Cometer errores a sabiendas no es “aprender”. Solo cuando se desconoce, “cometer errores” arroja más luz sobre “cómo” o “por qué” el error ocurre produciría nuevos conocimientos, por lo tanto, ayudaría a la inteligencia: si es nuestro o artificial.
Entonces, la IA sí “reproduce” los errores y sí los usa para obtener un mejor conocimiento. Hay dos formas de utilizar dicha información: el enfoque de aprendizaje automático más moderno básicamente ignora las reglas “predeterminadas” para lo correcto o incorrecto, en cambio, permitirá que los algoritmos “encuentren” la “correlación” óptima que prediga mejor el resultado en función de la entrada dada. Este enfoque es una gran cantidad de prueba y error (o más correctamente, intente encontrar mejores parámetros, por lo tanto, hace que el parámetro anterior y peor sea “incorrecto”). Por lo tanto, en realidad trata de buscar parámetros “mejores”, pero su proceso es básicamente probar, calcular y determinar “menos que optinal”, y luego eliminarlos. Entonces, en este sentido, la IA comete más errores que las respuestas correctas, pero debido a su velocidad, en realidad es mucho más eficiente para la IA adoptar ese enfoque en muchas áreas.
Algunos casos de uso de IA más específicos, como el análisis de errores para algunos programas de computadora, en realidad no están “cometiendo errores” por sí mismos, sino que responden secuencias que resultan en errores y ayudan a facilitar el análisis de los errores. Esto es más un uso de la IA, en lugar de que la IA se mejore a sí misma.
- ¿Cómo se relacionan el Big Data y la Inteligencia Artificial?
- ¿Qué subconjunto de inteligencia artificial se beneficiará al construir un programa que pueda hablar como un humano (sin incluir el hardware necesario)?
- ¿Alguna vez despegará la inteligencia artificial?
- ¿Cuáles son las implicaciones de que Facebook venza a Google en el desarrollo de IA?
- ¿Cuáles son las principales teorías en el desarrollo de un AGI?