En general, no, no es posible saber con certeza que no haya una regla que asigne sus entradas a las salidas deseadas. Entonces, el hecho de que haya probado un montón de técnicas de aprendizaje automático y no hayan encontrado ningún buen mapeo no significa que no haya un mapeo perfecto entre sus muestras de entrada y su salida de destino.
Aquí hay un ejemplo. Podría hacer un conjunto de datos de clasificación binaria donde cada muestra fuera una cadena aleatoria de 1 MB seguida de la palabra “verdadero” o “falso”. Luego podría encriptar cada uno individualmente y pedirle que intente calcular la asignación de cada muestra a “verdadero” o “falso”. Invariablemente fallarías, pero sabemos que tengo un software que puede realizar el mapeo a “verdadero” o “falso” perfectamente, ya que puedo descifrar cualquiera de las muestras y encontrar la etiqueta.
Tal vez piensas que es un ejemplo artificial. Pero mi punto es que, en ausencia de algún tipo de conocimiento de dominio, no se puede decir nada sobre la previsibilidad. Entonces, si desea saber si la predicción es realmente posible, entonces debe apelar a algún tipo de ley física o algún otro principio establecido. Aquí hay unos ejemplos:
- Cómo comenzar una investigación independiente en aprendizaje profundo
- ¿Cuál es la mejor manera de encontrar análisis de sentimientos?
- ¿Alguien puede responder a estas preguntas relacionadas con la competencia de kaggle?
- ¿Existen métodos de aprendizaje automático además de los que requieren redes neuronales?
- ¿Qué algoritmo de aprendizaje automático usarías para analizar los datos de los alumnos?
- Quiero predecir el color de la pintura en una pared usando solo la salida de una cámara en blanco y negro. es posible? No, una cámara en blanco y negro simplemente no mide el color.
- Quiero predecir cuánta pintura hay en una lata en función de su peso. es posible? Sí, sabemos que cada unidad de pintura tiene un cierto peso.
- Quiero predecir si dos imágenes de huellas digitales provienen del mismo dedo donde las crestas de fricción son claramente visibles, ¿es esto posible? Sí, durante más de 100 años la policía ha estado haciendo esto con alta confiabilidad.
- Quiero predecir si una imagen de 1 megapíxel es una foto de un perro o de una mesa. ¿es posible? Sí. Sabemos que es posible porque los humanos pueden hacerlo.
En la práctica, una buena prueba para “¿es posible predecir y dada x?” es para ver si los humanos pueden hacerlo. Si no hay humanos que hayan podido hacer esa predicción, entonces hay una buena posibilidad de que sea imposible o tan difícil que no lo descubras en un período de tiempo razonable. Piénselo de esta manera, la gente gana premios Nobel por ser el primer ser humano en hacer nuevas predicciones o descubrir nuevas reglas predictivas.
En su caso, tiene datos biométricos. No sé lo que tiene, pero ciertamente hay tipos de datos biométricos que pueden usarse para predecir la identidad. Huellas digitales o una buena foto clara de la cara de alguien, por ejemplo. Hay otras cosas que no pueden. Como la camisa de color que tenían ayer. Aquí, un poco de sentido común será de gran ayuda para descubrir si es posible.
La siguiente pregunta es si podrá hacerlo. En cuanto a eso, no tengo idea. Existen buenos métodos para la identificación automática de huellas dactilares y, a partir de este año, hay varios grupos que hacen afirmaciones plausibles de tener sistemas de reconocimiento de rostros que son tan precisos como un humano para identificar a las personas que reciben fotos frontales claras de sus rostros. Entonces esas cosas son posibles.
Si su problema es un problema de visión por computadora, también vale la pena tener en cuenta que el sistema de visión humana es extremadamente bueno. Entonces, si está tratando de reconocer algo basado en una imagen y no puede hacerlo con sus propios ojos, entonces probablemente no sea posible. O requiere una agudeza visual sobrehumana , que probablemente no sea algo en lo que deba apostar a su empresa, ya que, en términos generales, la visión por computadora no es tan buena como la visión humana normal.