¿Qué tan avanzada es la mejor IA en 2017 y qué tan avanzada podría ser la mejor IA en 2037?

La IA general todavía está a un paso de distancia, sin embargo, creo que estamos haciendo grandes avances en varias áreas muy importantes que son precursores esenciales de la IA general:

1. Visión : reconocimiento de imagen / video, etiquetado, etc., es el área que inició el aprendizaje profundo. Comenzando con el envío del Dr. Jeff Hinton y sus colegas a la competencia anual de imagenet que sorprendió a los demás. Estaban entrenando redes neuronales convolucionales profundas con GPU. Este campo y específicamente las redes neuronales convolucionales han visto una gran explosión en los últimos años. Ahora es la arquitectura estándar que impulsa las aplicaciones relacionadas con la imagen para la mayoría de los gigantes tecnológicos (google, facebook, baidu, etc.).

2. Discurso / traducción / datos secuenciales : Llegan un poco más tarde que la parte convolucional de la red neuronal son las redes neuronales recurrentes. El Dr. Jürgen Schmidhuber y su alumno Alex Graves, en cierto sentido, empujaron las redes neuronales recurrentes a la investigación general, específicamente con la variante llamada Memoria a corto plazo (LSTM). Las redes neuronales recurrentes, debido a su estructura mencionada, son perfectas para modelar patrones complejos en datos secuenciales, como el habla, la acústica, los trazos de escritura a mano, etc. Siempre remito este enlace para cualquier persona interesada en las redes neuronales recurrentes, ya que es intuitivo y muy fascinante: la efectividad irracional de las redes neuronales recurrentes

Tenga en cuenta que la ventaja de utilizar arquitecturas de redes neuronales profundas para los puntos 1 y 2 anteriores es que permite la capacitación de extremo a extremo (por ejemplo, píxeles a etiquetas de imagen) y permite que el NN desarrolle, aprenda y ajuste sus propias características, lo que supera su rendimiento Características tradicionales extremadamente complejas hechas a mano.

3. Memoria externa / máquina de Turing : El siguiente paso obvio es combinar los avances mencionados anteriormente con la memoria externa, haciendo que el algoritmo en cierto sentido sea completo. Alex Graves lo hizo en Deepmind al combinar LSTM con memoria externa de lectura / escritura, e hizo un trabajo interesante en tareas de copia y recuperación. (http://arxiv.org/pdf/1410.5401.pdf)

Otro trabajo interesante que combina memoria externa está saliendo del laboratorio del Dr. Yann Lecun en NYU (también conocido como Facebook Research). Han creado redes de memoria que logran una precisión considerable en una variedad de diferentes tareas de preguntas y respuestas. Según los estándares de aprendizaje automático, estas preguntas no son fáciles, ya que a menudo tienen dependencias de tiempo, inferencias, etc. ([1410.3916] Redes de memoria) Actualmente la investigación está en desarrollar sistemas de conversación de extremo a extremo. Me imagino que en unos años los bots de chat sonarían mucho más humanos que ahora.

4. Aprendizaje de refuerzo : el objetivo de RL es desarrollar algoritmos para que un agente aprenda a comportarse y desarrolle decisiones secuenciales óptimas en un entorno al interactuar y observar con el entorno. RL tiene respaldo en biología (ciclo de dopamina, funciones conductuales y cerebrales) y se ha estado calentando mucho durante el último año más o menos. Google Deepmind, el centro de investigación de inteligencia artificial, se centra principalmente en aplicaciones RL. vea su artículo sobre cómo enseñar a un agente a jugar juegos de atari a nivel humano directamente desde los píxeles de los videojuegos (https://www.cs.toronto.edu/~vmni…).

Otras aplicaciones de RL van desde el juego (ver el documento de Matthew Lai sobre el agente de enseñanza para jugar ajedrez hasta el nivel de supermaster jugando contra sí mismo (Uso del aprendizaje de refuerzo profundo para jugar al ajedrez), optimización de la cadena de suministro, programación de carga y, por supuesto, robótica.

Las áreas de investigación actuales están combinando arquitecturas de redes neuronales profundas con algoritmos RL (Q-learning), transferencia de aprendizaje, escalado a grandes conjuntos de datos y en espacios de acción continua (actor crítico, etc.)

Creo que este es un buen lugar para realizar un seguimiento de los avances recientes en RL profundo. (junhyukoh / papeles de aprendizaje de refuerzo profundo)

En resumen , recientemente ha habido avances muy interesantes en todas las áreas de investigación de IA, y todavía hay muchas más aplicaciones / áreas interesantes por explorar.

