¿Son útiles las soluciones de aprendizaje automático?

Machine Learning es un campo con gran potencial. Esto es indiscutible. Si bien los marcos de ML en algunos dominios son difíciles de manejar, esto en mi opinión no es un problema a largo plazo, y de hecho ML tiene una gran promesa económica. Más allá de la industria de la tecnología, donde ML se ha implementado en salvos y ha reemplazado / cambiado muchos marcos históricamente poderosos, ML es de gran interés debido al hecho de que sus aplicaciones no tienen una restricción natural a los entornos técnicos y que los requisitos previos principales (aparte de prueba de concepto de que ML realmente tiene sentido aplicar) son datos, que en muchos campos pueden aprovecharse fácilmente o ya están disponibles. Como resultado, aunque de ninguna manera estoy equipado con una gran experiencia o experiencia económica / comercial, sin duda consideraría buscar vías de aprendizaje automático.

Las soluciones de ML tienden a ser increíblemente flexibles y, si se desarrollan correctamente, también pueden ser conscientes de los cambios en su dominio que se producen por debajo del alcance de la detección humana. Además, las soluciones de ML se pueden implementar con gran vigor incluso en campos en los que no tiene sentido, y es probable que logren un éxito moderado (aunque puede ser difícil interpretar lo que significan los resultados, ya que todo lo que está sucediendo es algo de aprendizaje de patrones subyacentes con poca importancia en el mundo real).

Depende de lo que quieras implementar.

El aprendizaje automático puede no ser una solución para todos los demás problemas del mundo. Al menos el aprendizaje automático clásico. Con la reciente popularidad de las redes neuronales y las redes neuronales profundas que dieron lugar al término “aprendizaje profundo”, se puede resolver una gama más amplia de problemas utilizando el aprendizaje automático.

Aún así, es malo en cosas como memorizar una tabla de multiplicar o multiplicar grandes números. Funciona como funciona el cerebro humano, pero no es una réplica del cerebro humano. Todavía no estamos en una etapa para crear un cerebro humano artificialmente.

Es solo que usamos el poder de la computación paralela para implementar algo así como la interconexión neuronal del cerebro y su no linealidad.

En cuanto a su pregunta, la respuesta puede ser un NO o un SÍ, dependiendo de la aplicación.

Este campo todavía es un niño en desarrollo. Nadie sabe lo que vendrá en los próximos años. Pero una cosa es segura de que no se extinguirá en el futuro reciente.

Así que exploremos y veamos por nosotros mismos a qué se refiere.

Considere pocos casos ‘realistas’ y no ‘de ciencia ficción’ del dominio de la salud

• Tu (abuelo) padre vive solo, se caen, te pones en contacto con ellos con poca frecuencia, no tienes forma de saber qué ha pasado allí,
• Su padre (abuelo) mayor tiene demencia, que lucha con sus tareas cotidianas de la vida, no puede estar con ellos todo el tiempo. Incluso si se quedan en un centro de atención, sufren episodios de agitación y agresión que pueden ser perjudiciales para ellos y para otras personas cercanas,
• Alguien sufrió un derrame cerebral y ahora tiene dificultades para hablar, es difícil para ellos explicar sus necesidades a sus cuidadores.

Si se puede desarrollar una solución para manejar cualquiera de estos problemas, será muy útil. Si esa solución incorpora ML, entonces ML es útil. Si esa solución incorpora Ingeniería, entonces Ingeniería es útil. Si esa solución incorpora Ciencia, entonces la Ciencia es útil.