Connectomic AI, HTM, neurochips, cualquier cosa menos Deep Learning. El aprendizaje profundo ha madurado y hay muy poca innovación nueva, solo ángulos ligeramente diferentes en los mismos conceptos. Ahora, eso no quiere decir que no habrá algunas cosas interesantes de Deep Learning, pero no serán los sistemas inteligentes del futuro. Hay dos problemas con el aprendizaje profundo:
1) Se necesita mucha potencia informática para que funcione en el nivel que queremos. El santo grial de los sistemas inteligentes es poder crear un sistema capaz de aprendizaje de alto nivel y capacidad que pueda ejecutarse en un Raspberry Pi. Los DNN que vale la pena discutir están muy lejos de este paradigma y, de hecho, cada iteración sucesiva parece requerir muchas más GPU, memoria, redes, etc.
2) Es una interpretación de la inteligencia, no un mapa de cómo funciona la inteligencia; es decir, no tiene nada que ver con cómo funcionan nuestros cerebros y llamarlo redes neuronales es un gran error. Básicamente se trata de redes de nodos funcionales.
- ¿Cuál es el futuro de la robótica y la inteligencia artificial en la India?
- ¿Quién será el auto AI será el primer ganador del mercado?
- ¿Cómo impactará la inteligencia artificial en la vida cotidiana en cinco años?
- ¿Debería incluso estudiar ya que la IA podría reemplazarme de todos modos?
- ¿Podría un humano crear una IA que podría, a pedido del humano, crear un nuevo programa?
El aprendizaje no supervisado en un entorno agnóstico de dominio es el objetivo de la IA (AGI) y el aprendizaje profundo, como lo es hoy, no tiene esta capacidad. Deep Learning sigue siendo una IA muy estrecha.
