Entradas

Mostrando las entradas etiquetadas como IA Simbólica

La IA no puede ignorar la lógica simbólica, y ésta es la razón

https://medium.com/ontologik/ai-cannot-ignore-symbolic-logic-and-heres-why-1f896713525b Generalización y representaciones de alto nivel Yoshua Bengio, un destacado investigador de aprendizaje automático (ML) que también está considerado como uno de los padrinos del aprendizaje profundo (DL) ha sido citado recientemente diciendo El aprendizaje profundo, tal y como es ahora, ha hecho grandes progresos en la percepción, pero aún no ha conseguido sistemas que puedan descubrir representaciones de alto nivel, el tipo de conceptos que usamos en el lenguaje. Los seres humanos son capaces de utilizar esos conceptos de alto nivel para generalizar de manera poderosa. Eso es algo que pueden hacer incluso los bebés, pero el aprendizaje automático es muy malo. (aquí) Bengio tiene razón en su diagnóstico. Del famoso trío (Geoff Hinton, Yoshua Bengio y Yann LeCun), Bengio ha sido en realidad más abierto a la hora de discutir las limitaciones del DL (en contraposición a, por ejemplo, el "muy pront...

Inteligencia artificial simbólica exacta para una evaluación más rápida y mejor de la equidad de la IA

https://news.mit.edu/2021/exact-symbolic-artificial-intelligence-faster-better-assessment-ai-fairness-0809 https://dl.acm.org/doi/10.1145/3453483.3454078 El sistema judicial, los bancos y las empresas privadas utilizan algoritmos para tomar decisiones que tienen un profundo impacto en la vida de las personas. Desgraciadamente, esos algoritmos a veces son parciales y afectan de forma desproporcionada a las personas de color y a las de menor nivel de ingresos cuando solicitan préstamos o trabajos, o incluso cuando los tribunales deciden qué fianza debe fijarse mientras una persona espera el juicio. Los investigadores del MIT han desarrollado un nuevo lenguaje de programación de inteligencia artificial que puede evaluar la equidad de los algoritmos con mayor exactitud y rapidez que las alternativas disponibles. Su lenguaje probabilístico de suma-producto (SPPL) es un sistema de programación probabilística. La programación probabilística es un campo emergente en la intersección de los leng...

Diferencia entre redes neuronales artificiales y cerebros biológicos

En un artículo publicado en la revista Nature, Anthony Zador, profesor del Laboratorio de Neurociencia Cold Spring Harbor Laboratory, argumenta que es un cerebro altamente estructurado que permite a los animales convertirse en aprendices muy eficientes. Titulado "Una crítica al aprendizaje puro y lo que las redes neuronales artificiales pueden aprender de los cerebros de los animales", el artículo de Zador explica por qué ampliar las capacidades actuales de procesamiento de datos de los algoritmos de IA no ayudará a alcanzar la inteligencia de los perros, y mucho menos a los humanos. Lo que necesitamos, explica Zador, no es AI que aprende todo desde cero, sino algoritmos que, como los seres orgánicos, tienen capacidades intrínsecas que se pueden complementar con la experiencia de aprendizaje. https://bdtechtalks.com/2020/07/06/artificial-neural-networks-vs-brains/ Editado por Aniceto Pérez y Madrid, Especialista en Ética de la Inteligencia Artificial  y Editor de Actualidad D...

El uso de Deep Learning para integración simbólica

Lample y Charton (2019) describen un sistema que usa tecnología deep learning para calcular integrales simbólicas indefinidad y para calcular soluciones simbólicas par ecuaciones diferenciales ordinarias de primer y segundo orden. https://arxiv.org/abs/1912.05752v1 por Aniceto Pérez y Madrid, Filósofo de las Tecnologías y Editor de Actualidad Deep Learning (@forodeeplearn)