Creo que hay una base para creer que los ANN son ideales para el reconocimiento de patrones (especialmente problemas con paisajes degradados, como el reconocimiento de objetos en las imágenes). En términos generales, las ANN se benefician de su capacidad para: 1) retener un gran espacio de estado (múltiples capas de números de coma flotante), 2) aprender y adaptarse de forma incremental (propagación hacia atrás), 3) generalizar / regularizar, 4) asociar hechos localizados relacionados relevantes (a través de conexiones de nodo), 4) agrega valor de conjuntos de entrenamiento cada vez más grandes y 5) minimiza el error. Todos estos sirven para el reconocimiento de patrones extraordinariamente bien, especialmente en contraste con otras técnicas.
Si los ANN poseen las ‘habilidades’ necesarias para todas las demás formas de aprendizaje (por ejemplo, un disparo, sin supervisión, descubrimiento, construcción y revisión de planes, lógica secuencial, etc.), esto se desconoce, ya que aún no sabemos qué habilidades se necesitan. En mi humilde opinión, es probable que los ANN sean menos adecuados para esos fines, en función del menor impacto que han tenido hasta ahora.
- ¿Por qué RR.HH. pone tanto énfasis en el EQ de un empleado, especialmente en un momento en que los robots y la IA están a punto de reemplazar a la fuerza laboral humana?
- Cómo reclutar estudiantes de doctorado que se especialicen en Inteligencia Artificial
- ¿Podemos imitar artificialmente las señales eléctricas enviadas por nuestros nervios?
- ¿Puedo obtener un trabajo de aprendizaje automático si termino la especialización de aprendizaje profundo de Andrew Ng?
- ¿La IA es crucial para 'blockchain'?
