Naczelny algorytm – książka, która ma zmienić świat

Witaj w artykule, który jest recenzją drugiej książki na tym blogu. Tym razem nieco przypadkowo wybrałem książkę o tytule Naczelny Algorytm. Jak jego odkrycie zmieni nasz świat. Nieco przypadkowo, bo nie szukałem niczego konkretnego, natomiast tytuł całkiem mocno mnie zaintrygował.

Właśnie z powodu tytuły podszedłem do tej książki z dość mieszanymi uczuciami. Tytuły rozdziałów niewiele mi mówiły, a po przekartkowaniu natrafiłem na kilka rysunków, które są dość dobrze znane w uczeniu maszynowym, ale kontekst wciąż niewiele mi mówił.

Szczególnie intrygujące były stwierdzenia typu „jak naczelny algorytm zmieni świat”, „dlaczego powinniśmy szukać takiego algorytmu” i „dlaczego już wkrótce po jego wynalezieniu nic nie będzie takie samo”. Rzadko zdarza mi się natrafiać na książki, których autor lub wydawca tak zuchwale wypowiadają się o jej treści. Ale podjąłem to czytelnicze wyzwanie i postaram Ci się przybliżyć, co z niego wynikło.

Spis treści

Rewolucja uczących się maszyn

Jak to zwykle ze wstępami bywa, dowiemy się tutaj, o czym autor będzie pisał w dalszej części książki. Zaczynamy od definicji algorytmu i przedstawienia uczenia maszynowego jako algorytmu tworzącego algorytm. A to wszystko podlane przykładami, dlaczego uczenia maszynowe ma sens – przynosi dużo dochodów tym, który jak najszybciej zaczynają go używać.

Naczelny algorytm

Z tego rozdziału dowiemy się, co autor miał na myśli, definiując naczelny algorytm. Dowiemy się też, dlaczego powinniśmy go poszukiwać i dlaczego autor uważa, że taki algorytm jest możliwy do zbudowania. Dowiemy też się o pięciu plemionach żyjących w krainie uczenia maszynowego.

Problem indukcji Hume’a

W tym rozdziale poznajemy symbolistów. Symbolistów jako grupę zajmującą się uczeniem maszynowym poprzez empiryzm. Brzmi groźnie, ale ogólnie chodzi o to, że uczenie maszynowe zaczęło odnosić sukcesy, gdy zamiast pakować „tony” eksperckiej wiedzy do komputerów, zaczęto pakować obserwacje. A na bazie tych obserwacji zaczęto np. budować drzewa decyzyjne. Autor też w nieco pokrętny sposób pokazuje, że zawsze należy uważać na nadmierne dopasowanie.

Jak uczy się mózg?

Z obozu symbolistów przenosimy się do obozu koneksjonistów. Koneksjoniści starali się jak najuważniej zbadać mózg i na tej podstawie zbudowali sieci neuronowe. Koniec końcu głębokie sieci neuronowe są jak mały naczelny algorytm – koneksjoniści uważają, że brakuje w nim tylko kilku detali, jednakże autor stawia tutaj wiele pytań, które wskazują dość poważne luki. Sądzę, że ten rozdział całkiem fajnie wprowadza w sieci neuronowe i ich historię.

Ewolucja – uczący algorytm natury

Na pole bitwy wkraczają ewolucjoniści wraz z ewolucją. No bo czyż nie jesteśmy cudownym efektem najlepszego algorytmu, jakim jest dobór naturalny? Okazuje się, że mimo schludnej i całkiem sensownej implementacji, ewolucja pozostawia jeszcze bardzo dużo pola do popisu przy budowie naczelnego algorytmu.

W kościele wielebnego Bayesa

Nie jest to rozdział o wierze, ale o badaniu danych bazując na twierdzeniu Bayesa. Zawiera również całą masę dalszych rozważań, przy których szczerze mówiąc, zacząłem nieco wymiękać. Mamy bowiem tutaj omówione łańcuchy Markowa, sieci Bayesowskie, sieci Markowa. I wszystko pomiędzy. Sądzę, że jest to dość ciężko napisany rozdział, ale pokazuje również, jak można ugryźć modelowanie różnych nietypowych zjawisk.

Jesteś tym, co przypominasz

Tytuł tego rozdziału jest nieco pokrętny. A tak naprawdę autorowi chodziło o to, że analogiści mają w swoim arsenale jeszcze inne algorytmy niż te wspomniane we wcześniejszych rozdziałach. Co więcej, okazuje się, że w niektórych sytuacjach ich algorytmy (k najbliższych sąsiadów i maszyna wektorów nośnych) całkiem nieźle radzą sobie, gdy danych uczących jest bardzo mało. Niestety w innych sytuacjach zupełnie sobie nie radzą i w ten sposób autor zamyka niejako tournée po wszystkich pięciu plemionach zajmujących się uczeniem maszynowym.

Uczenie się bez nauczyciela

Okazuje się, że wspomniane plemiona nie wyczerpują tematu, bo mamy jeszcze takie zagadnienia, jak redukcja wymiarowości, uczenie przez wzmacnianie i uczenie relacyjne. Jaką rolę odgrywają te algorytmy przy budowaniu naczelnego algorytmu? Tego dowiesz się właśnie z tego rozdziału.

