Realmente necesitas definir problemas complejos aquí. Supongo que ya sabes las matemáticas, por lo que en teoría ya podrías construir tal cosa. El problema es el hardware y los datos. A medida que aborde problemas cada vez más complejos, el tiempo de entrenamiento aumentará de forma no lineal. Puede lidiar con esto utilizando un hardware cada vez mejor, y estamos llegando al punto en que el hardware está específicamente diseñado para redes neuronales, pero $ 2–5 está un poco más allá del estado actual de la técnica. Dado que nuestro mundo basado en datos ha surgido principalmente en los últimos 10 años, diría que mientras la Ley de Moore se mantenga, lo cual no es tan seguro como solía ser, 10 años más darán un progreso igual o mayor. a estos últimos 10.
Ahora, sobre el entrenamiento “como una mascota o un niño”, me complace observar que se está trabajando bastante para que el entrenamiento sea un proceso más natural, y si puede construir un sistema que recopile datos del entorno, los filtros en calidad, y luego lo alimenta a su configuración de aprendizaje automático como datos de entrenamiento, ya está allí. El problema está en la estructura, ya que un psicólogo infantil le diría que el aprendizaje comienza completamente sin supervisión, con la única fuente de “supervisión”, por así decirlo, basada en un conocimiento arraigado. Es decir, nacimos con una propensión a descifrar el lenguaje, pero la gran mayoría del mundo no nos es familiar, por lo que aprender implica descubrir qué son las “cosas”: agua, brazo, perro, mamá, etc. y conectarlos con sus equivalentes lingüísticos, como en la palabra “agua” y todos sus datos gramaticales y fonéticos. Los informáticos, los psicólogos (una clase de personas que realmente espero que exista) podrían discutir día y noche sobre cómo se diseña una red neuronal (y casi todo lo que sabemos hasta ahora es que es una red neuronal, considerando que estamos discutiendo el cerebro humano) para enseñarse un lenguaje sin supervisión. Sin embargo, sabemos que a medida que el lenguaje alcanza un estado de utilidad, los comentarios de otros comienzan a incorporarse como supervisión y el problema evoluciona. Y así es como se desarrollan la mayoría de los aspectos de la humanidad, el lenguaje, la cultura, la visión, etc. En resumen, estamos razonablemente lejos, pero todo lo que se necesita es una persona inteligente con algunas buenas ideas para cambiar eso.
Con respecto al equivalente robótico, es el mismo problema: desarrollar una red neuronal compleja que se enseña a sí misma sin supervisión y luego supervisada, con solo unas pocas letras más. En primer lugar, comprendemos la física de la kinesiología, por lo que generalmente no entrenamos eso y simplemente lo codificamos. Sin embargo, en humanos parece estar entrenado. Un bebé no nace con la coordinación ojo-mano de un atleta, sino que se desarrolla, semi-supervisado, mientras el bebé juega con sus circuitos mentales y ve lo que se mueve. Entonces, usted elige por completo si desea que su Monstruo de Frankenstein esté preprogramado con física o tenga que resolverlo, el último de los cuales extiende un poco la resolución de problemas necesaria. Entonces, si puede hacerlo sin el cuerpo, agregar el cuerpo no es demasiado difícil.
- ¿Qué es mejor SAP HANA o el análisis de IBM Watson?
- Supongamos que hay una red neuronal con 4 unidades ocultas y 1 capa oculta y otro NN con 2 capas ocultas, cada una con 2 unidades, ¿cuál es la diferencia?
- ¿Qué pasa si nuestra humanidad es la computadora maestra artificialmente inteligente de nuestros antepasados?
- ¿Puedo obtener un M.Tech en inteligencia artificial de IIT además de completar mi BE en electrónica e instrumentación?
- ¿La IA resultará en que las mujeres dominen la programación de computadoras en el futuro lejano?
Recuerde que los seres humanos pasamos los primeros 25 años de nuestras vidas desarrollando nuestros cerebros hasta el punto de que tenemos “básicamente todo”. Eso es un cuarto de siglo de tiempo de entrenamiento, quizás en el dispositivo informático más avanzado del mundo. Lo que estás tratando de hacer no es poca cosa. Sin embargo, no digo que no valga la pena intentarlo, incluso si construye una pequeña fracción de un sistema de trabajo, eso sigue avanzando considerablemente en nuestra frontera del conocimiento. Ahora ve y hazlo.
