Словарь ИИ
Кто такой Владимир Вапник
Коротко
Владимир Вапник это математик, который вместе с Алексеем Червоненкисом создал статистическую теорию обучения и построил теорию метода опорных векторов (SVM).
Люди · Vladimir Vapnik
Михаил МозгПроверено: 1 минута чтения
Ребенку
Бывает, что к контрольной выучишь задачи из учебника наизусть, а на контрольной дают новые, и ничего не выходит. Владимир Вапник придумал, как заранее понять, научилась ли машина по-настоящему или просто зазубрила примеры. Еще он придумал, как провести линию между двумя кучками игрушек так, чтобы до каждой кучки оставалось как можно больше места.
Простыми словами
С начала 1960-х годов Вапник работал в Институте проблем управления вместе с Алексеем Червоненкисом. Они искали ответ на вопрос: когда модель, обученная на конечном числе примеров, будет правильно работать на новых? Ответом стала теория, где сложность модели измеряют особым числом, VC-размерностью. Если модель слишком гибкая для такого числа примеров, она запоминает их, а не закономерность. В 1990 году Вапник перешел в американскую Bell Labs и построил теорию метода опорных векторов: он ищет границу между классами с наибольшим запасом. Этот метод и сегодня входит в базовый набор машинного обучения.
Для бизнеса
Работы Вапника объясняют главный риск любой модели в компании: на старых данных она выглядит отлично, а на новых ошибается. Причина в переобучении, когда модель слишком сложна для объема примеров. Отсюда практические правила. Модель проверяют на данных, которых она не видела, например на последнем квартале. Сложную нейросеть не берут туда, где хватает простой модели и небольшой таблицы. А обещание поставщика «почти без ошибок» без описания тестовой выборки ничего не значит. Еще в СССР методы Вапника и Червоненкиса применяли для медицинской диагностики вместе с Всесоюзным онкологическим центром. Как ловить такие ошибки до запуска, разобрано в материалах о рисках ИИ.
Для специалиста
В Институте проблем управления Вапник и Червоненкис в 1962-1971 годах разработали метод обобщенного портрета (generalized portrait) для распознавания образов. В 1968 году они доказали необходимые и достаточные условия равномерной сходимости частот к вероятностям по бесконечному классу событий, обобщение закона больших чисел. Отсюда понятие VC-размерности (Vapnik-Chervonenkis dimension), оценки сходимости методов минимизации эмпирического риска (empirical risk minimization) и метод структурной минимизации риска (structural risk minimization). Итоги изложены в книге «Теория распознавания образов» (с Червоненкисом, «Наука», 1974). В 1990 году Вапник перешел в AT&T Bell Laboratories и на основе обобщенного портрета построил теорию метода опорных векторов (support vector machines, SVM): классификатор максимизирует зазор (margin) между классами, а ядра (kernel trick) переносят задачу в пространство признаков высокой размерности. Главные книги на английском: «Statistical Learning Theory» (Wiley, 1998) и «The Nature of Statistical Learning Theory» (Springer, 1999).
Пример
Сервис доставки обучил модель предсказывать опоздания курьеров, и на прошлогодних данных она почти не ошибалась. Аналитик по правилу Вапника проверил ее на последнем месяце, которого модель не видела, ошибок стало заметно больше, и модель упростили до запуска.
Хронология
- 1968: В 1968 году в Институте проблем управления вместе с Алексеем Червоненкисом доказал условия равномерной сходимости частот к вероятностям; из этого результата выросли теория Вапника-Червоненкиса и понятие VC-размерности.
- 1990: В 1990 году перешел в AT&T Bell Laboratories и на основе метода обобщенного портрета построил теорию метода опорных векторов (SVM).
Факты проверены: 2026-10-16
Связанные термины
Вопросы и ответы
Что такое VC-размерность Вапника-Червоненкиса?
Кто придумал метод опорных векторов?
Источники
Где это применяют в компании
Не уверены, нужно ли это вашей компании?
Карта ИИ-решений