Las redes neuronales y el aprendizaje automático en el dominio de la inteligencia general artificial pueden ser el gran avance.
Eso es lo que las grandes compañías tecnológicas como Google, Apple, Facebook … parecen pensar, considerando los millones que están invirtiendo allí.
Básicamente, hemos renunciado a tratar de “diseñar inteligencia” en una jerarquía simbólica de arriba hacia abajo.
En cambio, ahora estamos imitando la evolución de los sistemas nerviosos naturales, desde abajo hacia arriba, comenzando con los “sentidos virtuales” y las neuronas virtuales. Esto proporcionó resultados muy alentadores (reconocimiento de sonido, reconocimiento de voz, reconocimiento de imagen, etc.).
Entonces, irónicamente, el “diseño inteligente” no funcionó, pero la “teoría de la evolución aplicada” sí.
Luego, puede simular redes neuronales tan grandes como sea posible en supercomputadoras, arrojarles cantidades ridículas de datos sin procesar y ver lo que terminan obteniendo de forma espontánea. Es decir, te estás quedando ciego, como un buscador que busca oro en un paisaje virtual de ideas aleatorias.
Por ejemplo, una de esas redes neuronales de Google se alimentó con millones de videos de Youtube. Como se esperaba, aprendió a reconocer a los humanos … ¡Pero también a los gatos !
Así que ahora Google ha “desarrollado” una IA que puede indexar imágenes y videos de gatos en todo Internet, incluso cuando no están asociados a la palabra clave “gato”. ¡Esos malditos gatos, siempre robando el espectáculo!
- ¿Podemos entrenar una red neuronal para comprender / interpretar otra red neuronal?
- Si una aplicación usa NLP para analizar el texto del usuario y luego devolver las imágenes en consecuencia, ¿este uso de NLP entraría en la categoría AI?
- ¿Puede una computadora usar inteligencia artificial para vencer al 'mejor' jugador de póker siempre?
- ¿AI comenzará a automatizar la escritura de software (incluidos ML e AI)? Si es así, ¿qué debe hacer un desarrollador para seguir siendo relevante y empleable?
- ¿Cómo se pueden visualizar las características extraídas en capas ocultas de una red neuronal?