Teóricamente, AIXI describe una idealización de cómo debería ser la IA más avanzada o el tipo de rendimiento que debería tener. Aunque teóricamente y de forma un poco más práctica, las máquinas Gödel describen cómo una IA puede convertirse en la IA más avanzada que existe, principalmente logrando este estado a través de la superación recursiva .

Ambas teorías anteriores en realidad describen AGI / ASI, por lo que, por defecto, cualquier aproximación de los agentes descritos por las teorías anteriores debe considerarse la IA más avanzada que existe. MC-AIXI-CTW es actualmente la aproximación existente de AIXI, y es algo capaz de desempeñarse relativamente bien en cualquier juego sin conocer las reglas de antemano. Simplemente usa el aprendizaje por refuerzo para aprender las reglas, al mismo tiempo que intenta acumular la mayor recompensa.

Concedido MC-AIXI-CTW solo se ha aplicado en juegos (es decir, en trabajos publicados), pero con un dominio de problemas bien definido, MC-AIXI-CTW o cualquier aproximación de AIXI debería poder funcionar tan bien o mejor que el existente IAs. Esta es la razón principal por la que lo llamaría la IA más avanzada, ya que es un sistema que se puede aplicar a cualquier dominio problemático, mientras que Google-search y Watson están limitados en sus aplicaciones.

La inteligencia artificial es una tecnología emergente que se ocupa del estudio y desarrollo de software y máquinas inteligentes. La tecnología de inteligencia artificial se está utilizando ampliamente en diversos sectores, ya que ofrece máquinas y software integrados para operar como seres humanos, lo que permite que los dispositivos recopilen, analicen y tomen decisiones de manera efectiva. La creciente demanda de inteligencia artificial para mejorar la productividad y mejorar la satisfacción del cliente es un factor importante estimado para impulsar el mercado global en los próximos años.

Conozca más información sobre Inteligencia artificial Industria Últimas ideas, descargue PDF [correo electrónico protegido] Transparencia Investigación de mercado

Según un estudio, se estima que el mercado global de inteligencia artificial registrará una impresionante TCAC de 36.1% entre 2016 y 2024, llegando a una valoración de US $ 3,061.35 mil millones para fines de 2024 de US $ 126.14 mil millones en 2015.

“¿La IA alcanzará un punto en el que sea capaz de sentir emoción” …

La respuesta es no. ML no puede generar o sentir geniune emociones humanas.

Las emociones son procesos altamente caóticos que ocurren dentro del cerebro humano. El proceso caótico no se puede predecir y esto no se debe a que los humanos no tienen la tecnología para hacerlo, es porque es un hecho matemático que los procesos caóticos no se pueden predecir (consulte la ecuación de Lorenz y otros trabajos de Edward Lorenz sobre la predicción del clima).

Entonces, ¿puede ML predecir / replicar la emoción humana? No creo que haya siquiera una posibilidad.

………………………… ..

Debes haber oído hablar de autos sin conductor. Seguro que son una fascinación para todos los tipos de IA, pero han podido lanzar tales autos en las autopistas principales o en los mercados abarrotados. 🙂. Creo que el aprendizaje automático tiene un largo camino por recorrer. Está caliente porque está dando excelentes resultados en el laboratorio. Veamos cómo funcionará en el mundo real.

Claro, no quiero decir que no estén usando ML en el mundo real. Claro que sí, pero hay mucho por hacer antes de que ML realmente haga lo que se dice al respecto.

Si. Mierda de Hollywood. Si. ¿Recuerdas esta película?

En la década de 1920, unos 49 años antes del primer alunizaje, “Hollywood” soñó esta idea y la compartió con Estados Unidos. Que paso despues Aterrizamos en la luna.

  • Muchas otras ideas de “Hollywood” han dado sus frutos:
    Insignias de comunicación de Star Trek: teléfonos celulares.
    Tricorder – Teléfonos inteligentes.
  • Star Trek AI – Siri
  • Informe minoritario: interfaces de usuario de holograma
  • Etc Etc. La lista continúa.

Por lo tanto, es mejor que creas que la IA se volverá casi tan indistinguible como la inteligencia humana real si no te mantienes interesado en los avances tecnológicos que ocurrirán. Mantenga siempre una ventaja en los medios y aprenda los nuevos productos a medida que se desarrollan. Manténgase informado sobre las capacidades de la máquina. Tendrás una ventaja. Si no lo hace, puede volverse aburrido de las acciones e interacciones de las máquinas. De todos modos, podrías volverte ignorante por la simple degradación de tu cerebro envejecido.

