¿Qué determina si una neurona se disparará o no? ¿Es un umbral claro: “si el potencial está por encima de x, dispare, de lo contrario no lo haga”. O es más probabilístico: “a medida que aumenta el potencial, también aumenta la probabilidad de que una neurona se dispare, pero no hay forma de predecir o garantizar que lo hará”. No me sorprendería saber que el cerebro usa efectos cuánticos. En los algoritmos informáticos hay formas de imitar este comportamiento de una manera pseudo, pero los avances en la computación cuántica permitirán que la IA realmente despegue.
Otra diferencia es que el cerebro humano tiende a usar la memoria a corto plazo durante el día mientras recolecta datos constantemente, y luego los traduce a la memoria a largo plazo durante el sueño. Las computadoras pueden hacerlo en ciclos mucho más cortos, donde algunos datos se procesan en RAM y se comprometen a menudo en el disco.
Editar : Originalmente dije que el cerebro se enfoca en lo que es importante, y descarta la mayoría de los datos y un algoritmo de computadora tendría más dificultades para “saber” qué datos desechar, y podría ser más preciso, pero menos eficiente. Me gustaría aclarar que al procesar datos de muestra, los algoritmos de aprendizaje automático buscan características que den una respuesta correcta sin la necesidad de almacenar los datos de muestra en su totalidad, solo las características que se destilan de los datos de muestra.
- ¿Qué tema es importante para la ingeniería integrada, las redes neuronales o la automoción moderna?
- ¿Cuáles son las mejores conferencias y revistas sobre aprendizaje automático?
- ¿Alguien puede resolver este ejemplo de algoritmo EM?
- ¿Qué algoritmos (aprendizaje automático y aprendizaje profundo) funcionan con un pequeño conjunto de datos, sin sobreajustarlo?
- ¿Cuál es el significado del lenguaje de máquina?
Técnicamente, el cerebro humano está haciendo mucho más en paralelo. Una imagen dispara muchos sensores / neuronas a la vez a medida que los fotones se absorben en el ojo. Una computadora disecciona una imagen cuadro por cuadro y recorre cada píxel en serie (afaik). Esto no debería crear una diferencia significativa en el resultado final, pero el tiempo de procesamiento variará significativamente (el cerebro puede comprender mucho en un corto período de tiempo gracias al inmenso procesamiento paralelo).
El crédito es para todas aquellas personas que escriben excelentes artículos relacionados con este tema que he encontrado para profundizar mi comprensión (desafortunadamente, a diferencia de una computadora, mi cerebro humano no es bueno para catalogar las fuentes específicas donde manejo mi conocimiento!