Creo que el aprendizaje automático tiene su lugar. La ciencia de datos es necesaria en todas partes porque realmente se trata de manipular y analizar grandes cantidades de datos. Lo que no me gusta es cómo las personas usan algoritmos de aprendizaje profundo para eludir realmente saber por qué las cosas se clasifican como son. Si bien esto podría estar bien para que Google agrupe las imágenes de mis gatos bajo una etiqueta de mascota, creo que obstaculizará otros campos del esfuerzo científico. Especialmente porque las técnicas de aprendizaje profundo no tienen la capacidad de incluir marcos teóricos en su entrenamiento (a diferencia de los métodos bayesianos).
El tratamiento del cáncer es un buen ejemplo. Observo a las personas que utilizan el aprendizaje profundo para diseñar mejores planes de tratamiento o predecir los resultados a largo plazo del tratamiento. Esto es maravilloso, podemos brindar una mejor atención, tal vez más personas puedan vivir más tiempo con una mejor calidad de vida. Pero nuestra comprensión de la biología está impulsada por la investigación del cáncer. Cuando una computadora puede predecir el resultado de un tratamiento con una precisión del 99%, sin el conocimiento subyacente, sospecho que los fondos comenzarán a agotarse. Esto afectará a muchos otros campos de manera similar.
El aprendizaje profundo juega directamente con los mayores problemas de una sociedad, la gratificación instantánea. Continuará mejorando, las nuevas redes abordarán nuevos problemas y la necesidad de conocimiento comenzará a perderse. Es una caja negra de la que no puedes aprender. Debe tratarse como un trampolín, una brecha de puente, pero en su lugar será tratado como el final, todo será todo. Hará al conocimiento científico lo que los robots y los controles de la computadora hicieron a la fabricación. Lo reemplazará, pero en lugar de eliminar trabajos, perderemos nuestra capacidad de comprender cómo funciona el mundo.
- ¿Cuáles son algunos buenos libros para el análisis de datos con R?
- ¿Se cuestiona la utilidad de las estadísticas tradicionales debido a las técnicas modernas de aprendizaje automático y la prevalencia de Big Data?
- ¿Cómo se compara Weka con Matlab / Python / R para la ciencia de datos?
- ¿Debo ir a UC Davis o UC Berkeley para estudiar Estadística?
- Cómo disfrutar de un entrenamiento de Hadoop de Big Data justo después de mi 12 °
Descargo de responsabilidad:
- No digo que toda la ciencia y la búsqueda del conocimiento se agoten. Solo estoy tratando de retratar mis preocupaciones con la tecnología.
- Sé que el aprendizaje automático es un campo mucho más amplio que el aprendizaje profundo, pero eso es lo que la mayoría de la gente asocia.
- Todavía creo que las redes neuronales son buenas, solo debemos tener en cuenta que nada puede reemplazar las explicaciones teóricas de las cosas.
