Sí, hay una buena conexión: máquinas neuronales de Turing.
Si pensamos en los programas de computadora como datos, porque son datos, entonces podemos pensar en un algoritmo de ML que, dado un conjunto de entrada de entrenamiento y respuestas, aprenderá el código de un algoritmo que, dada la entrada, creará la salida esperada.
Si esto es difícil de visualizar, piense que puede probar aleatoriamente las máquinas de Turing hasta que obtenga una que haga lo que necesita y recuerde que cualquier algoritmo puede expresarse como una máquina de Turing según la tesis de Church-Turing. Ahora, en lugar de muestrear al azar el enorme espacio de las máquinas de Turing, estamos utilizando Machine Learning para aprender esas máquinas más rápido.
- Cómo WAP para encontrar el máximo de todos los elementos del tamaño de matriz 'n'
- Cómo explicar intuitivamente por qué [matemáticas] \ frac {n!} {(N + 1)!} [/ Matemáticas] [matemáticas] = \ frac {1} {n + 1} [/ matemáticas]
- ¿Cómo se puede diseñar un autómata de estado finito para el siguiente problema?
- ¿Qué es la criptografía de clave pública en términos simples? ¿Cómo se relaciona con los números primos?
- Cómo calcular (la 11ma potencia 10) / (la 10ma potencia 10) sin usar una calculadora
Es sorprendente e interesante pensar en tomar el gradiente de una máquina de Turing para aproximar la máquina que desea crear, apuesto a que ni siquiera Newton pensó en eso.
[1410.5401] Máquinas neuronales de Turing
