¿El evento IBM Watson vs. Jeopardy perjudicó los campos de aprendizaje automático e inteligencia humana?

El artículo que está citando no está completamente disponible, pero leí un artículo de opinión de 2010 de Lanier en el New York Times que parece tener el mismo argumento (http://www.nytimes.com/2010/08/0… )

En el artículo de opinión, Lanier escribe que hubiera preferido que IBM simplemente hubiera anunciado que proporcionaban un mejor motor de búsqueda basado en frases, en lugar de disfrutar de todas estas teatrales de competir en un peligro. partido. Al hacer eso, sugiere, IBM le habría dado a la audiencia una idea mucho mejor de para qué se puede usar esta tecnología.

Estoy de acuerdo en que la mayoría de la gente tiene poco uso para una computadora que juega Jeopardy! Sin embargo, si IBM simplemente hubiera presentado una nueva tecnología de búsqueda, como sugiere Lanier, espero que el anuncio haya sido cubierto por los escritores de tecnología, pero no hubiera llegado a ninguna parte el alcance que tenía al presentar este ‘espectáculo’.

De hecho, ¡diría que el equipo de Watson hizo un buen uso del tiempo aire de Jeopardy! muestra. Hablaron sobre la tecnología detrás de Watson, y hablaron sobre cómo esta tecnología podría aplicarse para mejorar nuestras vidas. Además, aunque no sé cuánto de esto se transmitió en la televisión estadounidense, IBM creó varias docenas de pequeños videoclips sobre Watson, incluidos varios clips que hablaban sobre aplicaciones en sectores específicos.

Todo esto se aplica a los campos de recuperación de información. Para el campo de la inteligencia humana, Lanier hace algunos buenos puntos. IBM presentó a Watson como una computadora pensante, una mente independiente. Por supuesto, esta era “simplemente” la interfaz a través de la cual Watson presentó los resultados de sus algoritmos de recuperación de información y estrategia de juego. ¿ Pensó ? Esa es una larga discusión filosófica, una en la que no todos los miembros de la audiencia de televisión están interesados

Pero Watson ha interesado a la gente. ¡Aunque no vivo en los Estados Unidos, y Jeopardy! nunca se ha transmitido aquí, todavía descubrí que muchas personas con las que hablé habían oído hablar de los partidos de Watson. Y ha hecho que mucha gente piense. Puede ver esto a partir de las preguntas formuladas en Quora, pero también muchos clientes de IBM están preguntando sobre Watson. No fueron engañados por el frente antropomorfizado, están comenzando una discusión sobre cómo la tecnología de Watson puede ayudar a sus negocios a ser más inteligentes.

A Lanier le preocupa que el equipo de Watson haya hecho publicidad sobre la ciencia. Esta es una compensación que los periodistas científicos hacen todos los días. Están tomando temas complejos, basados ​​en años de investigación, y están tratando de presentarlos de manera comprensible, relevante y, sí, interesante. A veces, esto plantea el riesgo de una simplificación excesiva, pero en general son esenciales para atraer a un público amplio interesado en la ciencia y la tecnología, y hacer que piensen en lo que podría traer el futuro.

Lanier necesita comprender que no todos juegan un papel diferente en la sociedad y que no todos son, o serán, pensadores como él. Su sugerencia de lo que IBM debería haber hecho carece de compromiso emocional. Sus pensamientos son contraproducentes para impulsar la tecnología.

Cualquier aplicación práctica de la ciencia previamente imprevista que genere una respuesta emocional crea interés. Este interés proviene de personas en otros campos, disciplinas y ámbitos de la vida. Este interés significa más mentes, más discusión y más teoría de aplicación de dinero. Es nueva tecnología más temprano que tarde.

¿Dónde estaría la ciencia hoy sin Carl Sagan?

Creo que si los intelectuales que juzgan cosas como Watson on Jeopardy como un truco publicitario de bajo perfil tal vez trataron de apreciarlos como manipulaciones inteligentes de los comportamientos de la sociedad diseñados para promover sus intereses intelectuales, pueden apreciar el genio creativo en ‘trivializar’ su palabra dura. Un poco triste, de verdad!

Las personas que producen grandes cambios entienden a las personas y entienden el compromiso.

La ciencia no debería preocuparse por cómo podría ser utilizada por sus enemigos.
Si los científicos comienzan a disponer de datos, experimentos o conclusiones porque implican la posibilidad de precognición o cualquier otro tema que los científicos “se sientan incómodos”, comienzan a ser enemigos de la ciencia.

Depende de los periodistas poner la ciencia en la luz correcta. Los científicos deberían hacer ciencia. IBM Watson es un interesante proyecto científico. No necesita ser más.

More Interesting

¿Cuáles son los efectos de una estimación de densidad de kernel en los momentos de una distribución?

¿Cómo podemos usar la herramienta Weka para crear un sistema de recomendación?

¿Me podría recomendar un curso abierto de aprendizaje automático?

¿Por qué se considera F # un buen lenguaje para el aprendizaje automático?

¿Cómo ser bueno en la programación de Python si quiero aprender el aprendizaje automático? ¿Son estos problemas diferentes de la programación competitiva?

Cómo automatizar la selección de características en un conjunto de datos que involucra muchos datos no numéricos

Fuera de Theano, Caffe y DeepLearning4j, ¿hay alguna buena biblioteca de DeepLearning?

Cómo aplicar una técnica de validación cruzada en un modelo LSTM

¿Es posible construir algo así como una red neuronal recurrente simplemente ingresando los mismos datos a lo largo del tiempo (por ejemplo, si los datos son una aceleración, cada entrada es el acc a la vez T)?

¿Cómo puede un joven de 16 años comenzar a aprender sobre el aprendizaje automático?

¿Cuáles son algunas ideas interesantes para un proyecto de investigación en procesamiento de lenguaje natural y / o traducción automática?

¿Por qué mi modelo de regresión produce valores negativos para SalePrice en los datos de prueba?

¿Cuál es el alcance del aprendizaje automático en la verificación?

¿Cuáles son las formas previas para el reconocimiento en visión artificial?

¿Cuál es la solución del ejercicio 1.3 del libro Machine Learning de Tom M. Mitchell?