Corrección: el aprendizaje automático no resuelve ningún problema. Simplemente hace que la máquina sea lo suficientemente inteligente como para resolver el problema.
por ejemplo :
Problema: dado un montón de mangos, elija el mejor (¡el más sabroso, supongo!).
- ¿Debo dominar las matemáticas / IA para comenzar a trabajar en un proyecto de reconocimiento facial?
- ¿El entorno secreto de Apple les impide ser líderes en inteligencia artificial y aprendizaje automático?
- ¿Cuáles son los argumentos a favor de la idea de que una IA entrenada en un 'archivo mental' (conversaciones, pruebas de personalidad, etc.) imitaría suficientemente la conciencia del propietario del archivo mental?
- ¿Cuál es la relación entre el aprendizaje por refuerzo y el aprendizaje contradictorio (por ejemplo, GAN)?
- ¿Dónde puedo aprender sobre aprendizaje automático e inteligencia artificial en India?
Solución (por ML):
- En primer lugar, enumere los atributos a partir de los cuales se puede predecir el sabor de los mangos. (Como color, rigidez). También puede haber atributos que se pueden crear mezclando muchos atributos.
- Por supuesto, hay un millón, si no más, de los atributos de los que depende el atributo objetivo (en este ejemplo: sabor a mango), pero algunos atributos son más importantes que los demás. Obtendremos una precisión lo suficientemente decente al considerar los más importantes.
- Luego, después de entrenar el modelo (pruebe muchos mangos diferentes y descubra cuánto importa un atributo [peso]), obtenemos un modelo en el que simplemente daremos un mango, y la máquina describirá qué mango es el mejor.
Entonces, para responder a su pregunta, ML no resuelve ningún problema. Pero puede enseñarle a la máquina a resolver CUALQUIER PROBLEMA EN EL UNIVERSO . (Literalmente)
