Lo que está preguntando se llama “Meta aprendizaje” y ha sido defendido por investigadores como Hutter y Schmidhuber, entre otros. La página de Schmidhuber (APRENDIENDO A APRENDER) contiene muchas referencias y documentos, aunque es muy desordenada. Este sería el último AGI pero aún está en pañales. Sin embargo, creo que ahí es donde radica el futuro de la IA y alentaría al OP a verificarlo.
Por el momento, incluso el trabajo de Hutter y Schmidhuber todavía está limitado por el “paradigma”, así que, por ejemplo, supongamos que tiene una colección de redes neuronales que han sido entrenadas a través del descenso de gradiente para aprender algunos conjuntos de datos. Si mantiene un historial de cada iteración del descenso de gradiente en cada uno de estos conjuntos, efectivamente tiene toda la información sobre cómo se entrenaron. La tarea del algoritmo de metaaprendizaje sería averiguar la regla según la cual se actualizaron estos pesos. Esto es sutil: cuando estás entrenando una red neuronal con descenso de gradiente, le dices a la red CÓMO cambiar los pesos mediante el cálculo del descenso de gradiente. En el proceso de metaaprendizaje, la máquina se presenta solo con los diferentes RESULTADOS del cálculo del descenso del gradiente y se le pide que descubra la regla de actualización del descenso del gradiente. Eso sería aprender a aprender en el contexto muy restringido de las redes neuronales.
Formalmente, lo mismo se puede extender a cualquier método de aprendizaje. El problema con todo esto es que es muy difícil de implementar de manera eficiente a pesar de que es fácil de establecer.
- ¿Desde dónde puedo aprender algoritmos practicando problemas?
- Si quiero resolver problemas del mundo real, ¿qué debo hacer, encontrar esos problemas y luego aprender las estructuras de datos y algoritmos requeridos o viceversa?
- Cómo mostrar que O (max {f (n), g (n)}) = O (f (n) + g (n))
- Cómo escribir un programa en C para buscar los elementos usando el orden de fusión
- ¿Crees que la programación no es para mí?
