Aunque la idea del aprendizaje profundo se remonta a un largo camino (Pitts y McCulloch; 1943), el interés reciente en el aprendizaje profundo comenzó en 2006 [Hinton, Osindero, Teh]. Esencialmente, hicieron un gran avance que permitió que el aprendizaje profundo fuera menos computacionalmente intensivo. Durante la última década, la mayor parte del trabajo ha estado explotando directamente este avance y perfeccionando la técnica. El enfoque también se ha combinado con otros enfoques existentes, como el aprendizaje por refuerzo y la búsqueda de árboles de Montecarlo con excelentes resultados.
No creo que haya una meseta pronto. Hay muchas direcciones inexploradas y aplicaciones existentes que pueden beneficiar. También las mejoras de hardware continuarán brindando beneficios de calidad. Es muy difícil predecir si habrá más avances importantes.
En cuanto a la exageración, hay mucho de eso. Es mi opinión que la IA no alcanzará la inteligencia a nivel humano (es decir, la tarea y el entorno neutral) durante muchas décadas. Creo que la predicción de Ray Kurzweil para 2029 está desviada por un amplio margen. Hay demasiados bits faltantes en nuestro entendimiento. En particular, creo que necesitamos un avance en la comprensión del lenguaje natural (es decir, más allá de la gramática, análisis, modelos de lenguaje estadístico y diccionarios semánticos, etc.).
- ¿Cómo puedo interpretar las predicciones en un modelo de aprendizaje automático de salud (bosque aleatorio) para infarto agudo de miocardio?
- ¿Existe una versión de objetivos múltiples de regresión logística, regresión lineal, SVM, PCA, K-means o algún otro algoritmo de aprendizaje automático?
- ¿Qué tan buena es la Universidad de Edimburgo, en comparación con la CMU para estudios de posgrado e investigación en aprendizaje automático y neurociencia computacional?
- ¿Necesito visión artificial para leer texto simple en imágenes?
- ¿Qué es una explicación intuitiva de la convolución 1 × 1 en ConvNets?