Aprender es mucho más difícil que usar la información aprendida, por lo que, basándose solo en esa intuición, se puede suponer que la capacidad del cerebro para aprender es lo que requiere la mayor parte de su maquinaria neuronal.
Dos observaciones anecdóticas en apoyo de esa opinión:
1. Una mosca doméstica puede navegar por un entorno visual 3D utilizando un cerebro minúsculo. Esto es posible porque ese cerebro está “conectado” por millones de años de evolución para ser óptimo para la tarea de vuelo que la mosca necesita realizar. La mosca no puede aprender nuevas técnicas de vuelo, pero las que están conectadas están conectadas de manera muy eficiente.
- ¿Cuándo y por qué un clasificador Bayes ingenuo es una opción mejor / peor que un clasificador forestal aleatorio?
- ¿Es esta tabla Hoja de trucos de Machine Learning (para scikit-learn) una descripción precisa de cuándo se deben aplicar diferentes técnicas de aprendizaje automático?
- ¿Cuál es el método para encontrar la parte no reconocida de los resultados del aprendizaje automático y complementarla para alcanzar el 100%?
- ¿Se puede extraer información significativa de datos hash para el aprendizaje automático?
- ¿Hay otros ejemplos de algoritmos de PNL que escriben libros publicados?
2. Cuando el cerebro se está desarrollando, se crea un exceso de conexiones y cableado que luego se podan. La poda presumiblemente está reduciendo la red al mínimo necesario para seguir funcionando, tal vez después del aprendizaje y la calibración durante el desarrollo.
