A2A.
Esta es una pregunta interesante, ya que al principio, parece que debería tener una respuesta razonable, pero profundizando, te das cuenta de que eso no es del todo cierto.
Me recuerda una cita:
- ¿Qué pasará en 2020 con respecto a la IA?
- ¿Cuáles son algunos proyectos desafiantes pero factibles que un estudiante de CS puede hacer en C o C ++ en los campos de DBMS, visión por computadora, inteligencia artificial, redes de computadoras y compiladores?
- ¿Cuál sería el impacto en el mundo si la inteligencia artificial se volviera común en cada dispositivo y computadora?
- ¿Qué cambios traerá consigo la revolución del robot?
- ¿Cuál es el chatbot de IA más atractivo en línea para tener la conversación más sensual con casi cualquier cosa?
“Un problema bien planteado es un problema medio resuelto”.
Veamos qué significa eso en el contexto del aprendizaje automático. Según Oxford Reference, un problema bien definido es un problema en el que el estado inicial o la posición inicial, las operaciones permitidas y el estado objetivo están claramente especificados. Parece una definición razonable para trabajar. Para el aprendizaje automático, las operaciones permitidas serían análogas al conjunto de funciones que está buscando.
Ahora, el problema con el aprendizaje automático [o cualquier campo aplicado, para el caso] es que los problemas están intrínsecamente mal definidos. Por ejemplo, si observa la conducción autónoma, es un problema mal definido. La mayoría de estos problemas están mal definidos, porque el conjunto de funciones que está buscando no está definido. Del mismo modo, el objetivo no está definido matemáticamente.
Gran parte del aprendizaje automático se trata solo de modelar cómo definir un espacio funcional razonable y el objetivo [más sobre esto aquí y aquí]. Sin embargo, una vez que define esas cosas, se convierte en un problema de optimización. Ya no es un problema abierto, porque si el objetivo es alcanzar un óptimo local, sabemos cómo hacerlo, y si el objetivo es alcanzar el óptimo global, eso es NP-duro. En cualquier caso, este es un problema en la optimización, no en la IA.
Por lo tanto, los problemas bien definidos y los problemas abiertos son mutuamente excluyentes en su mayor parte: hay un espectro, donde en un extremo tienes problemas bien definidos pero resueltos, y en el otro extremo, tienes problemas mal definidos pero no resueltos.
[Lo anterior no es cierto para campos puros como las matemáticas, donde no tiene un componente de modelado. Por lo tanto, los problemas pueden estar bien definidos y no resueltos.]
Ahora, si está interesado en algunos problemas abiertos en IA [que no están bien definidos], aquí hay una lista que compilé: ¿Cuáles son algunos de los principales problemas no resueltos en el aprendizaje automático?