¿Una red neuronal artificial hace algo que básicamente no es equivalente a la clasificación?

Contestaré eso con una contrapregunta: ¿Hay alguna tarea de procesamiento de información que “fundamentalmente no sea equivalente a la clasificación”?

Uno puede argumentar fácilmente algunos de los ejemplos en las otras respuestas como tareas que teóricamente pueden plantearse como tareas de clasificación.

La traducción de idiomas, por ejemplo, ciertamente puede verse como una tarea de “clasificación”, incluso si no está modelada como tal explícitamente en la mayoría de los enfoques. Si piensa en cada posible oración o párrafo como una clase separada (sí, eso será un gran número de clases), y plantea el problema como clasificar una oración o párrafo de entrada en una de estas clases. Nuevamente, prácticamente, no funcionará … ¡pero “fundamentalmente” la tarea en sí misma es una tarea de clasificación!

Lo mismo para transferir estilos o jugar videojuegos. En realidad, incluso los modelos generativos que mapean una distribución de entrada a una distribución de salida están haciendo “fundamentalmente” una clasificación: dada una cadena aleatoria, ¡clasifíquela en el conjunto de todas las imágenes posibles de 256 × 256! Una vez más, un conjunto muy grande, pero no obstante clasificación.

Si estabas insinuando que esto no es impresionante, ¡entonces trata de encontrar alguna tarea que no sea fundamentalmente clasificación! No se me ocurre nada !! Incluso si puede, significa que un “clasificador universal” ideal puede ser una herramienta de procesamiento de información increíblemente poderosa.

TL; DR: Sí.

Un MLP realmente no hace nada más que clasificaciones de pila y no linealidades, pero los ANN modernos no son MLP.

Las arquitecturas modernas (RNN y CNN al menos) en realidad están construyendo una estructura interna sofisticada para reconocer características de alto nivel en su dominio de datos de entrada.

Estas características están algo vinculadas a las clases de salida, pero la estructura es muy genérica y no está vinculada a esas clases. Es similar a “aprender que existen rayas”, en lugar de “determinar si algo tiene rayas”.

Aparte de eso, se reduce a lo que crees que es “equivalente a la clasificación”. Como un punto muy trivial, los ANN pueden construirse para manejar tareas de regresión, lo que fundamentalmente no es equivalente a la clasificación.

Los ejemplos más complejos como la inferencia sintáctica, la traducción de idiomas y los modelos generativos también están muy lejos de la clasificación.