No has entendido lo que quiero decir. El AlphaGo juega al Go con las bases de datos de partidas anteriores + las propias que ha creado con sus simulaciones, y lo hace mejor que cualquier humano. El AlphaGo Zero juega al GO gracias a las base de datos de partidas propias, todas ellas autosimuladas teniendo en cuenta únicamente las reglas del Go, y lo hace mejor que cualquier humano, o que el AlphaGO original. Si pones dicho programa frente a un tablero de ajedrez, indicándole únicamente las reglas de movimiento de cada pieza, es incapaz de hacer nada productivo. Al menos no hasta que se "entrene", es decir, que ya sea mediante base de datos de partidas anteriores o unicamente usando la simulación, sea capaz de crear nuevas bases de datos propias para decidir cual es el mejor movimiento posible.
Es decir, el AlphaGO es un simulador, si le cambias las reglas de juego es incapaz de defenderse, hasta que no se entrene nuevamente con el nuevo pack de reglas. Lo cual, dicho sea de paso, es rápido, pero no inmediato.
No has entendido lo que quiero decir. El AlphaGo juega al Go con las bases de datos de partidas anteriores + las propias que ha creado con sus simulaciones, y lo hace mejor que cualquier humano. El AlphaGo Zero juega al GO gracias a las base de datos de partidas propias, todas ellas autosimuladas teniendo en cuenta únicamente las reglas del Go, y lo hace mejor que cualquier humano, o que el AlphaGO original. Si pones dicho programa frente a un tablero de ajedrez, indicándole únicamente las reglas de movimiento de cada pieza, es incapaz de hacer nada productivo. Al menos no hasta que se "entrene", es decir, que ya sea mediante base de datos de partidas anteriores o unicamente usando la simulación, sea capaz de crear nuevas bases de datos propias para decidir cual es el mejor movimiento posible.
Es decir, el AlphaGO es un simulador, si le cambias las reglas de juego es incapaz de defenderse, hasta que no se entrene nuevamente con el nuevo pack de reglas. Lo cual, dicho sea de paso, es rápido, pero no inmediato.
#6El AlphaGo Zero juega al GO gracias a las base de datos de partidas propias, todas ellas autosimuladas teniendo en cuenta únicamente las reglas del Go
Entrena una red neurnal que le permite evaluar posiciones y movimientos. Lo hace en base al resultado de partidas que juega consigo mismo dadas las reglas. No existe una base de datos de partidas como tal a no ser que te refieras a las 'trazas' que pueda guardar temporalmente en memoria mas o menos tiempo en funcion del algoritmo que utilice para entrenar esa red neuronal. Una vez entrenada no utiliza una base de datos para jugar.
Si pones dicho programa frente a un tablero de ajedrez, indicándole únicamente las reglas de movimiento de cada pieza, es incapaz de hacer nada productivo. Al menos no hasta que se "entrene",
#7 Entrena una red neurnal que le permite evaluar posiciones y movimientos. Lo hace en base al resultado de partidas que juega consigo mismo dadas las reglas. No existe una base de datos de partidas como tal a no ser que te refieras a las 'trazas' que pueda guardar temporalmente en memoria mas o menos tiempo en funcion del algoritmo que utilice para entrenar esa red neuronal. Una vez entrenada no utiliza una base de datos para jugar.
Quizás el problema es en lo que entendemos por "base de datos". Yo entiendo como "base de datos" toda la información (en este caso, partidas) que ha tenido que generar para poder calibrar su algoritmo. Una vez la S-IA esté suficientemente entrenada la base de datos se puede borrar, manteniendo eso sí la información más importante, es decir, en esta situación en concreto, el porcentaje de éxito de cada movimiento es X. De hecho, esto segundo sigue siendo para mí una base de datos, tal vez no de partidas, pero sí de movimientos y porcentajes de victoria. Al final un S-IA lo que hace es tomar una imagen de la situación real, acoplarlo lo mejor que pueda a las situaciones que ya ha simulado y para las que tiene respuesta, y elegir la mejor opción. En los simuladores de juegos, el acople a la situación en realidad no es una aproximación, sino que es perfecto. En conducción autónoma y en otros tipos de simuladores, el acople es una simplificación y aproximación a la realidad.
