Yo diría “no muy”, en el sentido de que hay un gran desafío con el que la comunidad de ML ha luchado antes y que es igual de malo con el aprendizaje profundo.
Google Translate es asombrosamente bueno, pero el problema clásico que tienes es tratar de arreglar las cosas que hace mal. ¿Qué hace mal? Incluso en los idiomas populares, a menudo se equivoca de género o se cae la palabra “no”. Capté el NYTimes traduciendo un tweet ruso sobre “libros” (plural) al “libro” inglés (singular). ¿Adivina qué? Pegado el tweet en Google Translate, salió “libro”. Esa es una palabra que aprendes en el primer día de clase de ruso. En general, Google Translate es increíble. ¿Pero arreglando estos problemas sistemáticos? Difícil.
Google Translate aparentemente no utiliza el aprendizaje profundo, pero los sistemas de aprendizaje profundo también tienen este problema. Si todavía estás en “¡Woohoo! ¡Podemos identificar una imagen de gato el 70% del tiempo!” etapa de aprendizaje, probablemente no te preocupes por problemas como este. Pero si no puede reconocer que Grumpy Cat es un gato, e intentar arreglar eso significa que los gatos persas dejan de ser reconocidos como gatos, entonces tiene este problema.
- ¿Qué beneficios obtiene Microsoft, como empresa comercial, de su departamento de investigación (MSR)?
- ¿Vale la pena el tiempo dedicado a participar en la investigación financiada por NSF como estudiante?
- ¿Cuáles son algunas tesis doctorales notables en aprendizaje automático? ¿Por qué son notables?
- ¿Qué tipo de trabajo de investigación se realiza en informática en la Universidad Nacional de Singapur (NUS)?
- ¿Cómo calificaría la investigación de sistemas CS en UwiscMad, UT Austin, UMich y GATech?
