Chomba Bupe y Tapa Ghosh han cubierto casi todo lo que incluiría en mi lista y más, por lo que no enumeraré diez cosas. En cambio, solo hablaré de uno. Técnicamente cae en el número 5 en la respuesta de Chomba Bupe: razonamiento.
Representación significativa de ideas.
En mi opinión, la única forma de lograr que una red razone verdaderamente es poder almacenar ideas en la memoria en una forma que pueda manipular y usar. Actualmente, estamos enseñando a las computadoras a representar idiomas y simular el razonamiento (mal) basado en eso. Necesitamos un modelo de ideas que sea independiente del lenguaje. La interfaz con ese modelo sería una forma de traducir entre su propio idioma y el modelo de ideas de la computadora. Que yo sepa, se está haciendo muy poco en esta área y no estoy seguro de por qué.
- ¿A qué libro debo referirme para la preparación de GATE 2015 en ingeniería eléctrica?
- ¿Es computable la sensibilidad Turing?
- ¿Cuál es la formación en informática en la Universidad Estatal de Michigan (MSU)?
- ¿Debería avergonzarme de no ser capaz de pensar como grandes mentes como Einstein y John Von Neumann?
- ¿El protocolo de Bitcoin se basa fundamentalmente en una 'prueba de trabajo', o podría modificarse en el futuro a medida que aumenta la potencia informática?
Una opción es construir manualmente un nuevo modelo de pensamiento que una computadora pueda almacenar. Esto requeriría una colaboración masiva entre informáticos, lingüistas, neurocientíficos y otros. No veo que esto suceda a menos que un gigante tecnológico como Google o Microsoft decida invertir mucho en la idea.
La otra opción que veo es sustancialmente más fácil (pero aún increíblemente desafiante) y posiblemente más efectiva, pero mantiene la misteriosa naturaleza de caja negra del aprendizaje automático, lo que lo hace menos accesible desde una perspectiva teórica. También significa tener un sistema imperfecto. El enfoque es que una computadora aprenda esta nueva representación.
El traductor de Google actualmente utiliza redes neuronales recurrentes para traducir entre idiomas. En lugar de mapear de un idioma base a un idioma de destino, podríamos intentar una especie de agrupación de ideas semi-supervisada. Esta es probablemente una explicación pobre de lo que estoy tratando de describir, pero es solo una idea descabellada y necesita una gran cantidad de refinamiento antes de que pueda usarse de todos modos. Lo importante es lo que podemos hacer con él.
Una vez que tengamos un modelo de ideas en lugar de un lenguaje y una forma de convertir de un lado a otro, podemos intentar formar una red para hacer un razonamiento real. No solo aprenderá asociaciones entre palabras como un chatbot, sino formas de sacar conclusiones a partir de la combinación de ideas. Bueno, en teoría, de todos modos. Se necesitará mucho trabajo para lograr ese nivel de razonamiento generalizado.
La mayor parte de lo que he descrito anteriormente va mucho más allá de lo que veremos en 2017 porque este no es un proyecto de un año. Sin embargo, espero que veamos un verdadero comienzo hacia ese objetivo.