#9manteniendo eso sí la información más importante, es decir, en esta situación en concreto, el porcentaje de éxito de cada movimiento es X. De hecho, esto segundo sigue siendo para mí una base de datos,
Precisamente la gracia de esto del ML es su capacidad para generalizar. No mantiene informacion sobre situaciones concretas, aprende funciones para evaluar cualquier posicion. Yo a eso no lo llamaria base de datos.
El ML (o, mejor dicho, las IA entrenadas con este tipo de técnica) en sí mismo no generaliza, predice: Toma una situación real, trata los datos hasta que pueda etiquetarlos en una situación concreta que tiene almacenada en su base de datos, y después actúa siguiendo la mejor acción según la "etiqueta" que ha interpretado que es la realidad. La parte predictiva es muy fuerte en, por ejemplo, IA entrenadas para la conducción autónoma, pero en las IA para los juegos no tanto. Y de echo estoy prácticamente seguro que en Alpha GO no se predice/generaliza la situación, sino que se toma la situación exacta del tablero y sus fichas, y estima el movimiento óptimo. Una vez que tienes suficiente potencia de cálculo esta es la forma de conseguir algoritmos más potentes y precisos. Al final lo que te queda si, es una función, pero la variable viene a ser la posición de las piezas en el tablero, y el resultado, el/los movimiento/s optimo/s. Probablemente esta información se guarde en algún tipo de tabla de base de datos, pues pienso que es menos costoso que crear una función real que a cada estado le asocie un movimiento, pero reconozco de desconozco esta parte del funcionamiento del programa
#13 Cuando haces una regresion lineal p.e. construyes una funcion que permite realizar 'predicciones' sobre valores de una variable no observados previamente; eso es a lo que me refiero por 'generalizar'. AlphaGoZero hace lo mismo con las posiciones del tablero.
Pues a mi me encanta el punto de vista del artículo, #13 , #10 Los dos tenéis algo de razón, la red neuronal, tiene unos "pesos" que se van ajustando mientras se juegan partidas, estos pesos se pueden guardar junto a la estructura de la red, está sería la base de datos, en este caso es aprendizaje por refuerzo, RL.
Un sistema de conducción automático, tiene mucho que ver con un clasificador de imágenes, en vez de decir que es un gato, acelero, freno, o muevo el volante.
#6 Hasta donde yo tengo entendido Alpha zero no analiza todas sus partidas de una base de datos cada jugada para ver cuál es la mejor, ha usado esas partidas para entender el juego y saber cómo analizarlo, pero no las usa en el momento de jugar
#22. Seguro que la lectura y el procesado de esa base de datos de partidas genera una estructura de datos interna simplificada a base de nodos interconectados (probablemente arboles binarios en memoria ram) que es la que permite al programa jugar en tiempo real. Podeis imaginar un nodo como una tarjetita con datos simples y relevantes que apunta a otras dos tarjetitas similares (en el caso de los arboles binarios).
Uhm... yo realmente llamaría Etiquetador de cosas a lo que conocemos como IA, mientras que el Machine Learning es el proceso mediente el cual la IA "aprende" a etiquetar cosas. Y ni siquiera eso, porque la definicion de "etiquetar cosas" se queda algo corta para algunas IA (aunque no para la mayoría).
