Críticas al Aprendizaje profundo
Durante los últimos años se han producido avances importantes en el área de la Inteligencia Artificial relacionada con las redes neuronales profundas. Ejemplos de ellos lo constituyen el aprendizaje profundo o "deep learning".
El rápido desarrollo en este ámbito se ha traducido en la vida real en diferentes aplicaciones como: la configuración de traductores inteligentes, desarrollo de lenguaje natural para asistentes virtuales, el reconocimiento de voz, la creación de modelos de audio, el tratamiento avanzado de imágenes o el reconocimiento facial.
Pero algunas voces dentro de la comunidad científica (Gary Marcus) advierten sobre este exceso de optimismo (Danny Lange) ante los avances del Aprendizaje profundo y resaltan los límites de ésta, que no las críticas.
A continuación se resumen algunos de los problemas a los que se enfrentan los algoritmos basados en el aprendizaje profundo:
Se necesitan cantidades inmensas de información ya que los resultados se obtienen a partir del estudio de miles de ejemplos.
No es capaz de incorporar datos no conocidos.
Los resultados obtenidos son poco fiables cuando se trabaja en escenarios cambiantes.
Aparición de dificultades cuando se trata de analizar estructuras jerarquizadas
Dificultad para entender mensajes subjetivos, poco explícitos.
Tampoco es capaz de distinguir causalidad y correlación.
No hay comentarios:
Publicar un comentario