¿Qué es mejor estudiar para construir un sistema inteligente como JARVIS, inteligencia artificial o aprendizaje automático?

Para ser claros, el aprendizaje automático es un subcampo de la inteligencia artificial.

Para construir un sistema como Jarvis, realmente necesitas casi todos los demás subcampos de IA, así como el aprendizaje automático. Éstas incluyen:

• Comprensión del lenguaje natural: ser capaz de comprender la intención del comando de voz.
• Representación del conocimiento: ¿cómo representamos lo que sabemos sobre el mundo y la relación entre ellos?
• Planificación: si tenemos un objetivo particular (por ejemplo, una instrucción como “llévame a casa”), ¿cómo dividimos eso en una secuencia de pasos?
• Percepción: ¿Cómo procesamos todas las señales que estamos recibiendo y las combinamos en una representación unificada de lo que está sucediendo?

Por lo tanto, debe estudiar la IA en general: esto le permitirá construir un mejor modelo mental de cómo funciona el sistema en su conjunto.

No recuerdo todas las capacidades que JARVIS demostró tener, así que podría estar perdiendo algo, pero no parecía tan descabellado y ciertamente no es una inteligencia sobrehumana. En el mejor de los casos, parecía algo así como un IBM Watson específico de ingeniería junto con una interfaz basada en voz para cualquier plataforma de robótica que Stark podría haber estado utilizando para sus juguetes, por ejemplo, agregar interfaz de voz a todas las funciones de batería, actuador y sensor proporcionadas por el abierto -Source Sistema Operativo Robótico ROS.

En el peor de los casos, no es mucho más que un SIRI.

Para construir un JARVIS, probablemente necesitará comprender un diseño de interfaz de usuario realmente bueno junto con una inteligencia artificial simbólica (no muy por delante de lo último en tecnología). Cualquier pieza de automatización que use en ese “laboratorio Stark” tendrá que utilizar un marco de software limpio que pueda configurarse fácilmente mediante una interfaz de usuario basada en voz acoplada a través de esta IA simbólica. Necesitará además una base de conocimiento altamente especializada en los dominios de ingeniería, aeroespacial y planificación de batallas, nuevamente con una interfaz interna limpia que permite a este motor de procesamiento de símbolos consultar fácilmente esta base de conocimiento. Y, por supuesto, para comprender lo que dice el usuario en primer lugar, necesitará un motor de análisis del habla basado en aprendizaje automático (red neuronal recurrente profunda), capacitado en voz + texto.

Como se ha señalado, el aprendizaje automático (ML) es cómo se construye una IA. JARVIS es un AGI (inteligencia general artificial) que actualmente está fuera del alcance de nuestro conocimiento. Nos estamos acercando a esto de varias maneras, como las técnicas de aprendizaje profundo, pero la brecha es enorme para agregar el término ‘general’ a cualquier tipo de IA.

Yo diría Machine Learning.

Por lo poco que sé de ambas asignaturas, ML se preocupa más por el algoritmo de aprendizaje que por la IA que se ocupa del conocimiento y la representación del estado.

Un sistema no se considera “inteligente” si no puede aprender.

Por supuesto, se requiere más que solo ML para construir una IA compleja como JARVIS.

PD: No soy un experto, así que no dudes en corregirme si me equivoco 🙂

Machine Learning es IA que funciona.

Uh … Estoy bastante seguro de que gran parte del aprendizaje automático cae dentro de la IA, por lo que no es un escenario o ninguno.

Aprendizaje automático. Si JARVIS no puede aprender, no será inteligente por mucho tiempo.