Diría que, a día de hoy, tenemos dos "ia" distintas, las etiquetadoras y los simuladores. Las etiquetadores básicamente cogen los datos del mundo real y le ponen una etiqueta (esta imagen es un gato, este ruido es la palabra hola, etc), mientras que los simuladores coge los datos del mundo real, le ponen una etiqueta y actúan con el resultado optimo según la base de datos que tienen para dicha "etiqueta". Técnicamente no dejan de ser etiquetadores, pero con la adición de predecir la mejor acción según la etiqueta seleccionada. El Alpha go, los asistentes virtuales, los conductores autónomos.... todos estos entrarían dentro de los simuladores. Y lo más importante, y lo que hay que entender, es que los simuladores sirven para simular una situación: Si pones el Alpha GO a jugar al ajedrez sin una base de datos de partidas de ajedrez (ya sea propia o ajena) no es capaz de hacer nada. Y lo mismo absolutamente en todos y cada uno de los S-IA que tenemos actualmente.
#3 Más que etiquetar es RECONOCER cosas de forma relacional para poderlas luego etiquetar simbólicamente ¿y que hace nuestro neocortex en mayor medida?
O que se den un paseo por los fondos de inversión en bolsa. Que ganar al ajedrez mola, pero forrarse en bolsa es mucho más mejor.
“Mira, aquí hay un montón de ejemplos de gatos, y aquí hay un montón de ejemplos de no-gatos, ve y descífralo como puedas”? Esa es la esencia del aprendizaje automático
Hasta ahí he aguantado. Vaya sarta de polladas.
#20 En mi primera clase de IA me dijero literalmente "si hay algún algoritmo matemático capaz de solucionar el problema que estais tratando, usadlo. La IA es para todo lo demás".
#16 Es un artículo de divulgación para el público general. Esto lo lee mi madre (que no distingue entre el chrome y el word) y lo entiende, solo por eso ya es un buen artículo.
#16 Si lo piensas, un AlphaStar, AlphaGo o cualquier red lo que hace es etiquetar (mapear) cada situación del juego con una acción a realizar. Es la base del DeepRL y cualquier otro modelo de ML. Mapear de una entrada X a la salida Y mas probable, skendo Y una variable categórica o cuantitativa.
Y por esto
"Brexit, the uncivil war" (2019)
magnet:?xt=urn:btih:8ae29f8557495f128bb4f6cf55f82403d2594a96&dn=Brexit+%282019%29+%5BWEBRip%5D+%5B1080p%5D++English&tr=udp%3A%2F%2Ftracker.leechers-paradise.org%3A6969&tr=udp%3A%2F%2Fzer0day.ch%3A1337&tr=udp%3A%2F%2Fopen.demonii.com%3A1337&tr=udp%3A%2F%2Ftracker.coppersurfer.tk%3A6969&tr=udp%3A%2F%2Fexodus.desync.com%3A6969
#32 Ni siquiera leyendo los coments del hilo, go, ajedrez... yo necesito que me lo expliquen con el mus, no creo que puedan llegar a "aprender a etiquetar" una jugada con cuatro reyes de mano como los cinco cerdos ni en cien años, francamente.
#37 y para que luego, encima, se trague el órdago a la chica o le pillen con 31 a desmano y entre a saco...
(por cierto, estoy a punto de publicar mi edición definitva de "cómo ser el segundo mejor jugador de mus del universo conocido", con ejemplos detallados. Si quieres te puedo dedicar un libro. )
#38 La dedicatoria supongo que será "Al mejor jugador de mus del universo conocido, con todo mi cariño y admiración", claro.
(El último torneo intergaláctico se lo gané a la pareja Amarrategui-Segurola con tres pitos de primeras y una kelly sueca que pasaba por ahí de compañera)
#39 Bueno, eso de mejor jugador...no sé, ten en cuenta que, al fin y al cabo, el mus lo inventamos un chino y yo y, misteriosamente, el chino se ahogó mientras cruzaba el Yangtsé...quizá puedas ostentar el título de mejor jugador de mus, liga pequeño saltamontes, del universo, pero más allá de ahí....
(además considera que perfeccioné el juego en las más renombras tabernas salmantinas en mi moza época estudiantil )
#1 Es que en mi opinión se llama IA a lo que no es, por motivos de marketing, porque vende más... Una cosa son algoritmos avanzados que pueden ser más o menos complejos, pero siempre enfocados a resolver problemas concretos. Y otra cosa es una inteligencia artificial que pasa el test de Turing (o se acerca).
