Para aquellos que no están familiarizados con el término APRENDIZAJE DE MÁQUINAS, permítanme primero darles una idea básica.
Estás tratando de hacer que una computadora sea lo suficientemente inteligente como para aprender de los datos que se alimentan para que después de un tiempo la computadora pueda predecir más datos.
¿Cómo?
De vuelta en la escuela, nos dieron una tabla con los valores X e Y y nos hicieron trazar los puntos en una hoja gráfica. Luego nos uniríamos a ellos para hacer una línea (suponiendo que fuera así de simple).
Ahora dado cualquier maldita X, ¡obtener una Y fue pan comido!
- ¿Cómo se lleva a cabo el paso de inferencia en chatbots en el contexto del aprendizaje profundo o automático?
- En términos simples y en sus palabras, ¿cuál es la universalidad de Turing?
- ¿Para qué suelen usar las personas la computación en la nube?
- ¿Cuáles son algunas de las aplicaciones más creativas de inteligencia artificial / aprendizaje automático?
- Soy estudiante de informática. ¿Pueden ayudarme a decidir sobre un proyecto de último año que involucre desarrollo de IA y Android?
Así es exactamente como aprende una máquina también. Está construyendo una curva (o modificándola) cada vez que ingresa algunos datos para que cuando le pregunte a la computadora “¿Cuál será el valor de Y para esta X?”, Sea capaz de predecir y darle la respuesta.
En lugar de dibujar físicamente una curva, la computadora está tratando de generar la ecuación de la curva (digamos Y = X – 5).
Ahora pensemos en la practicidad de esto. Digamos que está haciendo que su computadora prediga el clima.
Por lo tanto, comenzará a recibir informes meteorológicos de cada día y cada hora del último año.
Ahora ya no es solo una curva bidimensional. La temperatura (z) ahora depende del día del año (x) y también de la hora del día (y).
Y siguiendo la aleatoriedad del clima, la curva no puede ser solo una línea recta.
Entonces, la ecuación generada por la computadora no solo tendrá 3 variables (x, y, z), sino que también tendrá cuadrados y cubos o potencias más altas.
Como puede ver, dependiendo de la cantidad de factores de los que depende una predicción y también de la aleatoriedad del resultado, la complejidad de la curva sigue aumentando.
Ahora pensemos en algo aún más avanzado. ¡ROBÓTICA!
Digamos que una compañía de alta tecnología ha diseñado un robot que es capaz de conducir automóviles exactamente de la misma manera que usted (para que se sienta más cómodo). Pero el catálogo dice que debes tener este robot sentado a tu lado durante el primer mes. ¡El robot aprenderá a conducir en un mes! ¡¡Por sí mismo!!
Ya no estás alimentándolo lo valora. Está aprendiendo cosas por sí solo usando su acelerómetro, emisores y sensores IR, cámaras, etc.
Volviendo a nuestra lógica de curvas, debe considerar 3 factores:
1) Probablemente hay decenas (o cientos) de factores de los que depende cada decisión mientras conduce.
(Increíble cómo nuestro cerebro está haciendo todo esto sin que nos demos cuenta)
2) Es un proceso continuo, por lo que cada milisegundo, el robot está aprendiendo nuevas decisiones basadas en las entradas de sus sensores y cámaras.
Entonces la velocidad es un criterio enorme.
3) Habrá miles de millones de (factores, decisiones) conjuntos generados durante un período de un mes que el robot debe recordar. Entonces el robot debería tener una memoria enorme y rápida.
Aquí es donde radica LA RESPUESTA. Se necesitan supercomputadoras que sean capaces de manejar tales volúmenes de datos, esa capacidad de aprendizaje rápido y la toma de decisiones tan rápida basada en el aprendizaje.
¡De esto se trata la tecnología de esta generación!
Es aún más RELEVANTE en el escenario actual. ¡Es por eso que el aprendizaje automático es tan importante hoy!
Una máquina que es capaz de atrapar patrones y predecir más eventos basados en ellos.
Solo piense en todas las áreas donde se puede incorporar el aprendizaje automático. ¡Deje volar su imaginación!