Creo que su respuesta está en sus detalles cuando dice “A veces la heurística funciona mejor que el algoritmo que tiene respaldo teórico”.
Si bien esto es cierto, ¿cómo sabe que la heurística es mejor que un algoritmo preexistente? Mi proceso de pensamiento es que no se sale de la caja, por lo que debe evaluarlo con otros algoritmos. En cierto modo, simplemente está agregando ese modelo de heurística al proyecto, con suerte evaluándolo de la misma manera que lo está haciendo con los otros modelos competidores.
Si me preguntas, en un entorno que no sea de investigación, la teoría, particularmente en la teoría del aprendizaje automático en profundidad, es menos relevante que comprender ampliamente cada algoritmo que utilizamos. Le doy el sombrero a las personas que investigan, pero para mí, el usuario, siempre y cuando comprenda lo que hace el algoritmo, sus limitaciones y suposiciones, es tanto como sea necesario.
- ¿Qué debo aprender para crear un bot con cualidades de diálogos naturales?
- ¿Los actuadores piezoeléctricos serían adecuados para robots industriales?
- ¿JARVIS pasaría la prueba de Turing?
- ¿Cuál es el próximo tema candente en el aprendizaje automático?
- ¿Los analistas / asesores financieros serán reemplazados por robots e IA en los años 2020 o 2030? ¿Cuáles serán los pros / contras?
Y esto vuelve a su pregunta porque sé una cosa que los investigadores no saben, que son las limitaciones comerciales. Por ejemplo, uno de nuestros analistas escribió un algoritmo para la detección de fraudes debido a restricciones comerciales. Podría haber usado otros algoritmos, pero ningún algoritmo cumpliría con las especificaciones comerciales. Pero la única forma de saberlo es, como mínimo, conocer la teoría, aunque no sea en profundidad, de los algoritmos competidores, evaluar y validar.
Espero que esto ayude.