#35 No necesariamdente es un algoritmo. Las redes neuronales pueden ser impresas. Además los algoritmos son descripción de procesos. Y en estos casos los procesos son equivalentes a los que realiza nuestro cerebro ¿somos algoritmos nosotros por tanto y no somos inteligencias o no las tenemos?
La inteligencia es una emergencia de ciertos procesosk que realiza nuesto neocortex
Dichos procesos se están imprimiendo en procesadores dedicados o se están describiendo en forma de algoritmos para que los reproduzcan máquinas
Que sean o no algoritmos no se sigue de que sea o no inteligencia el resultado
Siendo muy positivos es al menos incompleta por que solo hace referencia al aprendizaje supervisado, se deja el no supervisado y el basado en refuerzo (uno de los más prometedores actualmente).
Como dicen por ahí arriba, respuesta simplificada que trata únicamente un tipo de problema dentro del aprendizaje automático.
IA es un campo que incluye entre otras cosas aprendizaje automático, que a su vez incluye aprendizaje por representación y que a su vez incluye aprendizaje profundo.
Podéis echar un ojo a sistemas expertos, aprendizaje por refuerzo, sistemas cognitivos artificiales... Para ver qué no solo son clasificadores.
Más que explicación simple, diría que es simplona.
Y dudo que sea explicación porque añade más ruido que aclarar conceptos. La clasificación es una aplicación o tarea del aprendizaje automático, pero no es obviamente la única.
Pero el modo en que explica la clasificación del gato es excesivamente simplona e infantil. El humano juega un papel importante en la identificación y elección previa de los atributos a considerar. Y el proceso es muy parametrizable. No es magia, hace falta ese rol humano.
Lo cierto es que son cosas diferentes IA y machine learning. Y esto es el primer cambio hacia lo que llaman transformacion digital en muchos negocios y cambiará la manera como hoy día hacemos las cosas. También que ya hay muuucho de IA y de machine learning en google, facebook, y otros elementos de las redes sociales. Claro..apenas estan en estapa incial todas estas tecnologías
#8 En realidad no, machine learning es un tipo de IA
El aprendizaje automático o aprendizaje automatizado o aprendizaje de máquinas (del inglés, "Machine Learning") es el subcampo de las ciencias de la computación y una rama la inteligencia artificial
#11 justamente es lo que trato de decir, no son la misma cosa pues uno es mas amplio que el otro. Algunos autores lo usan indistintamente y esto es un error.
Comentarios
#4
No has entendido lo que quiero decir. El AlphaGo juega al Go con las bases de datos de partidas anteriores + las propias que ha creado con sus simulaciones, y lo hace mejor que cualquier humano. El AlphaGo Zero juega al GO gracias a las base de datos de partidas propias, todas ellas autosimuladas teniendo en cuenta únicamente las reglas del Go, y lo hace mejor que cualquier humano, o que el AlphaGO original. Si pones dicho programa frente a un tablero de ajedrez, indicándole únicamente las reglas de movimiento de cada pieza, es incapaz de hacer nada productivo. Al menos no hasta que se "entrene", es decir, que ya sea mediante base de datos de partidas anteriores o unicamente usando la simulación, sea capaz de crear nuevas bases de datos propias para decidir cual es el mejor movimiento posible.
Es decir, el AlphaGO es un simulador, si le cambias las reglas de juego es incapaz de defenderse, hasta que no se entrene nuevamente con el nuevo pack de reglas. Lo cual, dicho sea de paso, es rápido, pero no inmediato.
#6 El AlphaGo Zero juega al GO gracias a las base de datos de partidas propias, todas ellas autosimuladas teniendo en cuenta únicamente las reglas del Go
Entrena una red neurnal que le permite evaluar posiciones y movimientos. Lo hace en base al resultado de partidas que juega consigo mismo dadas las reglas. No existe una base de datos de partidas como tal a no ser que te refieras a las 'trazas' que pueda guardar temporalmente en memoria mas o menos tiempo en funcion del algoritmo que utilice para entrenar esa red neuronal. Una vez entrenada no utiliza una base de datos para jugar.
