차례:
정의-가치 학습 문제는 무엇을 의미합니까?
가치 학습 문제는 인간과 컴퓨터의 차이점과 그들이 생각하는 방식을 다루는 기계 학습 및 인공 지능 기술 개발의 특정 근본적인 문제입니다.
간단히 말해서, 가치 학습 문제는 컴퓨터가 데이터와 정책의 관점에서 "가치"를 계산하는 것이 얼마나 어려운지, 기계 학습 네트워크에서 행동하는 방법과 프로그래머가 어떻게 방법을 최적화 할 수 있는지에 따라 결정됩니다 이 프로그램은 프로그램을 만들 때 원래 의도와 일치하도록 작동합니다.
Techopedia는 가치 학습 문제를 설명합니다
가치 학습 문제의 핵심은 프로그래머가 의도 된 가치를 수행하는 기계 학습 프로그램을 만들 수 있어야한다는 것입니다. 그러나 catch-22는 프로그램 학습 자체를 방해하는 방식으로 값을 명시 적으로 언급 할 수 없다는 것입니다.
사람들은 때때로 가치 데이터에 중점을 둔 머신 러닝 기술의 '수렴 (convergence)'에 대해 이야기하지만 가치 학습 문제는 약간 다릅니다. ML을 실행하는 결정 론적 방법 인 기계 학습 프로그램을 철자하는 것보다는 원하는 것을 기계 학습 프로그램에 보여줄 수있는 핵심적인 방법이 있어야한다는 생각입니다.
예를 들어, 머신 러닝 프로그램이 자극에 대한 긍정적 인 인간 반응을 보여주는 스토리지 입력 세트를 가질 수 있음을 제안하는 가치 학습 문제에 대해이 백서를 작성하십시오. 이러한 유형의 주소를 가치 학습 문제로 읽으면 기계 학습에서 해결하기 쉽지 않은 주요 격차가 있음이 분명해집니다. 본질적으로 사람들은 실제로 사람들처럼 생각할 수있는 기계를 어떻게 만드는가? 이것을 설명하는 또 다른 방법은 가치 학습 문제가 우리가 인간으로 생각하는 방식의 핵심으로, 우리의 생각이 항상 정확한 입력에 기초하지는 않는다는 것입니다.
컴퓨터가 우리의 직관, 본능, 사회적 성향 및 가장 깊은 윤리적 가치를 모델링하기 위해서는 컴퓨터가 인간적인 방식으로 체스를 배우거나 어려운 수학 문제를 해결하는 데있어 우리를 앞지르는 경우에도 매우 중요합니다. 전문가들은 가치 학습 프로그램이 머신 러닝 기술 개발의 중심이 될 것으로 기대할 수 있습니다.
