El ML es fantásticamente importante cuando se llega a conclusiones en evolución de forma intermitente en función de los flujos de datos.
En los campos donde se buscan los hechos, de una vez por todas, el LD no es relevante.
El factor clave en el aprendizaje automático es la adaptación de la comprensión basada en nuevos datos. Por lo tanto, es altamente relevante para cualquier sistema ecológico, económico, social o similar donde los datos son dinámicos y se actualizan continuamente.
Donde existen masas de datos anteriores, también es relevante para confirmar o buscar nuevos conocimientos sobre dichos datos. Por ejemplo, el ML es muy bueno para ver cosas como los datos del cáncer y encontrar factores de advertencia. Esta es una inferencia única de hechos a partir de datos. El poder principal está en los sistemas dinámicos y en evolución, como el procesamiento del lenguaje, la ecología, etc. Cualquier lugar donde la gente aprenda y actúe de forma diferente en función de la información, en lugar de implementar enfoques algorítmicos bien conocidos y probados sería el espacio adecuado.
- ¿Cuáles son algunas de las buenas universidades de todo el mundo que ofrecen programas de maestría o doctorado en ciencia de datos / análisis / investigación operativa?
- ¿Cuál es el efecto de la temperatura en la fotosíntesis?
- Si hay géiseres para calentar el agua para bañarse, ¿por qué no hay enfriadores de agua para bañarse?
- Me encanta la física. Parece que no puedo entender e imaginar conceptos y fórmulas básicas. ¿Hay algunas maneras de ayudarme a entender y simplificar fórmulas y ecuaciones?
- ¿Qué tan explosivo es el hidrógeno?
Los hechos son hechos. Usar una regla o ecuación no es inteligencia. Es una respuesta condicionada, un programa simple en términos informáticos. Saber cuándo y cómo usarlo dinámicamente y con refinamiento es inteligencia.
El aprendizaje implica reacción, adaptación y evolución. Esto depende en gran medida de los bucles de retroalimentación, los sistemas de recompensa y puntuación, las evaluaciones de probabilidad y los refinamientos basados en datos nuevos, etc.
La inteligencia es una capacidad de acción y planificación dinámica híbrida basada en estas “visiones del mundo” o análisis de situación.
La inteligencia artificial es ser inteligente sin cerebro. Puedes decidir si un coche sin conductor es inteligente. Es solo una palabra.
Por AI, la mayoría de la gente quiere decir una capacidad humana. Por supuesto, tiene poco o ningún sentido construir un cerebro humano, excepto para demostrar que se puede hacer. Los humanos no son el ejemplo de la planificación, en términos teóricos.
Unir un mar de humanos / máquina / datos “nubes” en estructuras comunes y en evolución es más probable que sea el “ecosistema” a medio plazo. Esta no es una implementación, aplicación o applet singular. Es un entorno dinámico que resuelve y adapta. Energía, productividad, optimización, etc. serán todos factores.