Si pones dicho programa frente a un tablero de ajedrez, indicándole únicamente las reglas de movimiento de cada pieza, es incapaz de hacer nada productivo. Al menos no hasta que se "entrene",
Evidentemente.
#7
Entrena una red neurnal que le permite evaluar posiciones y movimientos. Lo hace en base al resultado de partidas que juega consigo mismo dadas las reglas. No existe una base de datos de partidas como tal a no ser que te refieras a las 'trazas' que pueda guardar temporalmente en memoria mas o menos tiempo en funcion del algoritmo que utilice para entrenar esa red neuronal. Una vez entrenada no utiliza una base de datos para jugar.
Quizás el problema es en lo que entendemos por "base de datos". Yo entiendo como "base de datos" toda la información (en este caso, partidas) que ha tenido que generar para poder calibrar su algoritmo. Una vez la S-IA esté suficientemente entrenada la base de datos se puede borrar, manteniendo eso sí la información más importante, es decir, en esta situación en concreto, el porcentaje de éxito de cada movimiento es X. De hecho, esto segundo sigue siendo para mí una base de datos, tal vez no de partidas, pero sí de movimientos y porcentajes de victoria. Al final un S-IA lo que hace es tomar una imagen de la situación real, acoplarlo lo mejor que pueda a las situaciones que ya ha simulado y para las que tiene respuesta, y elegir la mejor opción. En los simuladores de juegos, el acople a la situación en realidad no es una aproximación, sino que es perfecto. En conducción autónoma y en otros tipos de simuladores, el acople es una simplificación y aproximación a la realidad.
#9 manteniendo eso sí la información más importante, es decir, en esta situación en concreto, el porcentaje de éxito de cada movimiento es X. De hecho, esto segundo sigue siendo para mí una base de datos,
Precisamente la gracia de esto del ML es su capacidad para generalizar. No mantiene informacion sobre situaciones concretas, aprende funciones para evaluar cualquier posicion. Yo a eso no lo llamaria base de datos.
#10
El ML (o, mejor dicho, las IA entrenadas con este tipo de técnica) en sí mismo no generaliza, predice: Toma una situación real, trata los datos hasta que pueda etiquetarlos en una situación concreta que tiene almacenada en su base de datos, y después actúa siguiendo la mejor acción según la "etiqueta" que ha interpretado que es la realidad. La parte predictiva es muy fuerte en, por ejemplo, IA entrenadas para la conducción autónoma, pero en las IA para los juegos no tanto. Y de echo estoy prácticamente seguro que en Alpha GO no se predice/generaliza la situación, sino que se toma la situación exacta del tablero y sus fichas, y estima el movimiento óptimo. Una vez que tienes suficiente potencia de cálculo esta es la forma de conseguir algoritmos más potentes y precisos. Al final lo que te queda si, es una función, pero la variable viene a ser la posición de las piezas en el tablero, y el resultado, el/los movimiento/s optimo/s. Probablemente esta información se guarde en algún tipo de tabla de base de datos, pues pienso que es menos costoso que crear una función real que a cada estado le asocie un movimiento, pero reconozco de desconozco esta parte del funcionamiento del programa
#13 Cuando haces una regresion lineal p.e. construyes una funcion que permite realizar 'predicciones' sobre valores de una variable no observados previamente; eso es a lo que me refiero por 'generalizar'. AlphaGoZero hace lo mismo con las posiciones del tablero.
Esta visto que no nos ponemos de acuerdo.
Pues a mi me encanta el punto de vista del artículo, #13 , #10 Los dos tenéis algo de razón, la red neuronal, tiene unos "pesos" que se van ajustando mientras se juegan partidas, estos pesos se pueden guardar junto a la estructura de la red, está sería la base de datos, en este caso es aprendizaje por refuerzo, RL.
