Las redes neuronales no tienen pinta de superar (nunca) el nivel de rendimiento actual. Son bastante poco útiles.
Existe una propuesta de hacer otra cosa distinta, más complicada, que tiene la gracia de proporcionar resultados más exactos y más auditables, pero la pega de necesitar muchísimo más entrenamiento. Básicamente los nodos dejan de tener un peso por link y pasan a tener una función más compleja.
Mis saludos a los tontainas que dicen que las neuronas biológicas usan pesos sólo porque las electrónicas de ahora son así. Animalitos.
#3 en mis tiempos eran redes neuronales, y hacen muy bien su trabajo: resúmenes. Llamarle ia y pretender que sea inteligente va a ser el problema, igual que lo fue el autopilot.
#4 Sí, comprimir datos. Dar una respuesta a un problema que no está en su entrenamiento usando la media de los problemas conocidos. Han logrado resultados muy vistosos, pero solo la primera vez que los ves. Luego te das cuenta de que la IA da la respuesta que le da la gana y que influir en eso son artes obscuras. Que no puede justificar su respuesta y es perfectamente posible que todo sea pura invención.
La afirmación de que las redes neuronales no superarán su nivel de rendimiento actual y son poco útiles es un tanto pesimista y no refleja la realidad del progreso reciente en inteligencia artificial. Las redes neuronales, especialmente las de tipo profundo (deep learning), han demostrado ser extremadamente útiles y efectivas en una amplia variedad de aplicaciones, desde la visión por computadora hasta el procesamiento del lenguaje natural. Un ejemplo
#10Entiendo tu punto, y las redes Kolmogorov-Arnold (KAN) son un tema fascinante en el campo de la teoría de la aproximación y las matemáticas aplicadas. Permíteme abordar este punto más específicamente.
Las redes Kolmogorov-Arnold están basadas en el teorema de representación de Kolmogorov, que asegura que cualquier función continua de varias variables puede representarse como una superposición de funciones continuas de una variable y una función de una variable adicional. En el contexto
#12 Gracias por la aclaración. Es cierto que el teorema de Kolmogorov-Arnold asegura que cualquier función continua de varias variables puede representarse como una suma de funciones continuas de una variable. Esta simplificación es, sin duda, poderosa desde un punto de vista teórico.
En el contexto de las redes neuronales, esta idea ha influido en el desarrollo de modelos más sofisticados que intentan capturar complejidades de las funciones objetivo a través de arquitecturas avanzadas y
Lo que estoy esperando a probar es el que habla.
Existe una propuesta de hacer otra cosa distinta, más complicada, que tiene la gracia de proporcionar resultados más exactos y más auditables, pero la pega de necesitar muchísimo más entrenamiento. Básicamente los nodos dejan de tener un peso por link y pasan a tener una función más compleja.
Mis saludos a los tontainas que dicen que las neuronas biológicas usan pesos sólo porque las electrónicas de ahora son así. Animalitos.
La afirmación de que las redes neuronales no superarán su nivel de rendimiento actual y son poco útiles es un tanto pesimista y no refleja la realidad del progreso reciente en inteligencia artificial. Las redes neuronales, especialmente las de tipo profundo (deep learning), han demostrado ser extremadamente útiles y efectivas en una amplia variedad de aplicaciones, desde la visión por computadora hasta el procesamiento del lenguaje natural. Un ejemplo
… » ver todo el comentario
Esto de dejar hablar a una máquina sólo genera un montón de bla bla bla.
Las redes Kolmogorov-Arnold están basadas en el teorema de representación de Kolmogorov, que asegura que cualquier función continua de varias variables puede representarse como una superposición de funciones continuas de una variable y una función de una variable adicional. En el contexto
… » ver todo el comentario
concretamente es la suma
La simplificación lograda es grande.
En el contexto de las redes neuronales, esta idea ha influido en el desarrollo de modelos más sofisticados que intentan capturar complejidades de las funciones objetivo a través de arquitecturas avanzadas y
… » ver todo el comentario