Veo cinco o seis áreas tecnológicas ‘calientes’ para la computación inteligente. Algunos de ellos dependen de la variedad precisa de IA que se está discutiendo.
LÓGICA FUZZY (“esto es 72% lo que quiero”): actualmente se usa en la filtración de correo no deseado, aunque quizás este problema específico haya llegado a un punto de rendimientos decrecientes. También reconocimiento de escritura a mano, análisis de voz, identificación de malware, visión por computadora y detección de bordes (pruebe Google para “GMTI Northrop Grumman”).
El motor Watson Jeopardy de IBM utiliza algoritmos de decisión difusos; el muy celebrado “Toronto ?????” La respuesta tenía cinco signos de interrogación para denotar la baja confianza de la máquina (pequeño valor difuso) en esa respuesta.
REDES NEURALES (“muéstrame 10,000 formas correctas de resolver este problema, y construiré / ajustaré mi propio gráfico cognitivo para identificar nuevas formas”): detección maliciosa de tráfico de red, diseño de juegos, robótica (que va desde “con qué funciona una casa cuatro paredes y un techo parecen “a” qué presión y dirección debo usar para recoger un huevo / tomate / hogaza de pan “), intenta simular realmente el tejido cerebral neuronal sináptico humano, también parte de la escritura a mano / casos de reconocimiento vocal mencionados anteriormente. Aunque la mía es la opinión de un solo hombre, creo que esta subdisciplina es, con mucho, el más fuerte de estos enfoques 3-4 (más fuerte que difuso o genético).
- ¿Qué tan bueno es un puntaje GRE de 287?
- ¿Cuáles son las perspectivas laborales (exposición y paquete inteligente) después de una maestría en un programa de estudios de desarrollo en TISS, Mumbai?
- ¿Cuál es un buen puntaje GRE para ingresar al mejor programa de maestría de posgrado en ciencias de la computación en los Estados Unidos?
- ¿Puede un graduado en informática entrar en el campo de la astronomía y la astrofísica para obtener su maestría?
- Estoy confundido entre hacer una maestría en economía o un MBA. ¿Cuál será una mejor opción para mí?
PROGRAMACIÓN GENÉTICA (“permítanme tomar 100 soluciones ‘buenas’ conocidas para este problema y tratar de mutarlas o juntarlas para crear la solución 101”) – modelado biológico, ciencia de materiales (nuevas composiciones, pruebas de choque), casi cualquier simulación imaginable, intentos para automatizar esfuerzos altamente creativos (p. ej., modificaciones / mezclas aleatorias de canciones populares para crear nueva música popular).
SISTEMAS EXPERTOS DE MODA ANTIGUA (“use las reglas X, Y, Z para tomar decisiones”) – este es el viejo recurso – cualquier sistema de lógica de negocios tradicional o diagrama de flujo usará estos motores de base de reglas, ya sean semáforos, máquinas de refrescos o un Fermat -Prover del último teorema. Aunque muchos teóricos clásicos alzarán sus narices ante tales sistemas, es posible hacer una máquina de “pensamiento” bastante sofisticada y robusta usando solo bases de reglas X, Y, Z generalizadas.
Conclusión: esta es un área profesional importante. Fusionar el aprendizaje automático inteligente con el análisis estadístico (‘big data’) sería doblemente poderoso.