Un sistema de conducción automático, tiene mucho que ver con un clasificador de imágenes, en vez de decir que es un gato, acelero, freno, o muevo el volante.
#6 Hasta donde yo tengo entendido Alpha zero no analiza todas sus partidas de una base de datos cada jugada para ver cuál es la mejor, ha usado esas partidas para entender el juego y saber cómo analizarlo, pero no las usa en el momento de jugar
#22. Seguro que la lectura y el procesado de esa base de datos de partidas genera una estructura de datos interna simplificada a base de nodos interconectados (probablemente arboles binarios en memoria ram) que es la que permite al programa jugar en tiempo real. Podeis imaginar un nodo como una tarjetita con datos simples y relevantes que apunta a otras dos tarjetitas similares (en el caso de los arboles binarios).
Uhm... yo realmente llamaría Etiquetador de cosas a lo que conocemos como IA, mientras que el Machine Learning es el proceso mediente el cual la IA "aprende" a etiquetar cosas. Y ni siquiera eso, porque la definicion de "etiquetar cosas" se queda algo corta para algunas IA (aunque no para la mayoría).
Diría que, a día de hoy, tenemos dos "ia" distintas, las etiquetadoras y los simuladores. Las etiquetadores básicamente cogen los datos del mundo real y le ponen una etiqueta (esta imagen es un gato, este ruido es la palabra hola, etc), mientras que los simuladores coge los datos del mundo real, le ponen una etiqueta y actúan con el resultado optimo según la base de datos que tienen para dicha "etiqueta". Técnicamente no dejan de ser etiquetadores, pero con la adición de predecir la mejor acción según la etiqueta seleccionada. El Alpha go, los asistentes virtuales, los conductores autónomos.... todos estos entrarían dentro de los simuladores. Y lo más importante, y lo que hay que entender, es que los simuladores sirven para simular una situación: Si pones el Alpha GO a jugar al ajedrez sin una base de datos de partidas de ajedrez (ya sea propia o ajena) no es capaz de hacer nada. Y lo mismo absolutamente en todos y cada uno de los S-IA que tenemos actualmente.
#3 AlphaGo juega al Go, no al ajedrez. Ademas, existe AlphaGo Zero que no necesita de' bases de datos' con partidas para aprender. https://en.wikipedia.org/wiki/AlphaGo_Zero
#3 Más que etiquetar es RECONOCER cosas de forma relacional para poderlas luego etiquetar simbólicamente ¿y que hace nuestro neocortex en mayor medida?
#47 gracias
simplificación estúpida e innecesaria.
Machine learning va más allá de identificar patrones en fotos. Y si no que se lo digan a alpha zero, a ver si etiqueta el ajedrez o starcraft 2.
#16
O que se den un paseo por los fondos de inversión en bolsa. Que ganar al ajedrez mola, pero forrarse en bolsa es mucho más mejor.
“Mira, aquí hay un montón de ejemplos de gatos, y aquí hay un montón de ejemplos de no-gatos, ve y descífralo como puedas”? Esa es la esencia del aprendizaje automático
Hasta ahí he aguantado. Vaya sarta de polladas.
#20 En mi primera clase de IA me dijero literalmente "si hay algún algoritmo matemático capaz de solucionar el problema que estais tratando, usadlo. La IA es para todo lo demás".
#16 Es un artículo de divulgación para el público general. Esto lo lee mi madre (que no distingue entre el chrome y el word) y lo entiende, solo por eso ya es un buen artículo.
#16 Si lo piensas, un AlphaStar, AlphaGo o cualquier red lo que hace es etiquetar (mapear) cada situación del juego con una acción a realizar. Es la base del DeepRL y cualquier otro modelo de ML. Mapear de una entrada X a la salida Y mas probable, skendo Y una variable categórica o cuantitativa.
Yo me cago en todo.
