Una de las técnicas más conocidas es la “reducción”, que fue inventada o conocida por Richard S. Wallace y es utilizada ampliamente por los robots de AIML / Alice. La idea clave detrás de esto es evitar una explosión combinada al convertir una variante a otra por el mismo significado. Su principal ventaja es la ejecución muy eficiente en tiempo de ejecución. La escasez es que tiene la intención de traer bucles y es bastante difícil de mantener / usar cuando el sistema se vuelve grande.
Otro grupo de técnicas se basa en redes neuronales y big data, que se están volviendo populares recientemente porque NN es tan popular hoy en día. Sin embargo, no funcionan bien para mi humilde opinión. Una de las razones es hacer que las redes neuronales funcionen, primero hay que preparar oraciones adecuadas asignadas manualmente para entrenar NN, pero si ya tiene esos datos asignados, NN ya no es necesario. Es una paradoja de hecho.
Existen algunas otras técnicas, algunas de las cuales pueden ser prometedoras. Sin embargo, por la razón que puedes entender, los inventores no quieren revelarlos en este momento.
- ¿Por qué quieres iniciar una empresa relacionada con la IA?
- Después de la singularidad, ¿por qué la IA querría destruir a los humanos?
- ¿Es realmente posible usar clasificadores de aprendizaje automático listos para usar como SVM o Random Forest para predecir con precisión la dirección del stock?
- Si fuera posible construir un hardware de IA con la misma cantidad de neuronas artificiales y sinapsis que el cerebro humano, ¿sería esta máquina más inteligente que una persona ya que los circuitos electrónicos funcionan mucho más rápido que la transmisión de neuronas?
- ¿Podemos usar un algoritmo genético para desarrollar un modelo de la neocorteza y luego dejar que esto aprenda sobre su entorno y se vuelva inteligente?
Por cierto, me gusta mucho esta pregunta. Como trabajador de PNL, estoy cansado de hablar sobre cómo las máquinas “entienden” el lenguaje humano. La fea verdad es que la máquina no puede “entender” nada, todavía. Solo si hubiéramos habilitado la máquina para identificar oraciones que significan lo mismo esencialmente, la IA habría sido mucho más útil en nuestro mundo real. ¡Aclamaciones!
