A principios de esta semana, un investigador de IBM con el nombre del Dr. Gerald Tesauro explicó cómo Watson toma sus decisiones con respecto a las apuestas. La explicación breve: Watson determina su apuesta observando la categoría y determinando qué tan bien se hizo en categorías de preguntas similares en el pasado, así como tomando en cuenta los puntajes actuales de su oponente. Si Watson tradicionalmente ha respondido correctamente las preguntas en esa categoría (o una categoría similar), apostará más. También tiene en cuenta el riesgo asociado con una apuesta, al comparar las puntuaciones de sus oponentes con las suyas. A lo largo del juego, Watson calcula sus posibilidades de ganar y usa esa información para determinar si vale la pena (o es necesario) arriesgar mucho.
Puede leer la explicación completa del Dr. Gerald Tesauro en este blog de investigación de IBM: http: //ibmresearchnews.blogspot… ..
- ¿Cómo se mide el puntaje de precisión para cada clase cuando se prueba el clasificador en sklearn?
- ¿Cuál es la diferencia entre el aprendizaje profundo y el aprendizaje automático habitual?
- ¿Hay demanda de IA, PNL y ML?
- ¿Es realmente necesario comprender todas las matemáticas detrás de las redes neuronales para usarlas?
- ¿Podría la IA llegar a ser lo suficientemente avanzada como para ser indistinguible de los humanos?