En primer lugar, pregúntate (¡y a ellos!) Qué es lo que necesitan o quieren entender. Por lo general, buscan “buenos sentimientos difusos”, no una comprensión completa de todos los detalles y caprichos de las redes neuronales. Probablemente no estén interesados en las diferencias de, por ejemplo, RBMs Spiking Networks, o NEAT. Solo quieren tener un concepto general suficiente para poder engañarse y pensar que entienden ALGO acerca de lo que de otro modo sería un completo misterio para ellos.
En segundo lugar, una vez que entiendes lo que realmente quieren entender, puedes darle forma a tu explicación. Si está hablando de redes basadas en propagación inversa, puede, en términos simples, explicar acerca de la minimización del error entre las capas durante la fase de capacitación. No profundizaría mucho más que eso, a menos que tengan algún conocimiento de las matemáticas, porque los perderías rápidamente.
O si está hablando de Evolución neuronal, puede hablar en términos de seleccionar las redes más aptas para la reproducción y evaluar a sus hijos en la próxima generación.
- ¿En qué escenario futuro, si lo hubiera, la IA estaría completamente en un robot en lugar de en una red?
- ¿Qué asignatura sería mejor para un estudiante de ingeniería elegir entre inteligencia artificial y maestría en nanotecnología?
- ¿Cuál es la mejor biblioteca de red neuronal de código abierto?
- ¿Cuál es el método posible para crear artificialmente / científicamente una nueva especie humana?
- Supongamos que un atributo es un número flotante, si divido este número flotante en: mantisa, base y exponente. ¿Afectará mi clasificación en K-Means?
Piense en cómo se lo explicaría, por ejemplo, a un niño inteligente. Desea darle al niño los conceptos básicos sin asustarlo. El equilibrio adecuado con los objetivos reales en mente: las “pelusas cálidas”.