A2A: Bueno, la respuesta corta es que tratar de usar un gran número de componentes idénticos (o “similares”) para construir una “máquina inteligente” es probablemente una mala idea.
Respuesta más larga:
Supongamos que por “máquina inteligente” usted se refiere no solo a un reconocedor de patrones o un motor de estímulo / respuesta, sino a un sistema con capacidades sensoriales / motoras, representación y razonamiento simbólico de alto nivel, planificación flexible y, probablemente, cierta capacidad para hacer introspección. Y, por supuesto, aprender de muchos tipos.
- ¿La IA podrá pensar más allá de nuestra comprensión del universo?
- ¿Cuál es el método posible para crear artificialmente / científicamente una nueva especie humana?
- ¿Qué podrían ser posibles aplicaciones de aprendizaje de refuerzo profundo en la industria aparte de la robótica?
- ¿Los robots reemplazarán a los seres humanos en el lugar de trabajo por completo?
- En una red neuronal (sin saber si es específica para keras), ¿cuál es la diferencia entre el tamaño del lote y el entrenamiento del lote? ¿Cuándo necesitaría ambos?
Además, descartemos cualquier solución de “homúnculo”, en la que los componentes en sí mismos sean pequeñas criaturas inteligentes en su cabeza. Eso solo lleva a una recursión infinita cuando preguntamos de qué están hechos.
Supongo que necesitaría una tecnología de componentes que combine algo como una matriz de compuerta programable (para hacer cosas o no o su equivalente analógico de valor continuo) y también algún tipo de estado, tanto memoria a corto plazo como a largo plazo memoria. Necesitarás todas esas capacidades. ¿Tiene sentido poner todos estos mecanismos en un único componente genérico que puede usar solo un subconjunto de ellos en cualquier rol en particular? Me parece terriblemente ineficiente.
Además, tenga en cuenta que no solo los componentes están haciendo el trabajo, sino también la red de interconexión . Esa red puede ser un componente activo por derecho propio, enrutar mensajes, mantener cierto estado y quizás aprender.
Por lo tanto, podría intentar crear un componente estándar a lo largo de estas líneas, replicar muchos de ellos (quizás 10 ^ 11 más o menos) y conectarlos a todos con el tipo de red correcto.
Sin embargo, el único dispositivo que conocemos con inteligencia similar a la humana, el cerebro humano, no parece hacerlo de esta manera. Hay cientos o miles de tipos de neuronas identificables diferentes en el cerebro, presumiblemente haciendo trabajos bastante diferentes de diferentes maneras.
Además, algunos investigadores ahora creen que las células gliales están jugando un papel activo en el pensamiento, y no solo manteniendo las neuronas vivas y bien. Hay muchas más células gliales que neuronas, y también tienen muchos sabores.
Todavía no estamos muy seguros de dónde se almacenan los recuerdos a largo y corto plazo, y si todos los tipos de neuronas juegan el mismo papel en esto.
Las diversas estructuras a gran escala en el cerebro difieren mucho en su arquitectura. La corteza cerebral, el tejido cerebeloso y algunas de las estructuras más antiguas en el núcleo del cerebro se ven muy diferentes: las células están conectadas en patrones muy diferentes. Y una gran parte del cerebro humano es “materia blanca”: fibras conectivas de larga distancia, pero quizás más activas que simples cables.
Entonces, creo que buscar un componente universal para implementar todas las características de la inteligencia probablemente no sea el camino a seguir. Al menos, no es la solución que ha surgido la evolución biológica.
Eso no quiere decir que la investigación sobre redes neuronales artificiales con un tipo de componente único sea necesariamente inútil. Pero a medida que los investigadores intentan aplicar estas redes a diferentes problemas, descubren la necesidad de encontrar una variedad de tipos de elementos especializados o tipos de elementos locales: “neuronas” simples, algunas con estado recurrente o memoria a largo plazo, algunos en capas convolucionales, y así sucesivamente.
La evolución se repite. 🙂
Advertencia: no soy un neurocientífico, solo un investigador de IA que intenta vigilar la neurociencia actual para usarla como una “heurística orientadora de búsqueda”. Por lo tanto, parte de la información anterior puede estar desactualizada, pero creo que la imagen general coincide con lo que sabemos actualmente sobre el cerebro.