Por esto
'El objetivo es automatizarnos': bienvenido a la era del capitalismo de vigilancia (eng)
https://www.theguardian.com/technology/2019/jan/20/shoshana-zuboff-age-of-surveillance-capitalism-google-facebook
Por esto
No son bots rusos, es Capitalismo 3.0 reventando el debate político
https://www.eldiario.es/politica/bots-rusos-cyborgs-mercenarios_0_708680008.html
Y por esto
"Brexit, the uncivil war" (2019)
magnet:?xt=urn:btih:8ae29f8557495f128bb4f6cf55f82403d2594a96&dn=Brexit+%282019%29+%5BWEBRip%5D+%5B1080p%5D++English&tr=udp%3A%2F%2Ftracker.leechers-paradise.org%3A6969&tr=udp%3A%2F%2Fzer0day.ch%3A1337&tr=udp%3A%2F%2Fopen.demonii.com%3A1337&tr=udp%3A%2F%2Ftracker.coppersurfer.tk%3A6969&tr=udp%3A%2F%2Fexodus.desync.com%3A6969
Pues no me he enterado de nada....
me he quedado obsoleto frente a este nuevo lenguaje.
#32 Ni siquiera leyendo los coments del hilo, go, ajedrez... yo necesito que me lo expliquen con el mus, no creo que puedan llegar a "aprender a etiquetar" una jugada con cuatro reyes de mano como los cinco cerdos ni en cien años, francamente.
#37 y para que luego, encima, se trague el órdago a la chica o le pillen con 31 a desmano y entre a saco...
(por cierto, estoy a punto de publicar mi edición definitva de "cómo ser el segundo mejor jugador de mus del universo conocido", con ejemplos detallados. Si quieres te puedo dedicar un libro. )
#38 La dedicatoria supongo que será "Al mejor jugador de mus del universo conocido, con todo mi cariño y admiración", claro.
(El último torneo intergaláctico se lo gané a la pareja Amarrategui-Segurola con tres pitos de primeras y una kelly sueca que pasaba por ahí de compañera)
#39 Bueno, eso de mejor jugador...no sé, ten en cuenta que, al fin y al cabo, el mus lo inventamos un chino y yo y, misteriosamente, el chino se ahogó mientras cruzaba el Yangtsé...quizá puedas ostentar el título de mejor jugador de mus, liga pequeño saltamontes, del universo, pero más allá de ahí....
(además considera que perfeccioné el juego en las más renombras tabernas salmantinas en mi moza época estudiantil )
#43 El que más chifle, capador... y llegó la ley: pito, sota, jaco y rey... el rosario y hasta las tejas del seminario
Machine Learning:
- Set de entrenamiento: 5 + 6?
+ Respuesta de la IA: 2
- 5 + 6?
+ 8
- 5 + 6?
+ 15
- 5 + 6?
+ 11
IA entrenada. Vamos a por el mundo real:
- 2 + 2?
+ 11
#35 El ser humano no tiene inteligencia, tiene neuronas.
La inteligencia emerge de elementos básicos, la inteligencia es un resultado.
A mí me moló cómo lo explica este con el nuevo algoritmo de Youtube:
La IA es siempre algo que aún no hemos alcanzado, por mucho que avancemos la IA para algunos siempre cumple esa definición.
Quizá lo entiendan el día que la IA les explique cuán equivocados estaban y el motivo por el que han dejado de ser relevantes.
#1 Lo que está claro es que la IA nunca llegará a nuestro nivel de estupidez, empezando porque no se preocupará por ser o no relevante
#2 No se yo... aun recuerdo este episodio:
https://www.20minutos.es/noticia/1522637/0/google/cerebro-artificial/gatos/
#1 Yo soy mucho más fan de usar el término Inteligencia Virtual más que artificil, tiene matices mas cercanos a la actualidad.
#1 Es que en mi opinión se llama IA a lo que no es, por motivos de marketing, porque vende más... Una cosa son algoritmos avanzados que pueden ser más o menos complejos, pero siempre enfocados a resolver problemas concretos. Y otra cosa es una inteligencia artificial que pasa el test de Turing (o se acerca).
