Usted pregunta: ¿Cómo se hace? Midiendo las diferencias de luz y color con cierta granularidad espaciada en las imágenes de los objetos. A continuación, los datos de estas mediciones se analizan en busca de formas / patrones que son más “característicos” que otros. Esta es la función de recompensa que utiliza el procedimiento en ausencia de instrucciones específicas para el efecto de “lo que estamos buscando”. Finalmente, los candidatos encontrados se agrupan en grupos, sin embargo, no necesariamente cualquier cosa que separe claramente las entidades definidas biológicamente, también podría ser ‘cosas oscuras’ y ‘cosas claras’, ‘cosas pequeñas / grandes’, cosas con dos partes principales, tres principales partes, etc.
Por supuesto, ya sabemos que existen tecnologías en funcionamiento capaces de hacer esa distinción visual de manera muy confiable. El reconocimiento digital es una tecnología muy exitosa.
Las siguientes tecnologías, algo relacionadas, a punto de tener éxito son estas:
- Como desarrollador web junior sin una sólida base matemática, ¿qué enfoques debo tomar para dominar el aprendizaje automático y aplicarlo al mundo empresarial? Acabo de empezar a estudiar la "Introducción al álgebra lineal" de Gilbert Strang.
- ¿Cuáles son las cosas divertidas que encontró en el procesamiento del lenguaje natural (PNL)?
- ¿Podrían probarse los conceptos de la medicina tradicional china mediante el aprendizaje profundo?
- ¿Cuál es la explicación de la causa de la explosión y desaparición del gradiente de red neuronal recurrente RNN?
- PNL: ¿Cuáles son las aplicaciones del análisis en el procesamiento del lenguaje natural?
- Reconocimiento de lenguaje hablado
- Reconocimiento de significados complejos en textos.
Se están probando varios enfoques en ambas áreas que plantean cada uno sus desafíos. En el caso del lenguaje hablado, las conversaciones cruzadas y el ruido son perturbadores. En el caso del significado, es la magnitud de diferentes significados, diferentes interpretaciones de las mismas expresiones y diferentes formas de decir aproximadamente lo mismo. En contraste, el análisis de las imágenes es relativamente simple porque el número de variaciones está limitado a la granularidad de las mediciones.
Aquí hay algunos ejemplos de las expresiones verbales con las que un sistema tendría que lidiar. Primeros candidatos en el área de “perro”:
A continuación, “gatos”:
Y aquí, la “familia de los gatos”: