Aprendizaje de atajos en redes neuronales profundas

 El aprendizaje profundo ha desencadenado el aumento actual de la inteligencia artificial y es el caballo de batalla de la inteligencia artificial actual. Numerosas historias de éxito se han extendido rápidamente por toda la ciencia, la industria y la sociedad, pero sus limitaciones solo se han puesto de manifiesto recientemente. En esta perspectiva, buscamos destilar cuántos de los problemas del aprendizaje profundo pueden verse como diferentes síntomas del mismo problema subyacente: el aprendizaje por atajos. Los atajos son reglas de decisión que funcionan bien en puntos de referencia estándar, pero no se transfieren a condiciones de prueba más desafiantes, como escenarios del mundo real. Se conocen temas relacionados en Psicología Comparada, Educación y Lingüística, lo que sugiere que el aprendizaje de atajos puede ser una característica común de los sistemas de aprendizaje, tanto biológicos como artificiales. Basándonos en estas observaciones, desarrollamos un conjunto de recomendaciones para la interpretación de modelos y la evaluación comparativa, destacando los avances recientes en el aprendizaje automático para mejorar la solidez y la transferibilidad del laboratorio a las aplicaciones del mundo real.

https://arxiv.org/pdf/2004.07780.pdf

Editado por Aniceto Pérez y Madrid, Especialista en Ética de la Inteligencia Artificial y Editor de Actualidad Deep Learning (@forodeeplearn).

Los artículos publicados son incluidos por su estimada relevancia y no expresan necesariamente los puntos de vista del Editor este Blog.