Por ejemplo. Las personas mayores a menudo no pueden mantenerse al día con los avances en las interfaces de usuario que requieren conocimientos intuitivos y experiencias pasadas para usarlos.
Los niños ahora están usando la IU mucho más eficientemente que nosotros y, por lo tanto, operarán en niveles de eficiencia mucho más altos que nosotros en este momento. Además, nuestros cerebros se degradarán con el tiempo, haciéndonos más lentos y peores en las interacciones entre humanos (HCI). Podemos dejarnos pasar por nuestras habilidades para navegar por el mundo. (Espero que no). Enseño a los estudiantes de secundaria y muchas veces son mucho más rápidos que yo con tecnología y comunicación. Crecí en Silicon Valley con un mouse en mi cuna.

En resumen: sí, las emociones serán imitadas. El ser humano mismo será replicado y se volverá indistinguible de un ser humano no replicado. El pensamiento humano se integrará más completamente en los sistemas artificiales para facilitar la vida. Puede o no darse cuenta de que hay una diferencia. Lo más probable es que si no está incapacitado de alguna manera, podrá realizar humanos “falsos” porque tal vez se los comercializarán como asistentes o sirvientes.

No hablamos de realidad virtual y realidad aumentada. Permítanme comenzar una pregunta sobre eso. ¡Buenos tiempos!

Watson es una supercomputadora de IBM que combina inteligencia artificial (IA) y sofisticado software analítico para un rendimiento óptimo como una máquina de “preguntas y respuestas”. La supercomputadora lleva el nombre del fundador de IBM, Thomas J. Watson.

La supercomputadora Watson procesa a una velocidad de 80 teraflops (billones de operaciones de punto flotante por segundo). Para replicar (o superar) la capacidad de un humano de alto funcionamiento para responder preguntas, Watson accede a 90 servidores con un almacén de datos combinado de más de 200 millones de páginas de información, que procesa contra seis millones de reglas lógicas. El dispositivo y sus datos están autocontenidos en un espacio con capacidad para 10 refrigeradores.

Cuando se trata de conceptos como las emociones, primero necesitamos una definición clara y formal antes de poder discutir si los sistemas de IA actuales o futuros son capaces de ellos. Las mejores explicaciones científicas de las emociones implican niveles hormonales y actividad de regiones específicas del cerebro. Esto implica que las emociones están inherentemente vinculadas a la biología del sistema humano, y como tal no se puede implementar fácilmente en un sistema informático.

Cuando hablamos de “percepción humana”, entramos en el debate filosófico sobre la esencia de la conciencia. ¿Puede un sistema informático experimentar qualia (ver Qualia – Wikipedia) de la misma manera que nosotros?

Por supuesto, en el trabajo ficticio, la IA no es el tipo de IA que vemos en el mundo real. Más bien, representa algo cercano a lo humano pero diferente en formas específicas. Nos permite explorar lo que significa ser humano mediante la exploración de cosas que comparten algunas habilidades pero que son diferentes en otras. Otro uso en la ficción es proporcionar un antagonista que sea poderoso (debido al poder de cómputo extremo y al almacenamiento de datos) pero que carece de nuestra noción de moralidad, lo que permite conflictos interesantes. Otra razón por la que los sistemas de IA ocurren a menudo en la ficción es que les permite a los héroes disparar y matar oponentes sin convertirlos en Bad Guys (personas que matan humanos). Esta es también la razón por la cual los extraterrestres, zombis y otros monstruos no humanos son muy populares como antagonistas en la ficción: puedes matar a todos los que quieras sin perder tu estado de buen tipo.

La IA de Hollywood tiene poco o nada que ver con la IA de la vida real.

Google con Tensor Flow y las actividades de computación cuántica y mucha inversión en aprendizaje automático están en la cima del montón. Junto con IBM con sus éxitos de aprendizaje automático Watson. Cuál es el # 1 y cuál es el # 2 es difícil de decir. Hay muchos otros jugadores que compiten por la posición y la tecnología, incluidos Microsoft, Apple, Facebook e Intel.

La carrera por la IA: Google, Twitter, Intel, Apple en un apuro por tomar nuevas empresas de inteligencia artificial

Es un poco como preguntar quién es el mejor humano de hoy. Las personas son expertas en campos extremadamente diversos. No se puede decir nada de “Mozart” o “Einstein” o “Dali” o “LeBron James” era “más avanzado” que el otro.

