Aprendizaje profundo o deep learning
1. El deep learning necesita de una gran cantidad de datos. Para poder aprender términos abstractos, se necesita un entrenamiento con millones de ejemplos y por tanto, datos. ¿Qué ocurre cuando no están disponibles esos datos? El deep learning puede no ser la mejor solución ante ese problema determinado.
2. El deep learning no es capaz de inferir. Una gran cualidad humana es que podemos inferir cierta información a pesar de que no esté directamente referenciada. Podemos saber la intención de un personaje a tavés de su diálogo, por ejemplo. Sin embargo, el deep learning comienza a tener problemas cuando la información no es 100% explícita.
3. El deep learning no funciona bien en sistema inestables, es decir, no es capaz de trabajar en ambientes que son menos precibles, aunque si lo es en entornos con reglas determinadas.
4. El deep learning puede ser fácilmente engañado, por lo que no hay que fiarse totalmente de sus soluciones o predicciones.
5. El deep learning actual es muy superficial, pues no comprende totalmente los conceptos al haber sido entrenados en determinadas situaciones.
Bibliografía
Las limitaciones del aprendizaje profundo
No hay comentarios:
Publicar un comentario