¿El aprendizaje automático conducirá a la mercantilización del conocimiento?

¿Si por qué no? Es una buena idea.

¿El conocimiento no será objetivo? Bueno, esa es una pregunta separada.

Los filósofos ya podrían considerar la ciencia como una mercancía, donde depende de la tecnología e ignora todo lo que no esté corroborado por la tecnología y los conceptos como los píxeles y la potencia de procesamiento.

Buena pregunta.

Creo que si negamos que el conocimiento sea una mercancía, estamos negando el conocimiento dentro de esta era de consumismo. Puede plantear preguntas difíciles, pero a menos que se hagan preguntas difíciles, no habrá forma de abordarlas y mejorar los estándares de conocimiento.

Incluso existe el concepto de que el conocimiento de los productos básicos tendrá más que ofrecer, al menos a nivel del consumidor, porque puede diseñarse para satisfacer las necesidades de aplicaciones individuales.

Habrá una nueva oportunidad para unir conocimientos como el autodesarrollo, la psicología, la religión, la ciencia, la filosofía y la biología con aplicaciones como negocios, gobierno, instituciones y consumidores.

También habrá una oportunidad para hacer que el conocimiento sea más relevante y flexible para todo el espectro de aplicaciones, muchas de las cuales ahora solo son conocidas por programadores de computadoras, diseñadores y artistas, los ricos y otras personas creativas y privilegiadas. Finalmente, la naturaleza de las aplicaciones se realizará a través de interfaces generales y generadores de productos. El único incentivo económico necesario es ponerlo a disposición según las necesidades. Luego se puede cultivar en procesos masivos, productos de diseño, productos virtuales y elementos de fantasía, lo que resulta en una gran satisfacción en una tendencia general hacia la mejora exponencial de la información. Las empresas y el gobierno deben aprovechar esta oportunidad para mejorar la sociedad con gamificación y compras de pequeños cambios y clubes culturales, etc.

Y no soy necesariamente el único con ideas. ¿Por qué no obtener ideas de AI, organizaciones estudiantiles y grupos de expertos gubernamentales sobre cómo mejorar las funciones de información social?

En mi opinión, requiere más tiempo libre y dinero gratis y oportunidades para los creativos, pero quién sabe, tal vez esa no sea la imagen completa. En cualquier caso, creo que el conocimiento de los productos básicos es un paso importante en el camino, incluso si al principio parece que no es muy compatible con todos.

¿Quién no querría ser tratado como un intelectual, o ganar unos dólares vendiendo sus ideas sobre el significado de la información, su fotografía o su sentido de lo que es perfecto en un juego? Tal vez el dinero no sea tan gratuito como eso, pero, de nuevo, eso no significa que los productos no puedan comercializarse en función de los resultados existentes, o en la creación de un mercado para los consumidores pensantes.

Creo que esta idea tiene mucho potencial.

Y aquí hay un enlace a mis conceptos sobre cómo crear conocimiento: Cuatro cuartos de conocimiento por Nathan Coppedge en el blog oficial de Nathan Coppedge

¿Por qué no recopilar las ideas de otros sobre cómo crear conocimiento y cómo crear otras cosas, y ver si hay consenso, o tal vez cualesquiera métodos propuestos pueden preferirse por defecto, y todo el sistema se puede convertir en una interfaz personalizable?

Luego, solo tenemos que coordinarnos con las preferencias del usuario, como las palabras clave, y obtenemos un sistema muy interesante con potencial para reaccionar a los eventos de ideas individuales. ¡Este es el potencial real de la sociedad de la información!

Definitivamente sí. Robotronics LLC | Facebook

Sí lo hará, y en gran medida ya lo ha hecho.

¡El motor de búsqueda de Google no es más que un gran algoritmo de aprendizaje automático!

More Interesting

¿Es Bayes jerárquico básicamente una introducción de hiperparámetros en el modelo?

¿Cuál es la diferencia entre el aprendizaje por refuerzo y la optimización de caja negra?

Cómo tener una buena inicialización de la probabilidad previa, la probabilidad de emisión en los modelos ocultos de Markov ya que los HMM son óptimos locales

Muchas empresas hablan de 'big data' y 'aprendizaje profundo', y siempre ponen estas etiquetas en sus productos. ¿Cuál es el verdadero significado detrás de esto?

¿Cambridge o Stanford / Berkeley son mejores en aprendizaje automático?

¿Qué se enseña en los cursos de posgrado de aprendizaje automático?

¿Se puede usar una máquina de Boltzmann profunda para la clasificación de imágenes en una base de datos que tiene solo mil imágenes y tiene características de imagen de valor real como unidades de entrada (en lugar de unidades de píxeles binarios)?

¿Cómo debo interpretar la probabilidad bayesiana?

¿Qué algoritmo de aprendizaje automático puede dar la mejor solución para la clasificación no lineal?

¿Qué tipo de habilidades de codificación se requieren para trabajar en el aprendizaje automático en empresas como Facebook, Quora, Google, Microsoft?

¿Cuáles son algunas técnicas comunes para el aumento de datos de video en el aprendizaje profundo?

¿Qué matemática debería revisar / aprender si quiero comprender a fondo el modelado de efectos mixtos / modelado de regresión?

¿Cuáles son los trabajos más interesantes de CVPR 2016 y por qué?

¿Cuáles son algunos estudios de caso excelentes en el aprendizaje automático?

Como proyecto de graduación, elegimos hacerlo en el análisis de sentimientos de Twitter, tenemos algunos conceptos básicos de ML obtenidos de los MOOC, ¿a dónde deberíamos ir después?