La IA es un tema muy amplio, así que reduzcamos el alcance del aprendizaje automático.
En la actualidad, somos buenos en la creación de programas para problemas que son difíciles de resolver (es decir, fórmulas complejas y cálculo de declaraciones de impuestos). Pero no somos tan buenos en la creación de programas que nos resulten fáciles de resolver (identificación de objetos, reconocimiento facial). Para abordar este problema, creamos programas que pueden aprender características del problema que estamos tratando de resolver con matemáticas y estadísticas.
Aunque no hay criterios sobre lo que se considera IA o no, pero el rasgo general del aprendizaje automático es que el programa debe poder aprender.
- ¿Qué tipo de algoritmo de Machine Learning usarías para permitir que un robot camine en varios terrenos desconocidos?
- ¿El basilisco de roko se aplica a personas que no son lo suficientemente inteligentes como para afectar la trayectoria de la formación de IA?
- Si se crea una IA fuerte, ¿por qué debería servirnos?
- ¿Qué significará la presidencia de Trump para la forma en que EE. UU. Se enfrenta al aumento de la toma de empleos por parte de AI / robot?
- ¿Cuál es la investigación futura sobre la extracción de características utilizando la teledetección satelital?
Lo que plantea la pregunta: ¿cómo definimos el aprendizaje?
Mitchell (1997) proporciona la definición “Se dice que un programa de computadora aprende de la experiencia E con respecto a alguna clase de tareas T y la medida de desempeño P, si su desempeño en las tareas en T, medido por P, mejora con la experiencia E.”