Usted pregunta sobre la predicción de terremotos con IA … y también permite lanzar en los mercados a medida.
La predicción de terremotos es uno de los problemas clave en la probabilidad. La teoría actual en torno a este tipo de fenómenos es que los sistemas de muchas partes se autoorganizan de manera tal que terminan con fluctuaciones de la ley de poder, véase Criticalidad autoorganizada
La idea importante aquí son las fluctuaciones de la ley de poder … una buena analogía para esto es de Benoit Mandelbrot, el inventor del fractal … imagina a un arquero, con los ojos vendados, frente a una pared infinita … solo debería disparar en la dirección de la pared. Entonces se le pide que dispare y el punto está marcado en la pared, se le da la vuelta y se le pide que dispare nuevamente. Lo que encuentras es que parece que, en promedio, golpea la pared en el lugar más cercano a él, pero de vez en cuando dispara una flecha casi paralela a la pared, por lo que se va muy lejos. Este nuevo punto está tan lejos que la posición promedio cambia dramáticamente. Podemos decir que en las distribuciones de la ley de poder no hay un buen promedio, siempre está cambiando.
- ¿Dónde puedo aprender sobre la inteligencia artificial y cómo aplicarla, y cómo puedo entenderla mejor?
- ¿Cómo se relacionan la inteligencia humana y el talento humano?
- Cómo aprender a alimentar las redes neuronales
- ¿Quiero crear una herramienta de reconocimiento de escritura a mano con red neuronal usando MATLAB?
- Cómo entrenar una red neuronal para una transferencia de estilo rápida
Un sistema crítico es un poco como el cerebro o los mercados, existen en un límite de dependencia de su pasado y poder cambiar, incluso radicalmente con nuevos estímulos. Mandelbrot estudió cientos de años de precios de productos básicos en su libro El mal comportamiento de los mercados y descubrió que estos precios también obedecían a una distribución de la ley de poder. Por un tiempo, el mercado parecería encajar en una nueva posición estable hasta “¡golpe!” una nueva información la transformaría de tal forma que el mercado vuelva a ser impredecible …
El ejemplo clásico es el de tratar de predecir cuántos granos de arena caen de una pila a medida que los agrega uno por uno. Este problema se puede predecir muy bien, pero el tipo de predicción es que no hay una muy buena predicción. La información que obtienes es algo así como saber la probabilidad de muchos aspectos diferentes, pero también saber que habrá nuevos eventos que lo cambiarán todo.
Básicamente, una IA súper inteligente no puede hacerlo mucho mejor que nosotros. Es como pedirle a una IA súper inteligente que sea buena para adivinar los lanzamientos de monedas …