No.
Es un complemento útil para controlar la teoría de alguna manera, pero la teoría de control le permite probar sin lugar a dudas cuál será el comportamiento del sistema.
Entonces … autos sin conductor, como un ejemplo.
- ¿Qué es el proxy API?
- ¿Por qué las computadoras entienden solo la lógica 0 y 1?
- ¿Cuánto pagan los informáticos recién graduados, específicamente en el estado de Nueva York?
- ¿Por qué necesitamos comunicaciones entre procesos?
- Como informático con concentración en seguridad de la información, ¿qué trabajos me esperan?
La teoría de control le permite calcular qué entradas de control proporcionar para obtener el resultado deseado, dados los datos del sensor disponibles sobre dónde están los obstáculos, qué forma tiene la superficie de la carretera y un plan de qué hacer.
La teoría del control también ayuda a predecir el posible comportamiento de otros vehículos.
El aprendizaje automático permite que el vehículo reconozca objetos alrededor del vehículo, lea los letreros de las calles y obtenga otra información útil para compilar el plan de lo que el vehículo debería estar haciendo. El reconocimiento de tipos de vehículos y estados de señal (luces de freno e indicadores, básicamente) es útil para agregar al modelo predictivo de la teoría de control.
Algoritmos informáticos mucho más normales calculan la ruta y compilan el plan a partir de las etiquetas que las rutinas de ML han agregado al modelo del entorno. Las reglas del camino están codificadas en este software.
Las partes que son críticas para la seguridad o la legalidad se realizan mediante la teoría de control y el software más o menos normal, porque debe ser capaz de demostrar que son correctas.
Las partes de ML pueden ser algo inestables y poco confiables, porque funcionan con la frecuencia suficiente para ser realmente útiles, pero no vas a chocar o violar la ley si no lo hacen.
