El invierno de AI sucedió en parte porque numerosos modelos de IA dependían de sistemas expertos y no había suficiente poder de procesamiento para el tipo de sistemas de aprendizaje automático que usamos hoy en día, los que podemos ejecutar en la nube y escalar en la medida en que el dinero y el tiempo lo permitan. Dado que tenemos implementaciones que funcionan para sistemas probabilísticos, que son mucho mejores para resolver el tipo de problemas complejos en los que los sistemas expertos se asfixiaron, y la computación en la nube, no estamos enfrentando los mismos límites que los pioneros de IA anteriores.
Pero dicho esto, cada sistema y algoritmo de IA llegará a un punto de rendimientos decrecientes o enfrentará un problema al que no puede adaptarse. Para evitar otro invierno de IA, debemos tener en cuenta que no existe un algoritmo único para gobernarlos a todos y ver los sistemas actuales como el aprendizaje profundo como parte de un conjunto de herramientas que podemos aplicar para implementar múltiples enfoques para enseñar a las máquinas cómo resolver un problema. Simplemente tenemos más con qué trabajar que nunca antes, por lo que no parece haber muchas razones para la tristeza y la fatalidad en cuanto al futuro de la investigación de IA.
- ¿Cómo han manejado los equipos de IA Starcraft?
- ¿Hay alguna IA para Android que no almacene datos personales?
- ¿Qué crees que podemos ser felices después de la era de los robots?
- ¿Crees que Quora evolucionará en un producto físico o incluso el nombre de un robot AI o algún juguete inteligente / producto doméstico en el futuro?
- Sinestesia: ¿Existe algún producto que pueda simular una percepción sinestésica utilizando algoritmos de IA?
