No hay duda de que AutoML tendrá éxito porque, en cierta medida, ya lo es. Hay compañías que tienen la generación de modelos automatizados para dominios específicos de aplicación, a veces manteniendo software propietario (Intel para la fabricación, por ejemplo). La pregunta es qué tan lejos llegaremos con la automatización. La parte más difícil es formular nuevos problemas de aprendizaje automático. Es por eso que la automatización está limitada hoy a dominios particulares.
Predigo que, muy pronto, ya no necesitará ninguna experiencia en programación o conocimiento matemático para usar el aprendizaje automático para una amplia variedad de problemas. Será como conducir un automóvil sin que un mecánico de automóviles lo ayude. Con el desafío AutoML, estamos trabajando para lograrlo gradualmente. Después del primer desafío, continuaremos con un desafío de aprendizaje permanente: un desafío en el aprendizaje automático que continuará durante varios años: pediremos a las personas que envíen un código para superar un punto de referencia en 5 conjuntos de datos de referencia o que envíen nuevos conjuntos de datos a verifique el rendimiento de 5 paquetes AutoML de referencia. Incluso 6 meses, cambiaremos los conjuntos de datos de referencia o los paquetes de referencia. Progresivamente haremos que los problemas sean más diversos y difíciles. ¡Contáctame si quieres unirte a ese esfuerzo!
- ¿Alguna organización india ha desarrollado su propio sistema operativo?
- ¿Cuál es la mejor manera de viajar a Marte con tecnología moderna?
- Suponiendo que existan seres extraterrestres (lo cual es extremadamente probable), ¿qué tan probable es que sean más avanzados tecnológicamente que nuestra sociedad?
- ¿Cuáles son los accesorios necesarios para su teléfono inteligente en 2016?
- Si la vida inteligente de un planeta distante nos visitara, ¿qué tipo de tecnología necesitarían para llegar aquí y aterrizar?