¿Cuándo harán las máquinas la física y volverán a aprender las características de los datos de observación y luego reemplazarán aquellas como masa, giro, color o carga?

Ya están haciendo física.

  • El CERN maneja 50 petabytes de datos con cada ejecución del LHC. Los algoritmos de aprendizaje automático se utilizan para filtrar los datos triviales y poco interesantes y clasificar los eventos para facilitar que los humanos manejen los datos.
  • Los algoritmos de aprendizaje automático están comenzando a desempeñar un papel más importante en la física espacial. En la conferencia IMC-3 recientemente concluida sobre cinturones de radiación y física de cinturones en la UCLA, se utilizaron algoritmos de aprendizaje automático para predecir gráficos de densidad de espacio de fase a partir de datos dispersos.
  • En 2014, se concluyó la simulación numérica más grande del universo del mundo (la asombrosa cantidad de 500 mil millones de partículas).
  • Actualmente, los astrónomos están utilizando técnicas de aprendizaje automático para manejar los datos de Kepler, clasificando píxeles pequeños como estrellas potenciales.

Sospecho que esta pregunta está motivada por la exageración de la ciencia de datos, y estoy aquí para decir: lo siento, pero de lo que estás hablando no sucederá ni sucederá.

Los algoritmos de aprendizaje automático están diseñados por seres humanos para realizar una de dos tareas: regresión y clasificación. No existen para proponer teorías completamente nuevas o plantear relaciones causales entre los fenómenos observados, es decir Actualmente imposible. No ‘volverán a aprender un conjunto de características y reescribirán masa, carga o giro’, eso sería algo inútil, ya que todas nuestras teorías modernas continúan siendo reivindicadas por el experimento, el único estándar de prueba en las ciencias. La masa, la carga y el giro derivan de su existencia del hecho de que a) se pueden observar, b) es posible idear experimentos que prueben su influencia en el fenómeno observado, yc) todos estos experimentos han demostrado con éxito su influencia.

Probablemente lo harán unos mil años después de que aprendan a pensar. Supongo que los primeros mil años pueden desperdiciar inventando algún tipo de dios máquina. Una vez que descubran la ciencia, nosotros, las criaturas de carne y hueso, no tardaremos en llegar al mundo.

More Interesting

¿Es la memoria y la potencia informática paralela masiva del cerebro más útil para el "entrenamiento" o la "prueba"?

¿Cuál es un buen conjunto de datos de Kaggle para practicar el ajuste de modelos de regresión logística o modelos jerárquicos?

¿El aprendizaje automático va a derrocar al sistema dinámico?

¿Cuál es la forma más rápida de aprender matemáticas para el aprendizaje automático y el aprendizaje profundo?

¿Cuál debería ser el plan adecuado para aprender el aprendizaje automático desde cero para un estudiante del tercer semestre?

¿Es incorrecto si realizo un análisis de opinión en revisiones individuales en lugar de en todas las revisiones a la vez?

Cómo hacer ingeniería de características en aprendizaje automático

¿Las implementaciones físicas de las redes neuronales son claramente preferibles a las GPU?

¿Se pueden programar las computadoras para comprender el valor estético de algo?

Necesito trabajar en un pequeño proyecto de análisis de sentimientos. ¿Qué herramienta debo usar para aprender e implementar fácilmente como Python, TensorFlow?

¿Cuál es el futuro del aprendizaje de refuerzo profundo? ¿Es una buena idea comenzar un doctorado ahora trabajando en ataques adversos en sistemas RL?

¿Por qué el error cuadrático medio es equivalente a minimizar la entropía cruzada entre la distribución empírica y un modelo gaussiano?

¿Cuáles son los proyectos de aprendizaje automático que puedo hacer para practicar y aprender como principiante?

¿Por qué es importante usar pruebas de regresión?

¿Debo ir por TensorFlow o PyTorch?