No.
Las redes neuronales (también conocidas como Deep Learning) son ciertamente * una * forma de hacer análisis de texto, pero, como cualquier algoritmo de aprendizaje automático, lenguaje de programación, implementos de cocina o herramientas, elija la mejor herramienta para el trabajo.
Las redes neuronales tienen algunas propiedades realmente excelentes, pero no puedes alcanzarlas y modificarlas. Tienes que ir con lo que te dan una vez que terminan de entrenar. Otros tipos de ML (como Maximum Entropy) permiten la intervención directa incluso después del entrenamiento. Las redes neuronales también requieren un uso intensivo de recursos, pero, por otro lado, tienden a funcionar muy bien en las GPU, es decir, “su tarjeta gráfica” si es lo suficientemente moderna.
- ¿Podría ser científicamente posible transferir nuestra conciencia a cuerpos robóticos?
- ¿Por qué me siento como un robot a veces cuando mi cerebro decide cómo voy a hablar?
- ¿Por qué los algoritmos de búsqueda de IA solo parecen funcionar en la estructura de árbol?
- Si los robots van a ser humanos algún día, ¿cómo debería ser la función de costo y cómo pueden los humanos aprender de ellos mismos?
- Cómo desarrollar un chatbot basado en IA en Python desde cero
En Lexalytics utilizamos todo tipo de algoritmos diferentes de aprendizaje automático, tanto supervisados como no supervisados, desde bayesiano hasta factorización matricial y redes de memoria a corto y largo plazo (un tipo de redes neuronales recurrentes).
Nuestros clientes procesaron billones de documentos mucho antes de que las redes neuronales / aprendizaje profundo se convirtieran en una * cosa * nuevamente, y con los últimos años de avances en redes neuronales, simplemente tenemos otro conjunto de herramientas en nuestra caja de herramientas.