Cualquier burbuja tiene que estallar. Ese es el propósito de la burbuja: explotar. La verdadera pregunta es: “¿ML / DL es una burbuja?”
ML es un gran campo dentro de la IA. Es un subconjunto que se ocupa de hacer máquinas que pueden aprender a ser “inteligentes” con el tiempo. Compare esto con otra IA que se ocupa de hacer máquinas inteligentes: los humanos desarrollan algoritmos complejos y las máquinas ejecutan esos pasos. Como tal, ML es mucho más prometedor que cualquier otra cosa prometida por AI en el pasado. Este campo continuará creciendo. La fiesta acaba de comenzar.
En lo que respecta a DL, es un área de súper nicho dentro de ML que se ocupa de hacer algoritmos de aprendizaje automático que puedan manejar datos sucios. Simplemente alimente suficientes datos directamente de la fuente y los algoritmos DL elegirían patrones y relaciones dentro de diferentes características propias. Esta área, aunque es muy emocionante, tiene sus propios problemas. No lleva a explicaciones sobre su funcionamiento. Qué característica está liderando qué tipo de decisiones es realmente difícil o incluso imposible de visualizar. Este es uno de los desafíos clave de este enfoque.
- ¿Cuál es la importancia de los FSM?
- ¿Debo ir a UCSD, Brown, Yale, Columbia o Dartmouth para CS?
- ¿Sería útil para un estudiante de CS estudiar Señales y Sistemas, así como el Procesamiento de Señal Digital?
- ¿Cuáles son algunas de las mejores prácticas para entrenar modelos de aprendizaje automático?
- ¿Puede explicar, en términos simples y con ejemplos, qué funciones sapply () y lappy () hacen en R?
Y este es el verdadero truco: DL es adecuado solo para los escenarios donde hay miles de atributos, terabytes de muestras y una gran cantidad de potencia de cálculo (cpu o gpu) con gran memoria. Esta área es una burbuja a partir de ahora. Hasta que sea google o facebook o intente aprender patrones del universo, en realidad no necesita DL. DL es un problema de escala. Mi profecía es que DL como campo pasará por múltiples revisiones y continuará evolucionando. La exageración actual disminuirá pronto y veremos su resurgimiento en un nuevo avatar que puede hacer modelos explicables.