La investigación es, por definición, exploratoria, lo que significa que (a) no sabemos qué funcionará y (b) necesitamos explorar muchos caminos, necesitamos mucha diversidad de direcciones de investigación en la comunidad científica. Por lo tanto, solo puedo contarles sobre mis visiones y visiones actuales de dónde veo desafíos y oportunidades importantes que atraen a mi estética e instintos personales. Aquí hay algunos elementos de esto:
- el aprendizaje no supervisado es crucial y todavía no lo hacemos bien (hay muchos argumentos que yo y otros hemos escrito y mencionado para justificar esto)
- Es probable que la investigación de aprendizaje profundo continúe su expansión de los trabajos de reconocimiento de patrones tradicionales a tareas de IA a gran escala que involucran manipulación simbólica, memoria, planificación y razonamiento. Esto será importante para alcanzar una comprensión completa del lenguaje natural y el diálogo con los humanos (es decir, pasar la prueba de Turing). Del mismo modo, estamos viendo que el aprendizaje profundo se expande en los territorios del aprendizaje por refuerzo, el control y la robótica, y eso es solo el comienzo.
- para la IA, probablemente todavía tengamos mucho que ganar de una mejor comprensión del cerebro y tratando de encontrar explicaciones de aprendizaje automático sobre lo que están haciendo los cerebros
- se puede mejorar la máxima probabilidad, no es necesariamente el mejor objetivo cuando se aprende en dominios complejos de alta dimensión (como surge en el aprendizaje no supervisado y los escenarios de salida estructurados)
- la búsqueda de IA basada en el aprendizaje profundo (y no solo en productos de consumo) se beneficiará enormemente de los aumentos sustanciales en las capacidades computacionales, lo que probablemente significa hardware especializado; Esto se debe a que la IA requiere mucho conocimiento sobre el mundo (y razonamiento al respecto), lo que requiere grandes modelos entrenados en conjuntos de datos muy grandes y todo esto requiere mucha más potencia informática que la que usamos actualmente.
Vea también mi respuesta a ¿Cuáles son las áreas de investigación abiertas en Deep Learning?
- ¿Qué es una transformación de características en el aprendizaje automático?
- ¿Qué es más beneficioso para la comprensión general de la informática, el procesamiento del lenguaje natural o la teoría de la computación?
- Máquina de Boltzmann restringida (RBM): ¿Cómo se podría reformular (y / o explicar) las dos tareas en la siguiente diapositiva de una charla de Geoffrey Hinton?
- Cómo hacer clustering para datos categóricos
- ¿Hay algún sitio web donde pueda encontrar ideas para mi tesis de licenciatura en Informática? (Estoy interesado en algoritmos y aprendizaje automático).