Scena 1 di 7
Micro-lezione visuale · Tappa 06 di 10 · 6–8 minuti
Perché servono migliaia di esempi
Correzioni piccole, ripetute, a piccoli gruppi. E perché la quantità, da sola, non basta.
La tappa precedente si è chiusa con un avvertimento: l'elenco di correzioni calcolato su una sola immagine è una direzione egoista, buona per quel caso e cattiva per tutti gli altri. Qui vediamo come si mette insieme il passo vero — e perché il numero di esempi conta molto meno di quanto si creda, rispetto a quanto sono diversi fra loro.
Come usare questa lezione
«Quanti dati avete» è la domanda sbagliata.
Quando si valuta una soluzione basata su AI, la domanda che viene naturale è quanti dati siano stati usati per costruirla. È una domanda quasi inutile. Quella che conta è: quanta parte della varietà reale del problema è rappresentata in quei dati.
Diecimila pratiche tutte dello stesso tipo, dello stesso ufficio, dello stesso anno, insegnano meno di cinquecento pratiche che coprono i casi limite, le eccezioni e le situazioni rare. La macchina impara ciò che ha visto variare, e resta cieca su ciò che era sempre uguale — senza nessun modo di segnalarlo.
Questa lezione approfondisce aspetti trattati nel secondo e terzo capitolo della serie Neural networks di Grant Sanderson (3Blue1Brown), che resta il riferimento migliore per chi voglia poi affrontarne la matematica. Testi, esempi e diagrammi di questa pagina sono originali.