Comenzaré por estar en desacuerdo en parte con tu primera oración. Aprendizaje automático: una perspectiva probabilística (serie de computación adaptativa y aprendizaje automático): Kevin P. Murphy: 9780262018029: Amazon.com: Books menciona SmartASS y también es una buena visión general de las técnicas de aprendizaje automático. Mire la tabla de contenido de la introducción de ese libro. Tenga en cuenta cuántos tipos diferentes de ML hay. SmartASS proporciona solo predicciones probabilísticas, por lo que no es comparable con todas las demás aplicaciones de los otros enfoques de ML.
Dejaré que los creadores hablen por sí mismos, pero como siempre fue un esfuerzo de equipo que dependió de la brillantez de varias personas específicas. Una característica de esas personas es que son simultáneamente investigadores de ML con una tremenda comprensión de ML en abstracto e ingenieros que saben cómo escribir código de producción a escala y mantenerlo en funcionamiento. Si desea hacer ML a gran escala en el borde de la hemorragia, necesita al menos algunas personas así, y tienen que llevar buscapersonas. Por lo tanto, necesitan creer realmente en lo que estás haciendo. Si define el problema como “hagamos mucho dinero”, dudo que estén suficientemente motivados.
Todas las otras preguntas que no puedo responder, porque cualquier conocimiento que tenía está desactualizado.
- ¿Qué sucederá desde un punto de vista científico si dejamos que la IA altere el genoma humano?
- ¿Cuánto limita el hardware la Inteligencia Artificial?
- ¿Cuáles son las medidas más precisas de la inteligencia artificial?
- ¿Es posible escribir código que pueda codificarse y mejorarse a sí mismo? En caso afirmativo, proporcione un ejemplo.
- ¿Cómo podríamos (en teoría) resolver una red neuronal exactamente?