Portada
mis comunidades
otras secciones
#2:
#1 No la quise enviar ayer ... http://web.mit.edu/newsoffice/2010/ai-unification.html ..
#21:
Por el año 1997 me especialicé en Inteligencia Artificial en la UNED, entre los profesores que tuve estaba González Boticario una eminencia que estuvo en el MIT. Leyendo el artículo no encuentro nada nuevo, la base sigue siendo la misma la integración de sistemas expertos, con redes neuronales, el uso del aprendizaje, etc. etc. Tendría que analizarlo con más detenimiento pero como indica #9 Church parece un clon de Lisp.
Ni hace 10 años ni ahora que las máquinas no lleguen a pensar como humanos no quiere decir que no se esté avanzando mucho y que el uso de sistemas expertos o redes neuronales estén ayudándonos en muchos aspectos. Por ejemplo en el entorno en el que me muevo ahora, los Sistemas de Información Geográfico - Programas de Teledetección, las redes neuronales es lo que mejor funciona para el reconocimiento de patrones.
Ni hace 10 años ni ahora que las máquinas no lleguen a pensar como humanos no quiere decir que no se esté avanzando mucho y que el uso de sistemas expertos o redes neuronales estén ayudándonos en muchos aspectos. Por ejemplo en el entorno en el que me muevo ahora, los Sistemas de Información Geográfico - Programas de Teledetección, las redes neuronales es lo que mejor funciona para el reconocimiento de patrones.
Comentarios
#0 No me lo puedo creer: por 28 segundos
Eso sí, yo perdí tiempo buscando el original
#1 No la quise enviar ayer ... http://web.mit.edu/newsoffice/2010/ai-unification.html ..
#4 Go to #2
#1 #2 Yo lo sabía desde el 2002 pero aún no existía Menéame.
Un artículo muy inconsistente. Para aquellos que no son expertos en inteligencia artificial (yo no lo soy, pero tengo un programa de ajedrez que le mete caña a casi todos los jugadores humanos del mundo), se ha avanzado muchísimo en algoritmos secuenciales selectivos, como los del ajedrez (donde nadie puede ganar ya a una máquina a un torneo), pero aún no se sabe cómo funciona el cerebro de animales decenas de miles más simples que nuestro cerebro. Hay que animar a los que trabajan en I.A., pero si te dicen que lo han solucionado TODO... ¡no te creas una palabra! La I.A. contenpla millones de factores, y matemáticamente es casi imposible controlar totalmente sistemas de 4 o 5 variables.
Reglas Lógicas + Probabilidades = Inteligencia Artificial?
#13 pues sí, de momento es lo mejor que se le puede sacar. Antes las reglas y las probabilidades eran ramas distintas de la IA, con este sistema intentan unificarlo.
Las probabilidades se basan en estadística, sistemas continuos. Mientras, las reglas se basan en lógica, sistemas discretos. Por eso es difícil que casen.
Luego ya habrá cosas mejores, pero de momento esto es "la puta hostia"
Parece Lisp con esteroides.
Edito. Es un dialecto de lisp
http://www.mit.edu/~ndg/papers/churchUAI08_rev2.pdf
Por el año 1997 me especialicé en Inteligencia Artificial en la UNED, entre los profesores que tuve estaba González Boticario una eminencia que estuvo en el MIT. Leyendo el artículo no encuentro nada nuevo, la base sigue siendo la misma la integración de sistemas expertos, con redes neuronales, el uso del aprendizaje, etc. etc. Tendría que analizarlo con más detenimiento pero como indica #9 Church parece un clon de Lisp.
Ni hace 10 años ni ahora que las máquinas no lleguen a pensar como humanos no quiere decir que no se esté avanzando mucho y que el uso de sistemas expertos o redes neuronales estén ayudándonos en muchos aspectos. Por ejemplo en el entorno en el que me muevo ahora, los Sistemas de Información Geográfico - Programas de Teledetección, las redes neuronales es lo que mejor funciona para el reconocimiento de patrones.
#21 Normalmente las SVM superan claramente a las redes neuronales. Actualízate
#23 Segun para que, SVM es un metodo de clasificacion, con redes neuronales se pueden modelar distintos problemas, no solo los de clasificacion. Esa generalizacion que haces no tiene ningun sentido.
#27 las SVM sirven para clasificación y regresión de todo tipo, sistemas dinámicos incluidos. Lo que no tiene sentido es que alguien que se dedica a la IA no sepa eso...
#28 Olvidate de clasificadores y regresores base, los que cortan la pana son los ensembles.
#29 ...hombre, sin los clasificadores/regresores base los ensembles no tienen sentido... De hecho, éstos se basan en usar los base así que hay que conocerlos bien para luego hacer un buen ensemble.
De hecho, para reconocimiento de imágenes un método que funciona muy bien es una convolutional NN de 5 capas en deep learning con una última capa de SVM. Todo un monstruo, pero es lo que mejor funciona.
Si quereis jugar un rato en semana santa:
http://eblearn.sourceforge.net/
http://www.csie.ntu.edu.tw/~cjlin/libsvm/
Yo lo prefiero a los videojuegos y al porno (esto último no se porque pero les jode a las mujeres)
#30 Ya, pero usando ensembles muchas veces te puedes olvidar de clasificadores tan pesados computacionalmente como los SVM y las redes neuronales y usar simplemente arboles sin perder precisión.