#33 Estás aplicando lo que indicaba en mi comentario, la IA es siempre algo que no hemos alcanzado, chutamos la pelota hacia adelante.
[ENG]Una cosa son algoritmos avanzados que pueden ser más o menos complejos, pero siempre enfocados a resolver problemas concretos.
A las IA actuales se las entrena para resolver problemas. Es el entrenamiento lo que está enfocado.
#34 "A las IA actuales se las entrena para resolver problemas." A eso voy, es que eso no es una IA, es un algoritmo.
#35 No necesariamdente es un algoritmo. Las redes neuronales pueden ser impresas. Además los algoritmos son descripción de procesos. Y en estos casos los procesos son equivalentes a los que realiza nuestro cerebro ¿somos algoritmos nosotros por tanto y no somos inteligencias o no las tenemos?
La inteligencia es una emergencia de ciertos procesosk que realiza nuesto neocortex
Dichos procesos se están imprimiendo en procesadores dedicados o se están describiendo en forma de algoritmos para que los reproduzcan máquinas
Que sean o no algoritmos no se sigue de que sea o no inteligencia el resultado
#47 ah Ok, ya no lo puedo cambiar, le faltará al editor original. Casi haces un chiste, piénsalo bien.
#48 Te hago yo un chiste venga... Antonio Machine Learning...
#50 vale, te voto, espectacular.
Vaya chorrada de artículo. Y la regresión?
Siendo muy positivos es al menos incompleta por que solo hace referencia al aprendizaje supervisado, se deja el no supervisado y el basado en refuerzo (uno de los más prometedores actualmente).
Simple no, simplista.
#0 Leído.
#41 no tiene mucha gracia, pero vale, oído.
#46 Lo que te quería decir es que te falta la tilde.
Me mola mucho más cómo lo explica este vídeo:
How Machines Learn
Como dicen por ahí arriba, respuesta simplificada que trata únicamente un tipo de problema dentro del aprendizaje automático.
IA es un campo que incluye entre otras cosas aprendizaje automático, que a su vez incluye aprendizaje por representación y que a su vez incluye aprendizaje profundo.
Podéis echar un ojo a sistemas expertos, aprendizaje por refuerzo, sistemas cognitivos artificiales... Para ver qué no solo son clasificadores.
Si lo vende un comercial cocainomano es:
Java o .Net con muchas librerías de mierda y cuatro ecuaciones de estadística. Desarrollado por un becario.
Más que explicación simple, diría que es simplona.
Y dudo que sea explicación porque añade más ruido que aclarar conceptos. La clasificación es una aplicación o tarea del aprendizaje automático, pero no es obviamente la única.
Pero el modo en que explica la clasificación del gato es excesivamente simplona e infantil. El humano juega un papel importante en la identificación y elección previa de los atributos a considerar. Y el proceso es muy parametrizable. No es magia, hace falta ese rol humano.
La autora del artículo original, hace menos de un año, contando lo mismo en el Red Hat Summit:
Y por eso es tan mala...
¡Venga va, me animo!
Os explico el SIDA rápido, tengo formación en ingeniería, pero considero que tengo la autoridad suficiente.
El SIDA es un bichito que mata las defensas y depués a ti te mata otra cosa. Miles de millones gastado en esto... Si es que...
Lo cierto es que son cosas diferentes IA y machine learning. Y esto es el primer cambio hacia lo que llaman transformacion digital en muchos negocios y cambiará la manera como hoy día hacemos las cosas. También que ya hay muuucho de IA y de machine learning en google, facebook, y otros elementos de las redes sociales. Claro..apenas estan en estapa incial todas estas tecnologías
#8 En realidad no, machine learning es un tipo de IA
El aprendizaje automático o aprendizaje automatizado o aprendizaje de máquinas (del inglés, "Machine Learning") es el subcampo de las ciencias de la computación y una rama la inteligencia artificial
https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico
#11 justamente es lo que trato de decir, no son la misma cosa pues uno es mas amplio que el otro. Algunos autores lo usan indistintamente y esto es un error.