Il Machine Teaching è un paradigma alternativo di apprendimento automatico. Si concentra su quanto efficacemente ed efficientemente un docente può guidare un discente ad acquisire una determinata competenza (ipotesi). I lavori fondazionali risalgono ai primi anni '90 [Shinohara91,Goldman95] e considerano lo scenario in cui il docente invia al discente in un'unica soluzione l'intero insieme di esempi etichettati, dai quali il discente deve dedurre l'ipotesi corretta in un dato insieme di possibili ipotesi. In approcci più recenti, il modello prevede che docente e discente interagiscano in più round. In ogni round il docente invia un insieme di esempi, sulla base dei quali il discente elabora la propria ipotesi parziale e fornisce un qualche feedback al docente. Il processo termina quando il discente identifica l'ipotesi corretta (o una qualche sua buona approssimazione). Modelli di machine teaching sono usati con successo in diversi ambiti applicativi, quali : crowd sourcing, intelligent tutoring systems, analisi di attacchi informatici, sistemi per il riconoscimento automatico del linguaggio naturale.
Elementi fondazionali: da PAC learning ad Active Learning , a Machine Teaching (MT); Concetti di Teaching dimension (batch, sequenziale, ricorsivo, VC-dimension e sample compression); machine teaching interattivo e black box machine teaching; applicazioni di MT in huma-computer interaction.
Lettura e commento di articoli
© 2023 | Università degli studi di Verona
CSS e script comuni siti DOL - frase 9957
