы не дать компьютеру (полностью) управлять (мыслить) нами
    не превратиться в машину... остаться людьми...

• компьютеры (вычисления) вовне (управляющие миром)
  видеть их во всём (не только их! не сводить всё к ним)

  • чтобы быть успешными в этом мире

  • чтобы не дать этому миру (и его успеху) уловить нас...

• компьютеры  (вычислители = вычисления) по ту сторону (реальности, добра и зла)
  различать вычислительную реальность и свое представление о ней
  но не только различать (неразличимое), но конструировать (моделировать) её

  • чтобы не принять спектакль (игру) за реальность... (не наделить смыслом бессмысленность)

  • чтобы не принять реальность за спектакль (игру) ... (не утратить смысл в бессмысленности)

  Сотериология (др.-греч. спасение+слово) — учение о спасении человека в решении двух основных вопросов:

  • конечная цель, достижение которой и будет спасением;

  • способы её достижения.