Debemos recordar que muchas de las actividades humanas que los sistemas de IA algún día podrán realizar tienen tanto un valor intrínseco como un valor extrínseco. Nuestro pago y beneficios para la programación, por ejemplo, son extrínsecos. La alegría de resolver problemas es uno de los valores intrínsecos. Los sistemas de IA ya son formas más baratas de hacer ciertas cosas. Pero no hay razón para creer que “disfruten” las tareas o que les haga sentir parte de una comunidad. Ver 3 series de blog de arte sobre IA.

Los pros y los contras de la IA: primera parte

Estoy reproduciendo los puntos principales de un artículo que apareció en TechCrunch [1]

  • AlphaGo vence al campeón mundial en el juego Go
  • El piloto automático de Tesla lleva al hombre con un coágulo de sangre al hospital
  • Enjambre AI predice el Derby de Kentucky
  • La IA de Microsoft ahora puede entender el habla mejor que los humanos
  • AI predice elecciones estadounidenses
  • La IA mejora el diagnóstico de cáncer

Notas al pie

[1] Los 6 avances de IA más emocionantes de 2016

Esta es una pregunta cargada porque la pregunta en sí misma carece de la especificidad necesaria para enmarcar la respuesta. Algunos podrían argumentar que los sistemas de IA que administran las transacciones de acciones son los más avanzados porque usan múltiples entradas, incluido el análisis de sentimientos, para crear modelos predictivos que impulsan las transacciones. Algunos podrían argumentar que los sistemas financieros como el que se usa en American Express para detectar el fraude al consumidor es el más avanzado en la forma en que perfila y predice el uso de la tarjeta de crédito. Algunos podrían argumentar que Watson es el más avanzado porque puede desarrollar una hipótesis. Algunas soluciones usan caballos de fuerza puros en forma de capacidad de cómputo y almacenamiento, como Watson y otras usan arquitecturas más sofisticadas para trabajar en sistemas más pequeños. Muchas de estas ofertas están avanzadas según los estándares actuales, pero siguen siendo soluciones inmaduras. En mi opinión, todavía estamos a varias generaciones de lo que yo consideraría una verdadera “IA avanzada”.

Depende de qué criterios uses para definir la IA, ¿la IA más avanzada hacia qué objetivo? La definición de Inteligencia ha sido una pregunta clave desde los años 80, por lo que la usaré como objetivo. La respuesta es corta y fácil, ya que ninguno de ellos ha avanzado realmente hacia ella.

El estado actual de la investigación de IA es hacia la computación algorítmica y se enfoca principalmente en el aspecto “artificial” de la IA con la esperanza de que avance las matemáticas y la computación. Personalmente, creo que sería mejor invertir en el aspecto de “inteligencia”; pero eso es simplemente opinión.

En cualquier caso, hay muchas compañías diferentes, todas con objetivos y estrategias divergentes que trabajan esencialmente en algoritmos para resolver problemas en sus propios contextos. Ha habido varias compañías a lo largo de los años que han avanzado en inteligencia artificial. A principios de los 90, MCC trabajó en redes neuronales y Doug Lenat se separó y comenzó su propia empresa para trabajar en el proyecto CYC.

IBM desarrolló Watson en la década del milenio que avanzó la “agregación de datos”, a falta de una palabra mejor. Todavía veo a Watson como un tipo de almacén de datos en lugar de una IA, aunque se podría decir que tiene una interfaz inteligente. Todavía está preocupado principalmente por “responder” solicitudes, lo que para mí indica una función de incitación en lugar de independiente de cualquier tipo.

Como mencioné la computación algorítmica, enumeraré MIRI. Parecen centrarse principalmente en la conversión de la resolución de problemas en términos y algoritmos matemáticos. Esta no es mi especialidad; así que no puedo atribuir una respuesta a lo bien que lo están haciendo.

Microsoft, por supuesto, ha desarrollado su propio gran programa de inteligencia artificial y, al estilo de Microsoft, está tratando de extenderse a cada rincón y grieta en la que la IA se puede usar, con o para.

Algunas compañías se están desarrollando de manera privada, algunas están haciendo público su trabajo, y supongo que algunas están mezclando lo que mantienen y lo que hacen público. Microsoft ha puesto a disposición algunas de sus API, creo.

En respuesta a su pregunta, tendría que limitar su pregunta. Por el momento, AI parece ser una palabra de moda sobre la que todos parecen tener sus propias ideas y no hay coordinación para el frenesí.

