Без заголовка

Мне эти темы на практике почему-то ниочень интересны (в теории конечно интересны, но руки не доходят). Но интересны две другие вещи, в которых я вижу тоже что-то типа "мышления": Structured Prediction и Kernelized Algos (Kernel Trick которые). В случае Structured Prediction у нас есть сложно-составной аутпут/лейбл, который оценивается соответствующей сложно-составной перформанс метрикой. И так как пространство возможных вариантов предикшенов в структурном случае может быть большой/огромной/необъятной, то для выбора оптимального варианта (часто предикшен делается как оптимальный в каком-то смысле вариант в этом сложно-составном пространстве) нужно применить какой-то алгоритм типа там динамического программирования, или какой-нить пошаговый поиск в прострастве (включая вариант с парсингом грамматик, управляемый МЛ алгоритмами). Что кагбэ уже близко к логикам - ибо в случае логического вывода тоже может происходить поиск в каком-то пространстве. Kernel Methods несколько хитрее, но по сути Kernel есть что-то типа similarity. Kernelized алгоритм в некотором роде сравнивает пример, для которого нужно сделать предсказание, с набором тренировочных примеров (или прототипов, полученных на их основе), ну и выбирает наиболее похожие, ну или там помножает на соответствующие веса и проч. Мне тут видится некоторая модель мышления по аналогии. Т.е. не формально-логическое по дедуктивным правилам, а прецедентное. Соответственно, мне думается что если развивать всеразличные Kernel методы (а там можно и структурный инпут обрабатывать - String Kernels к примеру), то это наверное тоже может пройти как компьютерное, и не вполне человеческое мышление.