tgoop.com/wait_shmulev/38
Last Update:
Сходство между детьми и ML
Вот уже более 4 лет наблюдаю за своим сыном и его развитием.
Из-за профдеформации нахожу много любопытного сходства с миром машинного обучения:
1. Overfitting (Переобучение). Его замечаю чаще всего.
Ребенок слишком быстро адаптируется (лучше даже сказать привыкает) к определенной конфигурации жизни: паттерны поведения, ритуалы, игры, последовательности действий, даже разные “фразочки”.
Пару примеров:
Из-за это как раз и появляются сбои программы, когда что-то отличается от привычного уклада. Сбои выражаются в виде плача / истерик / сопротивления и искреннего непонимания ПОЧЕМУ ТАК.
Я очень позитивно отношусь к ритуалам (особенно сейчас для себя 🙂 или в младенчестве), но регулярные ритуалы с ребенком, без постоянных добавлений новых факторов или вариаций, могут привести к "переобучению", что потом вызывает стресс при изменениях.
2. Вариативность данных.
Получается лучшее, что может дать Родитель Ребенку, чтобы избежать “переобучения” — это увеличивать вариативность всего: своей реакции, событий, мест, время провождений, прослушиваемой музыки, книг и друзей, данных.
В том числе поэтому полезно, когда ваше чадо воспитываете не только вы, а еще пара бабушек с дедушками. Получится увидеть разные модели поведения, диверсифицироваться и избавить себя от стандартных паттернов и предрассудков.
Чем больше различных данных (ситуаций и событий) ребёнок получает, тем лучше его способность находить новые решения, что похоже на улучшение "обобщающей способности" модели.
(А еще есть хороший мэтч с Cross Validation, но уже для совсем продвинутых читателей, не буду объяснять 🙂).
3. Transfer Learning (Перенос Знаний).
Дети учатся в одном контексте и начинают применять это в другом. Например, узнав, как собрать простую конструкцию из кубиков, ребенок может применить этот навык в других играх. Или начинает придумывать новые истории, имена на основе прочитанных книг. Ребенок перенимает знакомые ему образы героев и сценарии из книги, но добавляет в своих играх новые элементы: новых персонажей или неожиданные повороты.
__________________________________
Если зайдет, напишу потом про Reinforcement Learning, Регуляризацию, Exploration vs. Exploitation.