Como mencioné, y me enchufaré aquí, creo que el énfasis debería estar en la definición y aplicación de la inteligencia. Creo que el camino artificial simplemente llevará a los desarrolladores de vuelta a la fuente. Hay una subcategoría de IA llamada computación cognitiva que generalmente describe este método. Ya sea que se trate de la duplicación de la función cerebral computacionalmente o de permitir que una computadora piense cognitivamente, creo que esto producirá más y avanzará en la informática más que arrancar algoritmos individuales.

No creo que haya una sola respuesta, porque no hay un único enfoque métrico o técnico. De hecho, dudo que haya incluso un acuerdo sobre la definición de la IA más avanzada. Así que aquí hay algunos intentos.

Google claramente tiene una enorme amplitud y profundidad de talento de IA, aplicaciones, conjuntos de herramientas, recursos computacionales y datos. También tienen inteligencia artificial arraigada en su cultura corporativa y planes futuros. Son especialmente fuertes en el aprendizaje automático. Alphago fue un logro fundamental. AlphaGo | Google DeepMind

Watson de IBM es una IA única y poderosa para responder preguntas y resolver problemas. También tienen una considerable experiencia en inteligencia artificial y recursos excepcionales. Saluda a IBM Watson

Creo que Echo y la plataforma Alexa son el asistente personal de IA más poderoso en este momento. Actualmente lidera los objetivos para un hogar inteligente y conectado. Su conjunto de herramientas está abierto a los desarrolladores para agregar funcionalidades adicionales. Amazon también tiene una excelente investigación en habla y lenguaje. Portal de desarrolladores de aplicaciones y servicios de Amazon

La contratación de Yann LaCun en Facebook les da uno de los mejores investigadores de Deep Learning del mundo. Espero un gran procesamiento del lenguaje natural, comprensión de la imagen y algoritmos fundamentales de su equipo de investigación. FBLearnerflow es su columna vertebral. Presentación de FBLearner Flow: la columna vertebral de AI de Facebook, Investigación en Facebook

Cycorp tiene la mayor base de conocimiento curada a mano de conocimiento general para la inferencia lógica. El proyecto se inició en 1984 y tiene más de 1 millón de axiomas. Ha habido aplicaciones experimentales en medicina, finanzas y militares. Inicio de soluciones más inteligentes

A pesar de las impresionantes capacidades anteriores, la academia sigue siendo el hogar de las capacidades de inteligencia artificial, talento y proyectos de investigación más avanzados e impresionantes. Las instituciones incluyen Stanford, MIT, CMU, Berkeley, USC / ISI y muchas otras. Europa y Asia también tienen una interesante investigación sobre IA. Edimburgo, Toronto, Galway, Innsbruck y Tokio son solo algunas de las universidades extranjeras involucradas en la investigación de IA.

Bueno … sabes cuando tienes una conversación informal y surge una forma saludable de ver algo, pero ¿realmente no se aplica al asunto en cuestión? Podría ser un problema lanzar algo estúpidamente estúpido al suelo … especialmente cuando resulta como un faro de esperanza escuchar … para la otra persona.

Así que es como Tim en el tiempo de herramientas a la mitad mirando a Wilson, deteniendo todo encubrimiento encubierto y afirmando artificialmente algo de inteligencia como lo haría una máquina, cuyo trabajo es decir “Lo siento, pero es poco probable que alguna vez lo hagas tener suficiente dinero para asegurar que … ” pero viene con “un aumento en su calificación crediticia que le permitirá alquilarlo indefinidamente con las vías de aplazamiento de deuda que probablemente retrasen los pagos hasta un momento en que es muy probable que haya fallecido, señor”.

Estamos comenzando con la IA. La mejor manera de explicarlo es leer una publicación en Business Intelligence en Quora, donde la persona pasaba el 70% del tiempo en ETL.

Entonces, incluso en 20 años, tendremos un desastre al igual que nuestro sistema informático que se estropeó con la guerra cibernética … eso no debería haber sido.

Comienzas con grandes ideas, pero los poderes fácticos lo arruinan.

Por ejemplo, hace unos años, la Marina de los EE. UU. Necesitaba una logística de detección y respuesta . Google eso. Ofrecí una gran solución … usando IA … me dijeron que no estaban listos para eso … es decir, alguien buscando la solución del pastel en el cielo que caerá del cielo. Quizás no tuvimos la fiesta correcta en la Marina de los EE. UU. O la NSA.