Kawałki układanki wskakują na miejsce

Dość szybko w tym rozdziale trafiamy na opowieść o podróży po mieście, które powstało jako stolica kontynentu rządzonego przez znane nam pięć plemion (szczepów). Miasto jest kołem podzielone na pięć wycinków, które dzielą się na trzy sektory (jeśli spojrzymy na całość, będą to pierścienie). Autor oprowadza nas po nim, żeby na końcu zaprezentować nam jego pomysł na połączenie wszystkich szczepów – którym są logiczne sieci Markowa. Żeby nie być gołosłownym, autor wprowadza nas w swoją implementację powyższego pomysłu – Alchemy: Open Source AI. Ostatecznie zostajemy zachęceni do znalezienia lekarstwa na raka, a przynajmniej taki proof of concept zostaje przed nami rozrysowany.

Świat po uczeniu maszynowym

Rozdział ten jest kopalnią pomysłów na temat przyszłości. Możemy z niego czerpać pomysły na biznes, jak i na przemiany społeczne, tudzież globalne. Pomysły, które omawia autor, dość mocno zahaczają o niektóre odcinki Czarnego Lustra i Star Treka, ale jest też trochę nowych zagadnień. Zdecydowanie mogę polecić ten rozdział osobom, które dość pesymistycznie spoglądają na przyszłość, którą zafunduje nam sztuczna inteligencja. Autor przedstawia tutaj wiele optymistycznych scenariuszy i próbuje podbudowywać je faktami. Ale polemikę z tym zostawię już Tobie, drogi czytelniku.

Komentarz

Po dogłębnej lekturze mam całkiem mieszane uczucia odnośnie do tej książki. Pierwsze odczucie to zagmatwanie. Mimo iż autor całkiem zgrabnie odwiedza wszystkie szczepy ucznia maszynowego i całkiem ciekawie buduje miasto, w którym mieszkają ich przedstawiciele, czuję się zagubiony. Nie spotkałem się do tej pory z takim podejściem do uczenia maszynowego i mam czasem poczucie, że niektóre wyróżnione tutaj segmenty są sztuczne, a niektóre można by przedstawić prościej.

Niektóre zagadnienia też według mnie dałoby się wyjaśnić nieco inaczej, a już na pewno jakieś rysunki zdecydowanie by pomogły. Z drugiej strony jednak dostajemy całkiem spory spis literatury uzupełniającej, nie jest więc też tak, że autor podał kilka przykładów i stwierdził, że to wystarczy. Sądzę, że autor po prostu chciał zasygnalizować całą masę tematów i uświadomił sobie, że nie da rady każdego z nich wytłumaczyć na palcach.

Innym problemem jest niemożliwość nauczenia się czegokolwiek praktycznego. Znajdujemy tu dużo fajnych pomysłów. Mamy implementację w postaci Alchemy. Dostajemy problemy, które musimy rozwiązać, jeśli chcemy znaleźć lekarstwo na raka. Ale po weekendowej lekturze, gdy wrócimy do życia, to nie jesteśmy w stanie niczego, co pozwoli nam przeżyć kilka kolejnych miesięcy, z tej książki zastosować. Po jej przeczytaniu odłożymy więc ją na półkę, a nie zabierzemy do tramwaju na doczytywanie.

Ale żeby wszystko było jasne, jest to świetna książka. Pokazuje ona, że wbrew pozorom całkiem nieźle nam idzie w kierunku wymyślenia nowego sposobu uczenia się. Dowiadujemy się też które szczepy algorytmów nadają się do których problemów. A takiego katalogu jeszcze szczerze mówiąc, nie widziałem. Autor włożył też bardzo dużo wysiłku na odnalezieniu analogii pomiędzy poszczególnymi szczepami. Kto wie, może właśnie Tobie przyda się te kilka detali na drodze do zbudowania naczelnego algorytmu.

Ocena przydatności w analizie danych, uczeniu maszynowym i sztuczniej inteligencji:

8/10

Zalety

• książka ta całkiem nieźle kataloguje współczesny (2015) stan uczenia maszynowego
• da się ją czytać bez uprzedniej wiedzy związanej z uczeniem maszynowym
• nie wymaga znajomości matematyki poza poziomem maturalnym
• dostajemy oprogramowanie, które było inspiracją do napisania tej książki
• dostajemy motywację do zunifikowania wszystkiego w celu stworzenia lepszego świata
• mniej niż 500 stron
• mniej niż 50 PLN

Wady

• miejscami nieco zagmatwana
• w kilku miejscach przydałyby się obrazki
• niepraktyczna – po jej przeczytaniu nie nabywamy żadnej nowej umiejętności
• spodoba się bardziej osobom, które mają już za sobą swoje pierwsze modele

Bonus

Jeśli chciałbyś sprawdzić, czy styl książki Ci pasuje, możesz pobrać darmowy 26 stronicowy PDF z treścią prologu. Sprawdź i sam zadecyduj.