Ahora, la ingeniería de redes neuronales se basa casi por completo en heurística, casi ninguna teoría sobre las opciones de arquitectura de red. Puede leer más sobre el método de ingeniería en una obra del profesor Billy Koen, especialmente “Discusión del método. Realización del enfoque del ingeniero para la resolución de problemas”.
En cuanto a los enfoques contemporáneos de la teoría de redes neuronales, la promesa es la física evolutiva: puede profundizar en ella comenzando con enlaces desde aquí: ¿Por qué funciona el aprendizaje profundo? Pero es demasiado pronto para tener una fórmula definitiva para una respuesta sobre números óptimos para estructuras óptimas en una arquitectura de red neuronal.
Una de las ideas aquí es crear una red neuronal de arquitectura que esté capacitada para capturar heurísticas arquitectónicas sobre la ingeniería de redes neuronales. Y cuando necesite diseñar alguna red neuronal para una tarea particular, puede obtener números para su arquitectura de red neuronal objetivo óptima de ese arquitecto NN. Lo habitual: ¡los programas deberían escribir / generar programas óptimos, los programas neuronales deberían escribir programas neuronales óptimos! Hoy en día es casi un sueño, pero la gente está trabajando para este nuevo y valiente CANNE (ingeniería de redes neuronales asistida por computadora). Pero todavía no es una teoría, se trata de heurística, una nueva ronda de empirismo (más sobre esto aquí: Aprendizaje profundo y el triunfo del empirismo).
- ¿Nos hemos equivocado completamente al representar naves espaciales / naves espaciales del futuro con puentes y cabinas de mando frente a una conducción de IA y al gobierno de personas (tal vez)?
- Cómo ganar dinero haciendo investigación de IA, sin ningún título
- ¿Cómo es hacer investigación en planificación de movimiento?
- ¿Cómo los robots artificialmente inteligentes mejorarán la sociedad?
- Cómo dominar las redes neuronales artificiales