Y por lo tanto, la idea es genial, pero el dinero no iría a las personas que tienen esa idea. Siempre ha sido el caso … Por suerte, nuestro viejo Tesla nos dio corriente alterna y artículos relacionados … de lo contrario, el planeta sería básicamente inútil … tipo de cosas.

Algún día sucederá … pero no en un futuro cercano.

Mientras tanto, lea este libro … y sepa, mis soluciones …

Advertencias

Creo que ese es el google. En realidad, el aprendizaje profundo no fue un producto de google que se ha comprado, no veo a nadie como su competidor, ya se puede decir sobre Microsoft o Apple en términos de cortana y Siri respectivamente, pero eso no es suficiente. Lo más destacado, puede ver que fue el primero en lanzar cosas como el reconocimiento de escritura a mano y el reconocimiento de voz en teléfonos Android.
IBM Watson está programado a mano, no está basado en redes neuronales

Voy a tener que ir con Microsoft. Y no estoy hablando de Cortona, sino del Proyecto Natal (Proyecto Milo). Estaba muy adelantado a su tiempo y se archivó un año después de su anuncio en el E3 en 2009.

Microsoft está sentado en el mejor prototipo de IA. Tiene la capacidad de leer, comprender y expresar emociones. Todos los demás AI solo tienen conocimiento pero no tienen emociones. No me parece AI sino más bien una base de datos con una función de búsqueda avanzada.

El único que conozco es ConceptNet4: en contraste con estas estrechas simulaciones de play-Go-via-Monte-Carlo o puntajes de play-Jeopardy-via-heuristic-confianza, CN4 es un vocabulario y una decisión de niños crudos. inteligencia. Su ‘madurez’ actual se estima entre los 4 y los 8 años, que varía ampliamente según la capacidad individual (el vocabulario y la estructura de las oraciones son ‘buenas’, las decisiones aún son crudas).

El asistente de Google da respuestas muy específicas. Sin duda, el ganador en el segmento de información. Puede entender lo que le está diciendo de cualquier otra manera que pueda darle respuestas específicas.

el próximo será Bixby, puede administrar el teléfono sin operar el móvil, es más poderoso que cualquier otro asistente en términos de operar su propia interfaz de usuario.

Pero a Siri le faltan ambos, aunque es un miembro de alto rango en esta categoría, aunque Apple ha producido mejoras en cada actualización

Los últimos avances en aprendizaje profundo y aprendizaje de refuerzo hicieron que Alphago Zero conquistara el stockfish.

AlphaZero aniquila al mejor bot de ajedrez del mundo después de solo cuatro horas de práctica

Este es solo el comienzo de la Inteligencia Artificial General. Más éxitos vendrán en los próximos años en salud, juegos, controladores inteligentes, etc.

More Interesting

¿Qué documentos recomienda para que estudie un principiante de Machine Learning?

Quiero hacer una IA simple (inteligencia artificial), entonces, ¿qué lenguaje de programación debo aprender para hacer una IA simple?

Cómo reclutar estudiantes de doctorado que se especialicen en Inteligencia Artificial

¿Cuál es la plataforma o herramienta más simple para practicar el aprendizaje automático (para principiantes)?

¿Qué gigantes tecnológicos están invirtiendo más en inteligencia artificial y cuáles son sus planes a largo plazo?

¿Qué puede hacer el aprendizaje automático que la analítica tradicional no puede hacer?

¿Cuánto podrían ahorrar los Estados Unidos en el presupuesto militar y los beneficios para veteranos si desarrollaran un ejército de IA?

¿Cuánto debo asignar para Ubuntu root, swap y home para computadora Machine / Deep Learning?

¿La red de Google realmente se enseñó a reconocer gatos en un mar de imágenes aleatorias?

¿Cómo funciona el algoritmo de ciencia de datos / aprendizaje automático de Piedmont Media para clasificar guiones de películas?

Escribí un artículo que mejora la complejidad del tiempo (cúbico a cuadrático en el número de dimensiones de entrada) de una técnica de modelo de mezcla Gaussiana incremental. ¿Qué revista sería apropiada para publicar?

¿Se puede implementar la inteligencia artificial en virus informáticos? ¿Alguien lo ha hecho ya?

¿Cuánto tiempo tardará en emerger la IA como la de Ex Machina?

¿Puede alguien que no es dotado naturalmente en matemáticas contribuir positivamente a la investigación de CS / machine learning?

¿Cuál tiene mejor alcance? ¿AI o red informática y valores?