Las matemáticas son importantes para la IA, por supuesto. Pero para realmente impulsar el progreso de la IA, necesitamos muchas aplicaciones que exploten la economía de la escala. Lo que significa, hacer que la IA sea tan barata que casi todos puedan pagarla, a pesar de que la I + D inicial requiere muchos recursos y requiere una inversión sustancial.
Por lo tanto, la forma de avanzar es kernelize / encapsular las matemáticas de la IA en una herramienta habilitadora. Esto es lo que Google ha hecho con TensorFlow, y también otros marcos como Theano se esfuerza por hacer. Si bien es bueno comprender las matemáticas detrás del aprendizaje automático y el aprendizaje profundo, también debemos hacer una distinción entre los desarrolladores de aplicaciones y los desarrolladores de sistemas. Esta distinción es aproximadamente la misma entre los programadores y los desarrolladores del sistema operativo. Los desarrolladores del sistema operativo son especialistas que permiten a los programadores escribir aplicaciones sin tener que preocuparse por las peculiaridades e idiosincrasias de varios procesadores de hardware. Sin embargo, sí ayuda al programador a conocer las diversas características y las compensaciones asociadas con él.
Así que puedes pensar en las matemáticas como el sistema operativo de las aplicaciones de IA. Los desarrolladores de aplicaciones necesitan saber acerca de las herramientas en su kit de herramientas, sus fortalezas y debilidades que los ayudarían a resolver el problema en cuestión, y no preocuparse por construir el conjunto de herramientas.
- ¿Vale la pena tomar CS 161 (sistemas operativos) en Harvard?
- ¿El nuevo programa BTech CSAM de IIITD está centrado en las matemáticas o en CS?
- ¿Cuál sería el propósito de un servidor informático dentro de una casa?
- ¿Qué se entiende por administración remota del servidor, herramientas de monitoreo?
- Cómo aprender independientemente la teoría de la complejidad computacional
En un nivel abstracto, AI se preocupa por encontrar el tipo de función “correcta” , que toma la entrada y produce la salida esperada (la mayoría de las veces). Si la función “correcta” es proporcionada directamente por el humano, entonces se parece a un algoritmo. Ejemplo: si proporciono un algoritmo de ordenación, y proporciono un montón de números, y obtengo números ordenados como salida. Sin embargo, si una máquina aprende por sí misma a ordenar, como resultado de haber sido entrenada con numerosos ejemplos, comenzamos a entrar en el dominio de la inteligencia artificial. La mayor parte de las matemáticas tiene que ver con permitir que la máquina aprenda la “función” correcta de una manera efectiva y computacionalmente eficiente. Los profetas de datos han proclamado que la cantidad de datos puede vencer efectivamente a los mejores algoritmos.
Entonces todo se reduce a si quieres salir a cazar con el arco y la flecha, hecho por el tipo inteligente, o si prefieres hacer el mejor arco y flecha. Algunas personas hacen ambas cosas, algunas son buenas en una de ellas. Sin embargo, es muy posible que el mejor arquero y los mejores arqueros sean personas diferentes con un temperamento y una misión diferentes.