Edición de enero de 2017: Quiero agregar que los ganadores del DARPA Cyber Grand Challenge en 2016 no hicieron un uso sustancial del aprendizaje profundo, y creo que cumplieron o superaron algunas expectativas ya altas. Mi respuesta anterior sigue
——
Estoy tan contento de que alguien pregunte. Primero, las redes neuronales profundas son geniales, todas las saludan. Entonces, por favor, nadie salte por mi garganta. Ahora, ¿qué pasa si el aprendizaje profundo no es el “algoritmo maestro”? Los árboles de decisión, especialmente los bosques aleatorios, siguen siendo una cosa. Un documento reciente del DOD identificó que el bosque aleatorio tiene la siguiente “mayor precisión de predicción” después de las redes neuronales profundas, e indicó que otros tipos de árboles de decisión tienen una explicabilidad superior. (“OK AI, ¿por qué dices que la respuesta es 42?”) En otras noticias, un buen ejemplo de cosas geniales es el Proyecto Euclid de Allen Institute of AI, que puede aprobar la parte de geometría de un examen SAT; hay diagramas y problemas de palabras: usar lo que me parece rutinas de optimización altamente personalizadas. Algoritmos personalizados: no personalizados en el sentido de ingeniería de características. O eso me parece a mí. Otro buen equipo es un equipo de la Universidad de Nueva York que construyó un reconocedor de escritura a mano para prácticamente cualquier idioma: idiomas actuales, históricos e inventados, y solo necesita entrenar a un personaje una vez o una pequeña cantidad de ejemplos para reconocer otras instancias. IIRC, hubo un aprendizaje profundo en las primeras etapas del proceso de modelado de primitivas de escritura a mano, y esas primitivas parecen representar un tipo de ingeniería de características, pero el algoritmo resultante de aprender a aprender no necesita grandes datos en la profundidad el aprendizaje lo hace.
- ¿Es difícil construir un simulador de planta de energía usando una enorme red neuronal artificial para fines de simulación y educación?
- ¿Crees que tu trabajo actual será reemplazado por un robot / software?
- ¿Cuáles son las mejores API de aprendizaje automático para usar para la predicción?
- ¿Leer e interpretar los contenidos del cerebro humano es potencialmente un problema de NP?
- ¿AI podría escribir código?
Informe del Instituto Allen
http: //ai2-website.s3.amazonaws….
Informe de la NYU
https://www.sciencemag.org/conte…
http://www.sciencemag.org/conten…
Mientras estoy en el tema, pregúntese, ¿qué es el aprendizaje profundo? ¿Te refieres a redes neuronales artificiales profundas como las redes de comunicación? ¿O recurrente o recursivo, y / o tal vez con memoria extra? ¿Y con conjuntos de datos con etiqueta humana como ImageNet, o quieres decir más refuerzo generativo + como AlphaGo? Y si le gusta AlphaGo, resulta que hay docenas de formas relacionadas para hacer optimizaciones de la función de valor que son anteriores al refuerzo, y que provienen de la investigación de operaciones y las matemáticas aplicadas, no del departamento de IA (palabra clave: programación dinámica). En pocas palabras, es difícil ser un algoritmo maestro cuando algo realmente ni siquiera es un algoritmo. Michael I. Jordan (creo que fue él) señaló que “profundo” simplemente significa tuberías largas. Significado, ¿y qué? Un montón de cosas tiene tuberías largas. Mi punto es que el “aprendizaje profundo” no solo significa n + 1 tipos de redes neuronales profundas, sino que también significa un conjunto igualmente diverso de conjuntos de Bayes profundos, Markov profundos, quizás Dirichlet profundos … tanto para el algoritmo maestro. (Digo esto con mis disculpas y sincera admiración hacia Pedro Domigos).
(Edité la respuesta para agregar referencias y corregir / aclarar lo que decía un informe reciente del Departamento de Defensa sobre los árboles de decisión y los bosques aleatorios).