Encontrar los picos y valles en un gráfico es importante en la IA en una variedad de temas, y la optimización basada en gradientes es una técnica útil para resolver ese problema.
Usted formuló la pregunta de tal manera que sugirió que GBO está destinado a resolver todo el problema de AGI, lo que supongo que no es lo que quería decir. Es difícil poner una definición estricta (acordada) de inteligencia sobre la mesa, pero creo que cualquiera estaría de acuerdo en que necesita algo más que un análisis gráfico. Se requiere aprendizaje, planificación, reconocimiento de patrones y más.
En resumen: GBO es una técnica valiosa, pero no la describiría como un algoritmo de IA per se. Ciertamente no producirá AGI a menos que sea parte de un marco más grande y complejo.
- En una red neuronal (sin saber si es específica para keras), ¿cuál es la diferencia entre el tamaño del lote y el entrenamiento del lote? ¿Cuándo necesitaría ambos?
- ¿Cómo es tener a Daphne Koller o Andrew Ng como su asesor de investigación?
- ¿Qué piensas sobre la creación de máquinas superinteligentes (IA)? Por favor lea los detalles antes de responder.
- ¿Por qué ayudó Elon Musk a encontrar OpenAI cuando dice que la IA es la mayor amenaza existencial para la humanidad?
- ¿Todavía necesitamos crear modelos matemáticos a la antigua usanza, cuando tenemos aprendizaje automático para encontrar alguna función que represente un sistema?
No creo que deba especular sobre los motivos de OpenAI, ya que no soy parte de su organización, ni estoy muy familiarizado con su trabajo. Pero en general creo que es una afirmación justa que los científicos de IA prefieren trabajar gradualmente hacia el objetivo final de AGI, en lugar de abordar todo el problema de una vez. Por esta razón, pueden preferir elegir un pequeño subconjunto de problemas y resolverlos, en lugar de aumentar el alcance demasiado rápido. Esto no solo mantiene la complejidad manejable, sino que también hace que sea más fácil obtener resultados visibles y (para ello) subvenciones.