https://www.fastcompany.com/90630440/tesla-admits-it-may-never-achieve-full-self-driving-cars?partner=rss&utm_campaign=rss+fastcompany&utm_content=rss&utm_medium=feed&utm_source=rss Una presentación reciente ante la Comisión de Bolsa y Valores incluye lenguaje en el que se reconoce que es posible que la empresa nunca logre automóviles completamente autónomos, el invento que ha sido su gran ballena blanca durante años. Después del informe de ganancias del primer trimestre de Tesla el lunes, el analista y usuario de Twitter Gordon Johnson señaló que la presentación 10-Q de la compañía tiene en sus factores de riesgo la siguiente declaración: “Estamos desarrollando tecnologías de conducción autónoma y de asistencia al conductor que se basan en sensores basados en la visión, a diferencia de las tecnologías alternativas en desarrollo que, además, requieren otros sensores redundantes. No hay garantía de que cualquier cambio incremental en el equipo específico que implementa...
El aprendizaje automático con redes neuronales profundas ("aprendizaje profundo") permite aprender características complejas directamente de los datos de entrada sin procesar, eliminando por completo la extracción de características "codificadas" hechas a mano. Esto ha llevado a lograr un rendimiento de vanguardia en varios dominios problemáticos --- previamente desconectados ---, incluyendo la visión por computadora, el procesamiento del lenguaje natural, el aprendizaje de refuerzo y el modelado generativo. Estas historias de éxito casi de manera universal van de la mano con la disponibilidad de inmensas cantidades de ejemplos de capacitación etiquetados ("big data") que exhiben una estructura simple tipo cuadrícula (por ejemplo, texto o imágenes), explotables a través de capas convolucionales o recurrentes. Esto se debe a la gran cantidad de grados de libertad en las redes neuronales, lo que deja su capacidad de generalización vulnerable a efectos como e...
https://www.researchgate.net/publication/359435718_Trust_and_Reliance_in_XAI_-_Distinguishing_Between_Attitudinal_and_Behavioral_Measures/fulltext/623be1c48f081a732fb9a968/Trust-and-Reliance-in-XAI-Distinguishing-Between-Attitudinal-and-Behavioral-Measures.pdf?origin=publication_detail La confianza se cita a menudo como un criterio esencial para el uso eficaz y el despliegue en el mundo real de la IA. Los investigadores sostienen que la IA debe ser más transparente para aumentar la confianza, por lo que la transparencia es uno de los principales objetivos de la XAI. Sin embargo, la investigación empírica sobre este tema no es concluyente en cuanto al efecto de la transparencia sobre la confianza. Una explicación de esta ambigüedad podría ser que la confianza se operativiza de forma diferente en la XAI. En este documento de posición, abogamos por una clara distinción entre las medidas conductuales (objetivas) de la confianza y las medidas actitudinales (subjetivas) de la confianza. Sin ...
Comentarios
Publicar un comentario