¿Cuáles son los desafíos recientes en el aprendizaje automático?

Estoy realmente impresionado por los avances realizados en el aprendizaje automático. Hemos progresado realmente bien en el reconocimiento de imágenes, etc.

Sin embargo, los métodos actuales de aprendizaje automático están especializados para tareas específicas, mientras que los cerebros / mentes humanos pueden manejar muchos tipos diferentes de tareas y aplicar los resultados de aprendizaje de un área a otra. Para llegar a un modelo predictivo, un método de aprendizaje automático actual requiere muchos más datos de entrenamiento y muchos más cálculos que un cerebro / mente humana.

Los métodos actuales de aprendizaje automático son como esos diodos de vacío masivos de principios de 1900. Los transistores miniaturizados y los circuitos integrados condujeron a la electrónica posterior a la Segunda Guerra Mundial. … Dentro de unas décadas, podríamos tener métodos de aprendizaje automático, que pueden manejar muchos tipos diferentes de tareas y aplicar los resultados de aprendizaje de un área a otra. Serán similares a transistores miniaturizados y circuitos integrados.

Bueno, Machine Learning simplemente significa dejar que una máquina con cualquier tipo de IA programada ejecute simulaciones continuamente con la esperanza de que encuentre patrones subyacentes que tengan usos prácticos o informativos. Entonces, las limitaciones del aprendizaje automático son la potencia computacional y el almacenamiento.

Sin embargo, si está hablando de IA en general, entonces el mayor problema actual es el problema P vs. NP. Seré muy general aquí para simplificar enormemente el problema, pero todo se reduce a cómo escalan los problemas matemáticos con muchas variables.

En los problemas P, las matemáticas se escalan de manera lineal, es decir, a medida que agrega más variables a una ecuación o IA, el tiempo para calcular la respuesta solo aumenta un poco.

En los problemas de NP, las matemáticas se escalan exponencialmente, es decir, a medida que agrega más variables a la ecuación o IA, el tiempo para calcular casi se duplica. Esto lleva a un problema llamado “intratabilidad”, que básicamente significa que el tiempo para calcular la respuesta eventualmente tomará más tiempo del que incluso existirá el universo. Es insoluble en términos prácticos.

El problema es que muchos de los problemas que queremos que la IA aborde se consideran problemas de NP, y el campo en este momento está buscando formas de resolver los problemas de NP.