Los avances llamativos en IA no son reales

Los investigadores evaluaron 81 algoritmos de simlificación, programas que hacen que las redes neuronales sean más eficientes al recortar las conexiones innecesarias. Todos aseguraron superioridad de maneras ligeramente diferentes. Pero rara vez se compararon adecuadamente, y cuando los investigadores trataron de evaluarlos en paralelo, no hubo evidencia clara de mejoras en el rendimiento durante un período de 10 años. El resultado, presentado en marzo en la conferencia Machine Learning and Systems, sorprendió al Ph.D. de Blalock. asesor, el informático del MIT John Guttag, quien dice que las comparaciones desiguales en sí mismas pueden explicar el estancamiento. "Es la vieja sierra, ¿verdad?" Dijo Guttag. "Si no puede medir algo, es difícil mejorarlo".


Adaptado por Aniceto Pérez y Madrid, Filósofo de las Tecnologías y Editor de Actualidad Deep Learning (@forodeeplearn)

Comentarios

Popular

Es hora de que la IA se explique

Ann Cavoukian explica por qué la vigilancia invasiva no debería ser la norma en los entornos urbanos modernos y sostenibles

Gemelos digitales, cerebros virtuales y los peligros del lenguaje