Josh Tenenbaum: How to grow a Mind

Na tomto blogu sa budem častejšie zaoberať bayesiánskou štatistikou ako nástrojom pre analýzu dát. Omnoho populárnejšie je však momentálne jej využitie ako metafory pre fungovanie mysle. Táto metafora tvrdí, že dôležitá čast ľudského učenia a rozhodovania je inferencia, ktorá funguje na princípoch bayesiánskej štatistiky. Ľudia reprezentujú vedomosti pomocou apriorneho rozloženia pravdepodobnosti medzi hypotézami. Vedomosti sú usporiadané do intuitívnych teórii, ktoré je možné chápať ako grafické modeli. V nasledujúcich príspevkoch ilustrujem ako tento model mysle funguje. Tento príspevok má slúžiť ako historický úvod.
Josh Tenenbaum

Nárast popularity Bayesiánskych modelov je spojený s osobou Josha Tenenbauma (na fotke vyššie) a jeho doktorandov. Joshov otec bol profesorom psychológie na Princetone a jedným z priekopníkov kognitívnych vied vznikajúcich v 70. rokoch v USA. Josh už ako high-school študent pracoval ako pomocník v labáku otcovho kolegu Rogera Sheparda. Otec bol zrejme natoľko presvedčený o kvalitách štúdia psychológie, že poslal syna študovať fyziku. Celý čas bolo však jasné že Josha zaujímajú kognitívne vedy a svoje doktorandské štúdium Josh absolvoval na BCS MIT pod vedením W. Richardsa. Joshov zaújem prešiel od Shepardovych modelov kategorizácie k modelom bayesiánskym. Jeho prielom prišiel jeho štúdiou v Science, kde s kolegami vyvinuli efektívne metódy pre učenie viacpriestorových dát. Po krátkom odskočení na Stanford sa stal Josh profesorom na MIT, kde vedie vlastný labák. Jeho pôvodný záujem bol aplikovať bayesiánske modely na kategorizáciu. Postupne sa však ukázalo že viac menej všetky domény kde je potrebné inferenčné schopnosti je možné modelovať pomocou týchto techník. Takto Josh s kolegami aplikovali bayesiánske modeli okrem kategorizácie na koncept kauzality, vnímanie náhodnosti, motoriku, intencionalitu, teóriu mysle a intuitívne fyzikálne teórie. Na týchto projektoch sa podielali zástupy doktorandov a postdocov. Títo jeho žiaci sa následne sa stali úspešnými profesormi na Berkeley (Griffiths), Stanforde (Frank, Goodman), MIT (Saxe), CMU (Kent) a ďalších univerzitách. Pred dvoma rokmi zhrnuli bayesiáni svoje víťazné ťaženie v článku v Science (Tennenbaum, Kemp, Griffiths and Goodman, 2011). Dobrým zdrojom sú aj Tenenbaumove prednášky napr. tu.

Ako v prípade bayesiánskej štatistiky úspech bayesiánskej metafory mysle pramení z veľkej miery z rapídneho rozvoja výpočtových algoritmov (gibbs sampling, variational inference) a takisto ťaží z nárastu rýchlosti procesorov. Tieto faktory spôsobili, že bayesiánske techniky sa stali prístupné a aplikovateľné v doménach mimo informatiky. Josh Tenenbaum a kolegovia teda mali správny čuch a boli v správny čas na správnom mieste. V ďalších príspevkoch predstavím viaceré aplikácie bayesiánskeho modelovania.

Tenenbaum, J.B., Kemp, C., Griffiths, T.L. and Goodman, N. (2011). How to grow a Mind: Statistics, Structure and Abstraction. Science, Vol. 331 no. 6022 pp. 1279-1285.

Pridaj komentár

Zadajte svoje údaje, alebo kliknite na ikonu pre prihlásenie:

WordPress.com Logo

Na komentovanie používate váš WordPress.com účet. Log Out / Zmeniť )

Twitter picture

Na komentovanie používate váš Twitter účet. Log Out / Zmeniť )

Facebook photo

Na komentovanie používate váš Facebook účet. Log Out / Zmeniť )

Google+ photo

Na komentovanie používate váš Google+ účet. Log Out / Zmeniť )

Connecting to %s