Actualmente, las industrias todavía se están poniendo al día con la investigación en aprendizaje automático (ML), especialmente en aprendizaje profundo (DL). Para un campo que cambia rápidamente como ML, 10 años es como 100 años, en ese período de tiempo podría haber avances de todo tipo, es como la evolución en avance rápido, ML se mueve demasiado rápido, cada vez que crees que has leído sobre todo DL arquitecturas aparece otra.
Por lo tanto, dentro de 10 años, el ML será bastante diferente, pero será más poderoso que nunca antes de lo que tenemos actualmente. Por lo tanto, no puedo predecir fácilmente, pero creo que las industrias usarán ML de una manera más modular y muchos algoritmos bien conocidos como DL solo serán módulos en un algoritmo ML más potente del futuro, por lo tanto, los algoritmos ML actuales seguirá siendo útil, por lo tanto, los SVM seguirán siendo útiles al igual que otros métodos clásicos como los algoritmos de agrupación de k-means, la única diferencia sería que, el algoritmo de ML modular necesitará seleccionar el módulo apropiado, si es un CNN con un SVM conectado ¿arriba?
Entonces, las redes de memoria o redes neuronales con acceso a un gran depósito de memoria estarán calientes en el futuro. Esto se debe a que tales algoritmos de ML pueden aprender a razonar, como resolver problemas complejos formulando sus propios enfoques al igual que los humanos.
- ¿Cómo funciona la IA del juego de ping pong? ¿Qué es una explicación detallada o algunas referencias que lo explican?
- Cómo crear una red neuronal con PyBrain que tenga un número diferente de valores de salida objetivo para cada entrada
- ¿Qué tipo de matemática se usa en el aprendizaje automático y cómo se puede aprender?
- ¿Puede la IA reemplazar a los pilotos de combate? Si lo hiciera, ¿no habría posibilidad de que fuera pirateado?
- ¿Qué impacto tendrá la reciente adquisición de Genee por parte de Microsoft en las empresas competidoras de programación de reuniones como x.ai, Clara Labs, Julie Desk y Skedool?
EDITAR:
Ver computadoras neuronales diferenciables | DeepMind para un nuevo tipo de redes de memoria.
Espero que esto ayude.