Las máquinas no pueden interpretar los datos por sí mismas.
No puede entender lo que se le ha proporcionado para aprender. Tampoco conoce el ‘ significado ‘ de la salida. Simplemente le proporcionará una salida, que un humano tiene que interpretar y darle sentido.
Esta limitación del aprendizaje automático se detectó cuando el aprendizaje automático se utilizó para detectar automáticamente tanques enemigos camuflados:
- Cómo usar el método probabilístico para probar el problema de Ramsey multicolor
- Suponga que la máquina es multinúcleo, el tiempo de ejecución de un programa en una máquina que ejecuta solo ese proceso es igual al tiempo de ejecución en una máquina en la que hay otros procesos ejecutados junto con él, ¿no es así?
- Cómo implementar el muestreo ponderado de yacimientos
- ¿Cómo se puede aplicar el aprendizaje automático para predecir el tiempo de entrega de un producto?
- ¿Qué método de aprendizaje profundo es el más adecuado para PNL?
Érase una vez, el ejército de los EE. UU. Quería usar redes neuronales para detectar automáticamente los tanques enemigos camuflados. Los investigadores entrenaron una red neuronal en 50 fotos de tanques camuflados en árboles y 50 fotos de árboles sin tanques. Utilizando técnicas estándar para el aprendizaje supervisado, los investigadores entrenaron la red neuronal a una ponderación que cargó correctamente el conjunto de entrenamiento: salida “sí” para las 50 fotos de tanques camuflados, y salida “no” para las 50 fotos del bosque. Esto no aseguró, ni siquiera implica, que los nuevos ejemplos se clasifiquen correctamente. La red neuronal podría haber “aprendido” 100 casos especiales que no se generalizarían a ningún problema nuevo. Sabiamente, los investigadores habían tomado originalmente 200 fotos, 100 fotos de tanques y 100 fotos de árboles. Habían usado solo 50 de cada uno para el conjunto de entrenamiento. Los investigadores corrieron la red neuronal en las 100 fotos restantes, y sin entrenamiento adicional la red neuronal clasificó todas las fotos restantes correctamente. ¡Éxito confirmado! Los investigadores entregaron el trabajo terminado al Pentágono, que pronto lo devolvió, quejándose de que, en sus propias pruebas, la red neuronal no era mejor que la posibilidad de discriminar fotos.
Resultó que en el conjunto de datos de los investigadores, se tomaron fotos de tanques camuflados en días nublados, mientras que se tomaron fotos de bosques en días soleados. La red neuronal había aprendido a distinguir los días nublados de los días soleados, en lugar de distinguir los tanques camuflados del bosque vacío.
Deja que eso se hunda …
Lo que esperábamos : una red neuronal que detecta tanques del ejército camuflados.
Lo que tenemos : una red neuronal que distingue entre días nublados y soleados
¡Puedes imaginar las consecuencias si esta red neuronal se hubiera aplicado para usar en una guerra real!
Fuente: LessWrong