Claramente, el aprendizaje profundo en su forma actual es bastante limitado. Pero cuando las personas descubren cómo construir IA a nivel humano, algo como el aprendizaje profundo tendrá que ser parte de la solución.
Las ideas del aprendizaje profundo son
- (1) el aprendizaje es un componente indispensable de la IA: esto no fue ampliamente aceptado en las décadas de 1980 y 1990. Pero siempre he estado convencido de esto, y cada vez más personas están convencidas de esto ahora.
- (2) el aprendizaje profundo es realmente la idea de que un sistema de IA debe aprender representaciones abstractas / de alto nivel / jerárquicas del mundo. Eso tiene que ser parte de la solución a la IA, independientemente del método a través del cual el sistema aprenda estas representaciones.
- (3) Una pregunta es si la IA a nivel humano se puede construir alrededor del paradigma central del aprendizaje automático, que es minimizar una función objetivo, y si esta minimización se puede hacer a través de métodos basados en gradientes (como el descenso de gradiente estocástico donde el gradiente es calculado con backprop). Si no, necesitamos encontrar nuevos paradigmas alrededor de los cuales construir futuros algoritmos para el aprendizaje de representación.
Más allá de eso, hay una pregunta filosófica y teórica: cuáles son las tareas que se pueden aprender y las que no se pueden aprender independientemente de la cantidad de recursos que se les brinde. Se ha trabajado bastante en aprender teoría sobre estas preguntas. Un conjunto interesante de resultados son los “teoremas de no almuerzo gratis” que muestran que una máquina de aprendizaje en particular puede aprender de manera manejable un pequeño número de tareas entre el conjunto de todas las tareas posibles. Ninguna máquina de aprendizaje puede aprender todas las tareas posibles de manera eficiente. Todas las máquinas tienen que estar “sesgadas” para aprender ciertas tareas. Nos parece humillante, humanos, que nuestros cerebros no son máquinas de aprendizaje generales, pero es cierto. Nuestros cerebros son increíblemente especializados, a pesar de su aparente adaptabilidad.
- ¿Cómo se relaciona el concepto de simetría con la agrupación?
- ¿Cómo podemos suprimir el ruido de fondo en un teléfono durante una llamada telefónica?
- ¿Cuál es la diferencia entre perceptrón y maximización de expectativas?
- ¿Cómo se conecta la regresión lineal a los filtros de Kalman?
- ¿Quién es la estrella en ascenso de la IA fuera del aprendizaje profundo?
Hay problemas que son inherentemente difíciles para cualquier dispositivo informático. Es por eso que incluso si construimos máquinas con inteligencia sobrehumana, tendrán habilidades limitadas para superarnos en el mundo real. Pueden ser mejores que nosotros en el ajedrez e irnos, pero si lanzamos una moneda, serán tan malos como nosotros al predecir cabeza o cola.