¿Cuál es un área tecnológica para la que el aprendizaje automático sería perfecto, pero no está explotado?

Creo que mejor sería cuáles son las áreas en las que el aprendizaje automático no está explorado. Porque a pesar de que hay muchas áreas donde se usa el aprendizaje automático, las áreas inexploradas distan mucho de las áreas exploradas.

En el caso de áreas inexploradas, el desafío principal es convertir el problema en un problema de aprendizaje automático. Por ejemplo, cuando se resolvió la clasificación de imágenes con aprendizaje automático, comenzaron a surgir problemas similares, como la detección de tumores a partir de imágenes de resonancia magnética. Usando el aprendizaje automático ahora, los matemáticos aprenden el camino del descenso del gradiente estocástico en lugar de calcularlo.

Entonces, si puede representar un problema de tal manera que el aprendizaje automático puede ser la solución, esa es su respuesta.

La gente suele ir a esa área ya explorada porque hace que la gente compre su explicación de por qué su problema puede resolverse mediante el aprendizaje automático y su aplicabilidad es bastante difícil. Porque la aplicación de su problema también es un factor importante. Por ejemplo, supongamos que creó un modelo de aprendizaje automático que puede detectar todas las enfermedades, lo que significaría que la comunidad de médicos irá en contra de esto por naturaleza. Del mismo modo, si haces una máquina que pueda hacer mejor música que la comunidad de músicos, estarás en contra.

Entonces puedes intentar ir por eso. También ganar este tipo de batallas generalmente resulta en un mayor logro. Como Galileo Galilei, quien dijo que la tierra se mueve alrededor del sol.

En 1610, Galileo usó su primer telescopio rudimentario para observar que Venus entró en fases al igual que la Luna. Esto iba en contra de la teoría de que todo orbitaba la Tierra, y era una prueba más de que gira alrededor del Sol. Galileo también observó cómo Júpiter tiene 4 lunas principales que lo orbitan. Esto rompió la creencia anterior de que todos los objetos orbitan la Tierra.

Entonces el mundo está abierto. Ir por cualquier cosa y todo.

El aprendizaje automático todavía está en etapas muy incipientes. Cada área a la que se ha aplicado ha sido de alcance limitado solamente. Habiendo dicho eso, hay algunas áreas donde el ML puede tener un impacto masivo, pero hasta ahora no ha habido ninguna aplicación comercial. Por comercial me refiero a todo lo que se haga fuera de lo académico y la investigación. Algunas áreas en las que puedo pensar son:

  1. Generación de música
  2. Automatización del hogar
  3. Escribir programas directamente a partir de instrucciones en lenguaje natural
  4. Derivar la teoría matemática y científica de la literatura y los experimentos existentes.

More Interesting

¿El correo electrónico de resumen de Quora es personalizado y, de ser así, qué técnicas de aprendizaje automático se utilizan para crear estos correos electrónicos?

¿Es útil la teoría de juegos para la inteligencia artificial?

¿Cómo diseñarías una red neuronal que aprende a jugar trackmania?

¿Cómo puede una empresa utilizar la inteligencia artificial en aplicaciones móviles?

¿La inteligencia artificial permitirá a un solo programador hacer cosas que en el pasado requerían un equipo completo?

¿Qué aprendes de crear un chatbot?

¿Qué es peor? ¿La censura que Voltaire enfrentó personalmente a los franceses bajo los franceses, o la censura estadounidense moderna basada en algoritmos de IA impersonales?

¿Todos los modelos de aprendizaje automático tienen función de pérdida? ¿Cuál es la función de pérdida del árbol de decisión?

¿Por qué necesitamos microprocesadores de alta velocidad para IA si el cerebro humano tiene una velocidad de aproximadamente 20-40 MS?

¿Cuáles son ejemplos del mundo real de sistemas de múltiples agentes?

¿Cuál fue la verdadera razón por la que Facebook cerró su IA, que inventó su propio idioma?

Robots: ¿Qué opinas sobre los robots de los guardias de seguridad que patrullan centros comerciales y estacionamientos?

En serio, ¿qué inicialización de peso funciona para entrenar redes neuronales?

¿Qué distingue a las llamadas 'redes neuronales profundas' de las redes neuronales de antaño? ¿Por qué están mucho mejor ahora?

¿Pueden las máquinas hacer preguntas inteligentes e interesantes?