Três tipos de evidência
Por que isso importa "O modelo tem um neurônio para X" é uma das frases mais repetidas em machine learning, e na maioria das vezes a evidência por trás dela é uma imagem. Este módulo é sobre a diferença entre uma imagem e uma prova.
Cada afirmação sobre o que acontece dentro de uma rede se baseia em um de três tipos de evidência, da mais fraca para a mais forte:
- Pattern: algo dentro se alinha com algo fora. Uma unidade é grande quando o texto é sobre gatos; uma cabeça atende à palavra anterior. Você olhou, você não tocou.
- Effect: você mudou algo dentro e a saída mudou. Remova a cabeça e a perda sobe; coloque um valor de outra entrada de volta e a resposta vira. Agora você sabe que isso importa, mas não exatamente o que faz.
- Mecanismo: uma explicação do que a parte computa que prevê o que acontecerá em entradas que você ainda não tentou, e a previsão se mantém.
Padrões são baratos e é onde toda investigação começa. Eles se tornam afirmações apenas após um efeito, e uma explicação apenas após uma previsão que poderia ter falhado.
Palavras e símbolos nesta lição
- padrão, efeito, mecanismo
- três tipos de evidência: olhou e viu; mudou e a saída mudou; explicou e a explicação previu novos casos
Preencha kind: para cada afirmação, "padrão", "efeito" ou "mecanismo" (o tipo mais forte que sua evidência suporta).
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.