a) Auto conducción / Camión / lo que sea:
Este caso de uso particular es la culminación de todos los trucos de IA / ML que existen. Desde la robótica hasta la visión por computadora, el aprendizaje profundo, el procesamiento de texto y la moral / ética.
b) Top 10 de música en cartelera estadounidense:
- ¿Qué se necesitará para crear un robot AI completo?
- ¿Cuáles son los diez principales marcos de aprendizaje profundo?
- ¿Por qué Mark requirió construir jarvis?
- ¿Cuáles son algunos ejemplos de juegos de computadora que usan aprendizaje automático? ¿Los juegos como FIFA 2013 de EA Sports aprenden de un usuario? ¿La computadora cambia sus tácticas de acuerdo con el estilo de juego del oponente? Si no, ¿es esto posible de implementar?
- ¿Cómo afecta el aumento del aprendizaje automático a los fabricantes de procesadores?
Una IA generó la canción de la cartelera Top 10 de los EE. UU. Las máquinas LSTM y Boltzman son las más prometedoras para las tareas de generación.
c) Novela de superventas de Nueva York
Las redes neuronales recurrentes (LSTM) son muy prometedoras.
d) Asistentes
Conocimiento del contexto y análisis semántico del correo, boleto electrónico, identificación de objetos, inteligencia de ubicación, prioridad y planificación. Imagine un asistente que ordena comida automáticamente cuando detecta que tiene hambre. Según su gusto y la hora del día, la comida es diferente. Los asistentes de hoy son niños de juguete en comparación con el potencial completo de tales aplicaciones.
e) Automatización del hogar: las casas inteligentes de hoy en día significa encender / apagar una aplicación eléctrica. Imagine una casa que cambia su luz automáticamente según su estado de ánimo. O enciende la TV y sintoniza el canal correcto según su preferencia y sincronización. Detecta la presencia de invitados adicionales y ordena pizzas adicionales según las preferencias de cada uno. O enciende la máquina de café espresso si es la hora del café.
Todo lo anterior se puede lograr utilizando sistemas expertos basados en reglas. Sin embargo, es divertido que la máquina / agente aprenda tales cosas automáticamente a través de la clonación conductual y el aprendizaje de transferencia. Las redes neuronales profundas están demostrando ser más exitosas en las tareas de identificación de objetos, mientras que las LSTM tienen más éxito en las tareas de generación contextual.
