Хабрахабр

Как машинное обучение помогло мне понять некоторые аспекты раннего развития детей

Когда моему первому сыну было всего два, он уже любил машины, знал все марки и модели (даже больше, чем я, благодаря моим друзьям), мог их распознавать по небольшой части изображения. Все говорили: гений. Хотя и отмечали полную бесполезность этих знаний. А сын тем временем спал с ними, катал их, расставлял ровно в ряд или квадратиком.

Мы даже играли в Math Workout (игра такая на Андроиде — я любил в метро после работы повычислять), и в какой-то момент он стал меня делать только так. Мальчик любит машинки
Когда ему было 4 он научился считать, а в 5 уже мог умножать и складывать в пределах 1000. Гений! А в свободное от занятий время он считал до миллиона, что вымораживало окружающих. — говорили они, но мы-то подозревали, что не совсем.

Кстати, на рынке он неплохо помогал маме — вычислял общую сумму быстрее, чем продавцы на калькуляторе.

В общем был немного замкнутым ребёнком. При этом он никогда не играл на площадке, не общался со сверстниками, не очень ладил с детьми и воспитателями в саду.

Он погрузился в него на месяц, а после этого стал задавать нам каверзные вопросы в стиле:
— Пап, как считаешь, какая страна имеет большую площадь: Пакистан или Мозамбик?
— Наверное Мозамбик, — отвечал я.
— А вот и нет! Следующим этапом была география — мы пытались куда-то канализовать любовь к числам, и вручили сыну старый советский атлас. Площадь Пакистана на целых 2350 км2 больше, — радостно отвечал сын.

Мальчик любит географию

Только голые цифры: площадь, численность населения, объём запасов полезных ископаемых, и т.д. При этом его совершенно не интересовали ни народы, населяющие эти страны, ни их языки, ни одежды, ни народная музыка.

«Умён не по годам», — говорили вокруг, но я опять забеспокоился, т.к. Все опять восхищались. Лучшим применением из всего, что я нашёл, было предложение посчитать, сколько машин поместится на парковке, если какую-то отдельно взятую страну закатать асфальтом (без учёта горного рельефа), но быстро осёкся, т.к. понимал, что это совершенно бесполезные знания, не привязанные к жизненному опыту, и которые сложно продолжить развивать. это попахивает геноцидом.

А после он начал медленней считать в уме и вскоре позабыл площади стран. Что интересно, тема машин к этому моменту ушла совсем, сын даже не помнил названия любимых машин из своей огромной коллекции, которую мы с потерей интереса стали раздавать. Гениальность прошла, друзья перестали восхищаться, сын стал просто хорошим учеником со склонностью к математике и точным наукам. При этом он начал больше общаться со сверстниками, стал более контактным.

Повторенье — мать ученья

Казалось бы, к чему всё это. Такое наблюдается у многих детей. Их родители всем заявляют, что дети их гениальны, бабушки восторгаются и хвалят детей за их «знания». А потом из них вырастают обычные просто умные дети, не гениальней сына маминой подруги.

Я не биолог и не нейробиолог. Изучая нейронные сети я столкнулся с похожим явлением, и мне кажется, что из этой аналогии можно сделать определённые выводы. Буду рад комментариям профессионалов. Всё дальнейшее — мои догадки без претензии на особую научность.

4 секунды, в то время как моим рекордом было 21. Когда я пытался понять, как сын так круто научился считать быстрее меня (он проходил уровень в Math Workout за 20. Он заучил, что при появлении 55+17 нужно нажимать на 72. 9), я осознал, что он вообще не считает. Первое время он конечно считал, но рывок по скорости произошёл в тот момент, когда он смог запомнить все комбинации. На 45+38 нужно клацнуть на 83, и так далее. Это именно то, чему учат в школе, изучая таблицу умножения — запомнить таблицу соответствия MxN -> P. Причём достаточно быстро он стал запоминать уже не конкретные надписи, а сочетания символов.

Задачи чуть отличные он делал, но сильно медленнее. Оказалось, что большую часть информации он воспринимал именно как связь между входными данными и выходными, а тот весьма общий алгоритм, который мы привыкли прокручивать для получения ответа, у не просто редуцировался до очень хорошо заточенного узкоспециализированного алгоритма счёта двузначных чисел. то, что всем казалось супер крутым, на самом деле просто имитировалось хорошо обученной нейронной сетью на конкретную задачу. Т.е.

Лишние знания

Почему же у одних детей есть способность к такому запоминанию, а у других нет?

Слева поле интересов обычного ребёнка, а справа поле интересов «одарённого» ребёнка. Представим себе поле интересов ребёнка (тут мы подходим к вопросу качественно, без каких-либо измерений). А вот на повседневные вещи и общение со сверстниками фокуса уже не хватает. Как и ожидалось, основной интерес сосредоточен в областях, к которым особые склонности. Эти знания он считает лишними.

Интересы обычного ребёнка 5 лет

Интересы гениального ребёнка 5 лет

Интересы обычного ребёнка 5 лет

Интересы «гениального» ребёнка 5 лет

Проводя обучение нейронная сеть в мозге должна научиться успешно классифицировать входящие данные. У таких детей мозг анализирует и проводит обучение только по избранным темам. Сильно больше, чем нужно для нормальной работы с такими простыми задачами. Но в распоряжении мозга много-много нейронов. И обучение в таком режиме легко приводит к тому, что профессионалы по ML называют overfitting. Обычно по жизни дети решают много разных задач, но здесь все те же ресурсы брошены на более узкий круг задач. Таким образом обучение привело не к тому, что мозг выделил основные характеристики и запомнил их, а к тому, что он подогнал множество коэффициентов, чтобы выдавать точный результат на уже известных данных (как на картинке справа). Сеть, используя обилие коэффициентов (нейронов), обучилась так, что выдаёт всегда точно нужные ответы (но на промежуточных входных данных может выдавать полную чушь, но этого никто не видит). Причём на остальные темы мозг так себе обучился, плохо потренировавшись (как на картинке слева).

Машинное обучение: underfitting и overfitting

Мне кажется, что именно склонность ребёнка к конкретной теме (зацикленность) и полное игнорирование остальных тем приводит к тому, что при обучении слишком много «коэффициентов» отданы этим самым темам.

Применимость такой сети очень узкая. Учитывая, что сеть настроена на конкретные входные данные и не выделила «фичи», а тупо «запомнила» входные данные, её невозможно использовать при немного других входных данных. «Настройки» той overfitted-сети рушатся, ребёнок становится «нормальным», гениальность исчезает. С возрастом кругозор расширяется, фокус размывается, и возможности отводить столько же нейронов на ту же задачу уже нет — они начинают использоваться в новых более нужных для ребёнка задачах.

Но в большинстве случаем это не получается, и от былых навыков и следа не останется уже к 8-10 годам. Конечно, если у ребёнка есть навык, который сам по себе полезен и его можно развивать (например, музыка или спорт), то его «гениальность» можно долго поддерживать, и даже довести эти навыки до профессионального уровня.

Выводы

  • если у вас ребёнок «гениальный» и немного более замкнутый, чем сверстники, то развивать далее эти самые навыки нужно аккуратно, активно развивая параллельно кругозор, и не делать акцент на этих «крутых», но обычно бесполезных навыках.
  • у вас гениальный ребёнок? это пройдёт 😉 просто развивайте его другие стороны, а эта «гениальность» — эффект слишком сильной обученности, а совсем не гениальность.
Теги
Показать больше

Похожие статьи

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Кнопка «Наверх»
Закрыть