Es difícil definir una métrica objetiva para la cual el proyecto es “más fácil”, especialmente sin requisitos claramente definidos para ninguno de los dos.
Los vehículos autónomos sin duda tienen riesgos de seguridad mucho mayores; Un sistema de traducción automática podría producir resultados incorrectos durante todo el día sin causar ningún daño. Por otro lado, en un curso cerrado sin obstáculos impredecibles, los vehículos autónomos han sido viables durante décadas. El problema del control electromecánico no es tan difícil, pero la detección y la toma de decisiones aún lo son, incluso para muchos conductores humanos.
La traducción automática tiene desafíos completamente diferentes. Cualquier políglota humano podría ofrecer algunos conceptos existentes en un idioma que simplemente carecen de equivalentes en otro idioma, al menos no concisos. Los lenguajes humanos evolucionan y se ramifican nuevos dialectos todos los días, así como también desacreditan las frases arcaicas. Probablemente se pueda resolver la traducción adecuadamente dentro de un determinado subconjunto restringido (incluso uno bastante amplio), pero siempre habrá casos de esquina poéticos que desafiarán la traducción entre idiomas arbitrarios.
- ¿Cuáles son algunos desarrollos interesantes pero pasados por alto en la investigación de ML?
- ¿Se utiliza Machine Learning fuera de las startups y otras "nuevas" empresas?
- ¿Cambridge o Stanford / Berkeley son mejores en aprendizaje automático?
- ¿Es obligatoria la experiencia de aprendizaje automático para conseguir un trabajo con Google? ¿Es realmente un tema importante en las universidades?
- ¿Qué es el aprendizaje supervisado?
