Descargo de responsabilidad: necesitará un tablero y un marcador.
Bien ok. Tenía una casa en Maryland que estaba dispuesta a vender. Pero estaba bastante confundido sobre el precio de la casa que quiero vender. Quería ponerle precio a la casa de manera correcta para obtener una ganancia decente y evitar ser estafado o asustar a los clientes potenciales.
Plan 1:
- ¿Cuál es la forma más rentable de producir Inteligencia general artificial (AGI o IA general)?
- ¿Hay alguna manera de decidir si una simulación perfecta de todos los aspectos de su estado mental es realmente consciente?
- ¿Cómo se crean los algoritmos? ¿Y qué son los algoritmos de aprendizaje profundo? ¿Cuáles son algunos ejemplos?
- ¿Las carreteras serán más seguras debido a la IA?
- ¿Son los robots humanoides, o autos autónomos, solo una colección de componentes robóticos ensamblados?
Lo más obvio es contratar a un administrador de bienes raíces, hacer que mire a su alrededor y pedirle consejo. Siendo el avaro que soy, no quería desembolsar algunos dólares extra por sus consejos.
Plan 2:
Así que decidí averiguar el precio por mi cuenta. Sabía que mi casa abarca unos 1250 pies cuadrados. Revisé mi localidad donde tuve la suerte de conocer a 5 personas que acaban de vender sus casas. También tuvieron la amabilidad de proporcionar los detalles de su casa, es decir, el área y el precio por el que la vendieron. Aquí hay una tabla de los datos.
¿Qué pasaría si trazara esto en un gráfico?
Ahora con este cuadro, es muy fácil predecir para qué se venderá mi casa. Será alrededor de $ 225,000.
¿Y si desea que su computadora o ‘Máquina’ prediga los precios de la vivienda por usted?
El enfoque tradicional será codificar explícitamente la ecuación de la tendencia. En este caso, la ecuación será una línea recta que es bastante conocida como
[matemáticas] y = mx + c [/ matemáticas]
Es muy fácil evaluar la pendiente ‘m’ y la intersección ‘c’. Entonces, para un valor dado de ‘x’ (área), podemos calcular fácilmente ‘y’ (precio) usando matemática simple.
Pero piénsalo. Las tendencias a menudo no son tan claras y simples como una línea recta. Hay muchas curvas extrañas que ni siquiera tienen nombre. De hecho, es casi imposible descubrir las ecuaciones para curvas complejas por nuestra cuenta. Agregue a eso los cambios constantes que ocurren con los datos, como el mercado de valores, que pueden cambiar la ecuación de la curva en conjunto.
¿Qué pasaría si hubiera una manera de permitir que la computadora descubra la ecuación por sí misma y la actualice constantemente a medida que surgen nuevas corrientes de datos? Esto es en general lo que hace el aprendizaje automático . La máquina realmente aprende de los datos que proporciona y predice algo.
Hay dos clasificaciones amplias en el aprendizaje automático. Aprendizaje supervisado y aprendizaje no supervisado.
El ejemplo anterior que vimos viene bajo aprendizaje supervisado. ¿Por qué? Porque sabíamos lo que estábamos buscando. Los precios de la vivienda.
¿Qué pasa si no sabes exactamente lo que estás buscando? ¿Qué sucede si solo tiene un volcado de datos y desea obtener algo útil de él? Aquí es donde entra en juego el aprendizaje no supervisado. Esto es útil especialmente en la segmentación del mercado y el análisis del comportamiento del cliente.
