Actualidad Deep Learning

https://arxiv.org/pdf/2104.12871.pdf Desde sus inicios en la década de 1950, el campo de la inteligencia artificial ha realizado varios ciclos entre períodos. de predicciones optimistas e inversión masiva (“primavera de la IA”) y períodos de decepción, pérdida de confianza y reducción de la financiación (“invierno de la IA”). Incluso con el ritmo aparentemente rápido de los avances en IA de hoy, el desarrollo de tecnologías prometidas desde hace mucho tiempo, como automóviles autónomos, robots de limpieza y compañeros ha resultado ser mucho más difícil de lo que mucha gente esperaba. Una de las razones por las que se repiten ciclos es nuestra comprensión limitada de la naturaleza y complejidad de la inteligencia misma. En este artículo describo Cuatro falacias en suposiciones comunes hechas por investigadores de IA, que pueden conducir a predicciones demasiado seguras. sobre el campo. Concluyo discutiendo las preguntas abiertas suscitadas por estas falacias, incluida la antigua desafío...

Este artículo cuenta la visión del profesor del MIT Pérez-Breva de la IA. Primero, considera que hay un excesivo enfoque hacia los datos. Esto signifca que los modelos de IA son modelos probailísticos. Así, la importancia es de los datos, no del algoritmo. Los modelos deberían aprender con muchos menos datos. Asegura que el Machine Learning tiene una aplicación muy estrecha, por tanto intentar aplicarlo a problemas generales fallará. Desde siempre se ha intentado automatizar empleos y nunca ha funcionado. La gente frecuentemente confunde automatización e IA. Luis Pérez considera qe los sistemas de IA se parecen más a una nueva especie con un modo diferente de inteligencia que los humanos. En cualquier caso, la iA ha venido para quedarse, aunque los dispositivos tienen una inteligencia distinta de la humana. Tiene el poder de resolver muchos problemas junto con los seres humanos. https://www.forbes.com/sites/cognitiveworld/2020/02/23/this-ai-researcher-thinks-we-have-it-al...

La IA no es un algoritmo. La IA no es un modelo. La IA no es un robo. La IA no es neutra. La IA no es la sigularidad. Inteligencia Artificial no es posiblemente una distinción que importe. https://blog.lareviewofbooks.org/provocations/artificial-intelligence/ Adaptado por Aniceto Pérez y Madrid, Filósofo de las Tecnologías y Editor de Actualidad Deep Learning (@forodeeplearn)

Gary Marcus explica en su libro Rebooting AI el problema que tiene la IA: carece de sentidi común. No aprenden como lo hacen los humanos, es más, ni siquiera sabemos qué aprenden. Es necesario desarrollar nuevos métodos que comprendan conocimiento abstracto. No es necesario pensar en superinteligencia. https://thenextweb.com/neural/2020/02/19/study-ai-expert-gary-marcus-explains-how-to-take-ai-to-the-next-level/ por Aniceto Pérez y Madrid, Filósofo de las Tecnologías y Editor de Actualidad Deep Learning (@forodeeplearn)

El objetivo de OpenAI es ser la primera en lograr la AGI. El objetivo no es dominar el mundo, sino que se desarrolle con seguridad y que se distribuya por todo el mundo. En contra de la imagen pública, internamente ha cambiado debido a la fiera competitividad y la financiación, se ha erosionado los ideales fundacionales de apertura, transparencia y colaboración. La vaguedad en la definición de la AGI y cómo será hace que sea difícil mantener el espíritu. Este artículo cuenta la historia de OpenAI y su trayectoria, una descripción detallada, por cierto. Imposible eludir citar GPT-2. Trata sobre la insuficiente diversidad en la empresa https://www.technologyreview.com/s/615181/ai-openai-moonshot-elon-musk-sam-altman-greg-brockman-messy-secretive-reality/ Adaptado por Aniceto Pérez y Madrid, Filósofo de las Tecnologías y Editor de Actualidad Deep Learning (@forodeeplearn)