Hay cosas como el significado ideológico de las uñas de los pies, de las que pocas personas hablan y pocas deberían hablar.
Hay cosas como funciones medio exponenciales, de las que pocas personas hablan, pero muchas deberían.
Hay cosas como Deflategate o manspreading o los vestidos usados en los Oscar, de los que muchas personas hablan, pero pocos deberían hacerlo.
- ¿Qué pueden enseñarnos las redes neuronales profundas sobre el pensamiento humano?
- ¿Cuál es la diferencia entre inteligencia artificial y algoritmos?
- ¿Puedes nombrar algunas de las mejores aplicaciones de inteligencia artificial para Android e iOS?
- ¿Sería útil para un ingeniero de verificación de diseño de chips aprender aprendizaje automático / IA?
- ¿Qué son buenos libros sobre sistemas de aprendizaje adaptativo?
Y luego hay cosas como la Segunda Guerra Mundial, el calentamiento global, los agujeros negros o el aprendizaje automático, de los que mucha gente habla y probablemente muchos deberían.
Siempre es difícil juzgar si una cosa en la cuarta categoría está “sobrevalorada” o no: presumiblemente eso requeriría aumentar toda la publicidad sobre el tema, y también todo lo que sea realmente interesante o importante al respecto, para ver si el primero supera el segundo (pero incluso si es así, ¿cuánto importa eso?).
En este momento, el aprendizaje automático ofrece preguntas científicas profundas (por ejemplo, ¿por qué el aprendizaje profundo funciona tan bien como lo hace?), Y también un impacto obvio y creciente en la civilización (desde el inminente cambio a autos autónomos, incluso si ignoramos todas las otras cosas) Me sentiría tentado a trabajar en el aprendizaje automático, si no estuviera haciendo computación cuántica. (De hecho, comencé en IA y aprendizaje automático, como estudiante universitario en Cornell con Bart Selman y luego como estudiante graduado en Berkeley con Mike Jordan, antes de pasar a la computación cuántica, donde sentí que mi “ventaja comparativa” era mayor. )
El progreso en ML en la última década —el progreso que condujo a cosas como IBM Watson, AlphaGo, etc.— me parece genuino y sorprendente. Pero al menos según los investigadores de ML que conozco, el progreso reciente no ha implicado ningún avance conceptual importante: se trata más de un mayor refinamiento de los algoritmos que ya existían en los años 70 y 80, y, por supuesto, la implementación de esos algoritmos en los pedidos. computadoras de mayor magnitud y entrenándolas con órdenes de magnitud más datos.
Por un lado, el hecho de que las ideas de hace décadas (por ejemplo, la propagación hacia atrás y sus variantes) hayan mostrado tal poder cuando se amplían es, por supuesto, motivo de optimismo que pronto podríamos lograr hazañas aún más sorprendentes de IA, al intentar las mismas técnicas ¡con computadoras aún más rápidas y conjuntos de datos aún más grandes!
Pero, por otro lado, también es un recordatorio de que, si queremos saber qué va a importar dentro de décadas, es posible que debamos buscar los análogos actuales de la propagación hacia atrás en los años 70 y 80, es decir, para las ideas perseguidos por algunos extraños académicos, que son demasiado nuevos y extraños y no han sido probados para atraer muchos fondos de capital de riesgo o artículos de revistas brillantes, y que muchas personas descartan por lo que podrían ser simplemente razones contingentes de tecnología en lugar de algo fundamental.
Al final, supongo que es menos interesante para mí mirar la gran cantidad de publicidad de aprendizaje automático que su contenido. Como, casi todos en la década de 1950 sabían que las computadoras iban a ser importantes y, por supuesto, tenían razón, pero a menudo estaban completamente equivocados acerca de las razones (por ejemplo, subestimando drásticamente la dificultad de los robots humanoides, mientras no preveían las PC o el Internet). No tengo ninguna duda de que las personas dentro de 30 años estarán de acuerdo con nosotros sobre la importancia central de ML, pero ¿qué aspectos de ML nos enfurecerán por ignorar o reírse de nosotros por obsesionarse cuando no deberíamos haberlo hecho? No sé las respuestas a esas preguntas, pero sé que esas son las cosas que me gustaría saber.