Sistemas basados en ML:
- requiere una gran cantidad de datos para el aprendizaje no supervisado, menos para el aprendizaje supervisado, pero luego debe etiquetar los datos de forma manual o semimanual
- funcionan mejor en dominios de alta validez donde los resultados de las decisiones son suficientemente visibles en el futuro cercano (“cercano” depende del contexto)
- no son particularmente adecuados para explicaciones (p. ej., redes neuronales) (existen enfoques híbridos entre el modelado basado en el conocimiento y basado en datos que proporciona poder explicativo al modelo, como las redes bayesianas). En algunos casos, si la representación de datos contiene poder explicativo, entonces. por ejemplo, los árboles de clasificación pueden proporcionar explicaciones útiles de por qué algo se predice / detecta.
- son difíciles de verificar y validar que son útiles y no perjudiciales en todos los contextos. Por ejemplo, es una cosa si tiene intentos repetidos, entonces un aumento en las probabilidades a su favor puede ser suficiente para usar un sistema. Sin embargo, si las decisiones individuales importan, entonces necesita una mayor precisión y, en los sistemas de clasificación, menos falsos positivos.
Si tiene una situación en la que no tiene muchos datos o explicaciones es altamente deseable o si tiene requisitos estrictos sobre la verificación y validación de la utilidad y la no dañosidad, entonces son preferibles los sistemas basados en reglas.
Además, si tiene un modelo basado en ML que es individualizado (local) y evolutivo (adaptable), generalmente necesita reglas para verificar los límites en función del conocimiento. Por ejemplo, en un sistema de recomendación de salud es útil hacerlos individualizados y adaptables para permitir la detección temprana de problemas. Sin embargo, si no tiene controles de límites y el cambio en el estado es lo suficientemente lento, entonces el sistema puede adaptarse a una situación que es arriesgada y considerar que es normal. Con las comprobaciones de límites, esto se evita. El mismo tipo de sistemas está disponible en los sistemas de soporte en automóviles que se adaptan al conductor. En estos sistemas, es importante poder verificar y validar la función. Por lo tanto, reemplazar completamente los sistemas basados en reglas con ML no es factible en muchos sistemas.
- ¿Cuáles son los tipos de inteligencia artificial?
- ¿Cuáles son las 10 reglas de la ética informática?
- ¿Cuál es una buena explicación del 'método potencial' para el análisis amortizado?
- ¿Debería sentirme mal por tener mejores habilidades de gestión que las habilidades de programación como estudiante de informática?
- ¿Pueden las computadoras superar las capacidades cognitivas humanas cuando superan cierto poder computacional?