Piense en una red neuronal como un niño pequeño. Le estás enseñando a este niño qué es una manzana, por ejemplo. Entonces, traes una manzana roja redonda a este niño y dices:
” Oh, hija, aquí hay una MANZANA roja redonda de tamaño moderado”
Y este niño ahora se dice a sí mismo
- ¿Siguen siendo relevantes los enfoques simbólicos de IA después de los recientes éxitos del aprendizaje profundo?
- ¿Cuáles son las formas en que puede aplicar la máquina o el aprendizaje profundo al pirateo?
- ¿Qué clasificador es el más adecuado para clasificar los signos en un video de lenguaje de señas?
- ¿Cómo afectará el aprendizaje automático al mundo para 2030?
- Cómo medir el rendimiento de aprendizaje en Q-Learning
” ¡Creo que todas las MANZANAS son rojas y redondas!”
¡Pero espera hay mas! Traes otra manzana. Esta manzana es verde.
” Oh, hija, aquí hay una manzana verde de tamaño moderado”
Y ahora este niño dice
” Todas las MANZANAS son de tamaño moderado y son rojas o verdes”
Y así sigue y sigue y muestra diferentes manzanas y este niño toma estas nuevas manzanas y proclama nuevas conjeturas de las manzanas dadas.
Eso es lo que hace una red neuronal esencialmente. Se le dan datos y ajusta las ecuaciones a esos datos para “igualar” un resultado o una variable. La variable en este caso era un 1 o un 0. 1 que significa que es una manzana y 0 que no lo es.
¡¡Buena pregunta!!
