Conteúdo do curso Lição 218 de 246 · Módulo 21: Olhando dentro de um modelo
Módulo 21: Olhando dentro de um modelo

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
Sua vez

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.