機械学習のモデル化

というNBER論文が上がっている。原題は「Modeling Machine Learning」で、著者はAndrew Caplin(NYU)、Daniel J. Martin(ノースウエスタン大)、Philip Marx(ルイジアナ州立大)。
以下はその要旨。

What do machines learn, and why? To answer these questions we import models of human cognition into machine learning. We propose two ways of modeling machine learners based on this join: feasibility-based and cost-based machine learning. We evaluate and estimate our models using a deep learning convolutional neural network that predicts pneumonia from chest X-rays. We find these predictions are consistent with our model of cost-based machine learning, and we recover the algorithm's implied costs of learning.
(拙訳)
機械学習は何をどのような理由で学習するのだろうか? この問題に答えるために我々は、人間の認知モデルを機械学習に導入した。この結合に基づき我々は、機械学習をモデル化する2つの方法を提示する。実現可能性ベースの機械学習と費用ベースの機械学習である。我々は、胸部X線画像から肺炎を予測する深層学習畳み込みニューラルネットワークを用いて我々のモデルを評価し推計した。その予測は我々の費用ベースの機械学習と整合的であり、アルゴリズムに内包された学習費用を我々は抽出した。