Solo respondo con un ejemplo aquí, ya que no tengo una visión completa del tema. Echaría un vistazo a la charla que Colin Parris de GE dio en EmTech Digital, que fue muy perspicaz en el frente de fabricación: llevar inteligencia a Internet industrial
Tech Republic resumió esta charla de la siguiente manera:
Parris habló sobre cómo un “gemelo digital” puede reducir las redundancias y aumentar la eficiencia a la hora de mantener la maquinaria. El modelo tiene como objetivo “aumentar los conocimientos para ofrecer resultados comerciales específicos, datos de fabricación, mantenimiento y comprender cómo funciona”.
- ¿Cuáles son algunas de las revisiones de Big Data y el certificado de análisis social de MITx?
- ¿Qué asignaturas optativas de Matemáticas / Estadísticas son las mejores para obtener una buena base para el análisis de datos en Australia?
- ¿Dónde puedo hacer un curso de análisis de datos? ¿Edvancer es una buena opción?
- ¿Esperamos que se creen más trabajos en las pruebas de Big Data dados los enormes requisitos para los roles de desarrollador de Big Data?
- ¿Qué piensan los profesionales de analistas de negocios sobre el término 'ciencia de datos'?
Un problema del mundo real del que habló Parris es el aumento de la eficiencia en el servicio de piezas. Por ejemplo, en el pasado, una parte recibiría servicio en función de cuánto tiempo se había utilizado.
Un avión, por ejemplo, que vuela en un ambiente cálido y hostil tendrá acumulación de contaminación en sus aspas, lo que puede causar problemas para volar. Entonces, la compañía necesita inspeccionar aviones cada 200 vuelos. Pero, ¿y si no pasara nada? El tiempo se desperdiciaría en un taller de mantenimiento, o se desperdiciaría porque no estaba en uso.
Pero, si un “gemelo digital”, una versión digital de la cosa física, se construye para representar el objeto original, puede “usar datos del entorno y producir un modelo de daño acumulativo”, dijo Parris. De esa forma, solo traerían la parte cuando fuera necesario, lo que podría significar ahorrar decenas de millones de dólares.
Por qué la IA es el ‘agente de la economía’: los líderes de EmTechDIGITAL muestran el impacto global de la IA – TechRepublic
Más específico al aprendizaje automático, Parris concedió una entrevista a Galen Gruman de InfoWorld que se publicó en junio de 2016: ¿Real o virtual? Las dos caras del aprendizaje automático
La respuesta de Alan Morrison a ¿Cuál es la diferencia entre los términos “aprendizaje automático”, “aprendizaje profundo” e “IA”? incluye información sobre algunos de los términos. El aprendizaje por refuerzo refleja una especie de enfoque skinneriano, con los pros y los contras del conductismo.
PwC, 2016
El aprendizaje profundo simplificado en exceso consiste en una pila de capas de redes neuronales convolucionales y muchas posibilidades de cambio de peso para poder ajustar un modelo de manera no supervisada con muchos tipos de conjuntos de datos de entrenamiento correctos. Las características se construyen capa por capa. El reconocimiento de imagen y voz son los casos de uso de aprendizaje profundo más destacados. Los materiales de Andrew Ng en Coursera y en otros lugares explicarán cómo funciona el reconocimiento capa por capa.
¿Cuál es la diferencia entre redes neuronales convolucionales, máquinas de Boltzmann restringidas y codificadores automáticos?
El MIT explicó los POMDP con un ejemplo de equipo de respuesta de emergencia en Habilitar equipos de rescate humano-robot