Un Rotation Forest, AdaBoost o NLBP con C4.5 como clasificador base o AdaBoost.R o BaggingIterativo con M5P como regresor puede funcionar tan bien como cualquier SVM y ademas el tiempo de entrenamiento es muy inferior.
Claro que hay muchas tecnicas y ninguna es mejor que las demas, cada una tiene su campo de aplicación.
#28 pues si tu eres capaz de resolver cualquier problema que se pueda plantear en IA (Lo cual implica desde IR a NLP pasando por mil y una disciplinas que usan estas tecnicas) a base de SVM y superar a cualquiera de los metodos existentes te vas a hinchar a publicar. Repito, SVM es solo una tecnica mas que ha demostrado ser muy potente especialmente en problemas de clasificacion, cuando tu problema no puede ser modelado como un problema de clasificacion, la ventaja de SVM sobre otras tecnicas no esta demostrada.
#32 que pesao... yo no he dicho que las SVM sirvan para todo. He dicho que sirven para lo mismo que las NN. La ventaja de una técnica sobre otra no está demostrada matemáticamente, lo que sí es verdad es que las SVM normalmente ganan en los distintos test a las NN.
#32 es lo que tiene hablar de estas cosa en los comentarios de meneame, que cuando la gente se aburre te da la brasa. si no quieres que te pase, usa meneame para hablar de porno y videojuegos y las conferencias para hablar de SVM.
#35 pues personalmente os agradezco que con vuestra discusión me habéis puesto al día en IA, que la verdad lo tenía bastante abandonado. Muchas gracias
Mas información sobre el lenguaje "Church", y tutorial donde se pueden ejecutar los ejemplos online.
http://projects.csail.mit.edu/church/wiki/Church
¿Y de conexionismo y redes neuronales no van a necesitar nada?
#3 Creo que cuando hablan de "enseñarle fotos de aves y cosas que vuelan" se refieren a redes neuronales, ya que estas aprenden con ejemplos. Y, como dicen, si te pasas con ejemplos se especializan demasiado y dejan de resultar útiles.
"Los especialistas descubrieron que el desarrollo de la IA basada en reglas era mucho más difícil de lo previsto. "
También la I Natural tiene demasiadas excepciones a cada regla, es algo inherente al ser humano. Intentan traducir eso fuera del ser humano...
O.K. Mezvan,meneo
No estamos ni cerca ni estaremos en muchos (quizás decenas de) años de algo cercano a la inteligencia de un ser vivo. Durante la historia de la IA ha habido etapas donde se pretendía estar cerca de "algo" y es cuando entraba el dinero de inversionistas.
Tras la "burbuja", la decepción y finalmente se encuentra algo relativamente útil pero para nada ese "unicornio de cuerno de plata" que muchos se empeñan en hallar y que iba a revolucionar el mundo y a hacer más ricos a los ricos.
Esto es lo mismo que ya se hizo en los 50, los 70 y los 90, cuando se pretendía captar inversión para investigar: dar un campanazo y anunciar que se está cerca de algo grande.
Y la verdad es que es la única manera de avanzar en el campo. El problema es que los inversores ya saben que poner su dinero en IA no suele acabar retornando con beneficios, al menos económicos.
Quizás finalmente podamos tener sistemas capaces de realizar diagnósticos médicos o bursátiles que realmente funcionen. ¿No crees?
Eso último si es ciencia ficción...
para mi la manera de llegar a la IA es usando algoritmos evolutivos (capaces de aprender, evolucionar y transmitir informacion a nuevas generaciones ) que luchen entre si por su supervivencia de modo similar a los seres vivos
¿"diagnósticos bursátiles"? Eso hace tiempo que hay una función para ello: random()
en slashdot la mitad de comentarios inspirados lo tachan de puro marqueting
"El departamento de relaciones publicas del MIT ha demostrado como es posible vender humo utilizando las palabras "Grand" y "Unified" en el titulo de tu paper. Esperemos que la tonica no se mantenga, ya que puede perjudicarles el dia que publiquen algo serio de verdad."
Lógica borrosa.
Reglas y estadística, me suena mucho a aprendizaje de máquinas...
Pero ¿hay artículo original?No lo encuentro.Pasadlo si lo teneis,mientras...no meneo
¿Eing? ¿A quién pretenden engañar? Ésto no es nada nuevo ni de coña.
El uso de probabilidades en reglas es algo que hace tiempo que se investiga. Lo único nuevo de Church es que se basa en lambda calculus, lo cual es interesante. Pero de ahí a llamarlo "La Gran Teoría Unificada"... pues va un trecho.
Le tenía mucho respeto al MIT, pero ésto ha sido una sobrada del copón.
Joder, yo estoy ya lo vi hace unos 12 años. ¿Y es un progreso del MIT? Vaya, resulta que las universidades españolas están más avanzadas de lo que yo pensaba
la probabilística? no sera la probabilidad? Es mas a lo que se esta refiriendo es a apredizaje estadistico. No se, a mi me ha dejado medio ciego con ese palabro, la verdad
Está descrita esa forma de darnos cuenta qué somos detrás de lo que vemos?
Si la mirada sustenta el testigo, qué sustenta al testigo?
Si os voy a dar la tarde, olvidadlo....