Merak ettiğin her soru bilimsel bir yanıtı hak eder. Buradaki yanıtlar yayımladığımız yazılara dayanır ve kaynağa kadar açıktır.
Sor · Kaynak gör · İkna ol
Evet — ve sanıldığından sert biçimde. Yeni bir görev öğrenen bir sinir ağı eskisini kısmen değil, neredeyse tamamen kaybedebiliyor. Buna felaketle biten unutma deniyor. Sebebi basit: ağın bildiği her şey aynı ağırlık kümesinde duruyor, yeni görev o ağırlıkları kendi işine göre çekiştirince eskinin izi siliniyor.
Etkiliyor, hem de belirgin biçimde. Aynı görevler farklı sırayla gösterildiğinde nihai hata oranı değişiyor: dizinin toplam zorluğu ve ardışık görevler arasındaki fark arttıkça unutma da artıyor. Yani sürekli öğrenen bir sistemde müfredat, algoritma kadar belirleyici.
Genellikle hayır — uzatır. Bin kişilik bir benzetimde nüfusun yüzde yetmişini kapsayan karantina toplam vaka sayısını hiç değiştirmedi ve salgın 49 günden 58 güne çıktı. Değişen şey tepe noktasıydı: yüzde elliden yüzde yirmi beşin altına indi. Amaç salgını bitirmek değil, aynı anda hasta olan sayısını hastanelerin taşıyabileceği düzeyde tutmak.
İkisi de, ama hız çoğu zaman hafife alınıyor. Aynı yüzde yetmiş beşlik kapsama iki kat hızlı ulaşıldığında bin kişilik nüfusta hastalanan sayısı 144'ten 35'e düştü. Geç kalan geniş bir kampanya, erken davranan dar bir kampanyadan daha kötü sonuç verebiliyor.
"Anlamak" fazla iddialı bir sözcük. Klasik sistemler sesi birkaç katsayıya indirip kayıtlı şablonlarla karşılaştırıyor; bugünküler bunun yerine milyonlarca saatlik konuşmayla eğitilmiş sinir ağları kullanıyor. İkisinde de olan şey örüntü eşleştirme — anlamı kavramak değil.
Zamanı esneterek. Dinamik zaman bükmesi adlı algoritma, iki kaydın başını başına ve sonunu sonuna bağlayan, aradaki toplam uyuşmazlığı en aza indiren yolu arıyor. Böylece bir kayıtta uzatılmış bir hece, diğerindeki kısa heceye eşlenebiliyor.
Yalnızca beslendiği aralıkta. Kahve satışı örneğinde veri 3 ile 9 birim raf alanı arasında toplanmıştı; çizgi kâğıt üzerinde sonsuza gider ve "100 birim ayırsak ne olur" sorusuna da bir cevap üretir. O cevabın hiçbir dayanağı yoktur. Aralığın dışına çıktığınız anda tahmin değil temenni üretmeye başlarsınız.
İkisi de — fark yöntemde değil, alışkanlıkta. Makine öğrenmesi geleneği veriyi ikiye böler: bir kısmıyla çizgiyi kurar, sakladığı kısımla sınar. Çünkü bir modelin gördüğü veriyi açıklaması kolaydır; asıl soru görmediği veride ne yaptığıdır. Etiketli veriyle eğitilip sayısal tahmin ürettiği için regresyon tanımı gereği gözetimli öğrenmedir.
Sorunun türüne göre değişiyor, ve şaşırtıcı olan da bu. Kayıt numaraları, hata mesajları ve dosya adlarıyla dolu bir arşivde otuz yıllık kelime araması, sinir ağlarıyla çalışan anlam aramasını geçti: aradığı sayfaların yüzde 74'ünü buldu, anlam araması yüzde 65'ini. Anlam araması, kelimenin kendisinin önemli olduğu yerde zayıflıyor — bir kayıt numarasının anlamı yoktur. En iyi sonuç ikisini birleştirmekten çıkıyor.
Önlem alınmazsa evet. Arama katmanı izinleri bilmez, yalnızca benzerliği bilir; bir sayfa soruyla mükemmel eşleşip yine de o kişiye kapalı bir projeye ait olabilir. Bu yüzden sonuçların, kişinin erişebildiği projelere göre süzülmesi gerekiyor. Bir asistan kurumun izin yapısını ya devralır ya da deler; üçüncü bir ihtimal yok.
Yazılım tanımlı bir ağda anahtarın tablosunda yeni bir akış için henüz kural yoktur. İlk paket bu yüzden denetleyiciye sorulur; denetleyici karar verir ve anahtara bir kural yazar. Sonraki paketler bu kurala doğrudan uyar ve denetleyiciye hiç uğramaz. Laboratuvar föyündeki örnek çıktıda ilk cevap 2,76 milisaniyede, ikincisi 0,052 milisaniyede geldi.
Döngüleri engelleyen protokol çalışmıyorsa bir yayın fırtınası başlar. Herkese gönderilen bir ARP isteği her anahtarda bütün kapılardan çıkar, halkayı dolaşıp geri döner ve her turda çoğalır. IP paketlerinin aksine Ethernet çerçevelerinin bir ömür sayacı olmadığı için bu kendiliğinden durmaz; bağlantılar dolar, ping'ler cevapsız kalır. Yayılan ağaç protokolü fazla bağlantıları kapatarak bunu önler.
