![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Geoffrey Hinton y Yann LeCun, Conferencia del Premio ACM AM Turing 2018 "La revolución del aprendizaje profundo"
Geoffrey Hinton y Yann LeCun, Conferencia del Premio ACM AM Turing 2018 "La revolución del aprendizaje profundo"
Geoffrey Hinton y Yann LeCun ganaron el premio ACM AM Turing de 2018 y dieron una conferencia sobre la revolución del aprendizaje profundo.
En la conferencia, discutieron cómo el aprendizaje profundo ha revolucionado la informática y cómo se puede utilizar para beneficiar varios aspectos de la vida. También hablaron sobre los desafíos del aprendizaje profundo y el futuro del campo.
Señalaron que si bien la comprensión teórica del aprendizaje profundo es importante, aún depende de los humanos tomar decisiones en situaciones complejas. También discutieron el potencial de la computación evolutiva y otras formas de inteligencia artificial en la conducción autónoma.
Este genio canadiense creó la IA moderna
Este genio canadiense creó la IA moderna
Geoff Hinton, un pionero de la IA, ha estado trabajando para lograr que las computadoras aprendan como los humanos durante casi 40 años, y revolucionó el campo de la Inteligencia Artificial. Hinton se inspiró en el perceptrón de Frank Rosenblatt, una red neuronal que imita el cerebro, que se desarrolló en la década de 1950. La determinación de Hinton condujo a un gran avance en el campo de la IA. A mediados de los años 80, Hinton y sus colaboradores crearon una red neuronal de varias capas, una red neuronal profunda, que comenzó a funcionar de muchas maneras. Sin embargo, carecían de los datos necesarios y de la potencia informática hasta alrededor de 2006, cuando los chips súper rápidos y las cantidades masivas de datos producidos en Internet dieron a los algoritmos de Hinton un impulso mágico: las computadoras podían identificar lo que había en una imagen, reconocer el habla y traducir idiomas. En 2012, Canadá se convirtió en una superpotencia de IA, y las redes neuronales y el aprendizaje automático aparecieron en la portada del New York Times.
Geoffrey Hinton: Los fundamentos del aprendizaje profundo
Geoffrey Hinton: Los fundamentos del aprendizaje profundo
El padrino de la inteligencia artificial, Geoffrey Hinton, ofrece una descripción general de los fundamentos del aprendizaje profundo. En esta charla, Hinton analiza los avances de las redes neuronales, aplicados al reconocimiento de voz y objetos, la segmentación de imágenes y la lectura o la generación de lenguaje escrito natural.
Geoffrey Hinton analiza los fundamentos del aprendizaje profundo, en particular el algoritmo de retropropagación y su evolución. Hinton explica cómo el aprendizaje profundo afectó el reconocimiento temprano de la escritura a mano y finalmente lo llevó a ganar la competencia ImageNet 2012. También enfatiza la superioridad del aprendizaje profundo que usa vectores de actividad neuronal sobre la IA simbólica tradicional que usa los mismos símbolos en la entrada, la salida y el medio. Se analizan las mejoras en los sistemas de traducción automática, el reconocimiento de imágenes y su combinación para el razonamiento natural, junto con el potencial del aprendizaje profundo en la interpretación de imágenes médicas. Hinton concluye destacando la necesidad de redes neuronales con parámetros comparables al cerebro humano para lograr un verdadero procesamiento del lenguaje natural.
Héroes del aprendizaje profundo: Andrew Ng entrevista a Geoffrey Hinton
Héroes del aprendizaje profundo: Andrew Ng entrevista a Geoffrey Hinton
Geoffrey Hinton, una figura destacada en el aprendizaje profundo, habló sobre su viaje y contribuciones al campo en una entrevista con Andrew Ng. Habla sobre los orígenes de las incrustaciones de palabras, los desarrollos restringidos de las máquinas de Boltzmann y su trabajo reciente sobre pesas rápidas y cápsulas. Hinton destaca el papel crucial del aprendizaje no supervisado en los avances del aprendizaje profundo y aconseja a los alumnos que lean mucho, trabajen en proyectos a gran escala y busquen asesores con intereses similares. Hinton cree que se está produciendo un cambio significativo en la informática, donde las computadoras aprenden mostrando, y advierte que las universidades deben ponerse al día con la industria en la formación de investigadores para este nuevo enfoque.
Héroes del aprendizaje profundo: Andrew Ng entrevista a Yann LeCun
Héroes del aprendizaje profundo: Andrew Ng entrevista a Yann LeCun
En esta entrevista entre Andrew Ng y Yann LeCun, LeCun habla sobre su interés inicial en la IA y el descubrimiento de las redes neuronales. También describe su trabajo sobre redes neuronales convolucionales y la historia detrás de las CNN.
LeCun habla sobre cómo persistió en el campo, a pesar de la falta de interés en las redes neuronales a mediados de los 90 y, finalmente, su trabajo en CNN se hizo cargo del campo de la visión artificial.
También analiza el momento decisivo en la visión por computadora cuando el equipo de AlexNet ganó la competencia ImageNet de 2012, y aconseja a aquellos que buscan una carrera en IA y aprendizaje automático que se vuelvan útiles contribuyendo a proyectos de código abierto o implementando algoritmos.
Héroes del aprendizaje profundo: Andrew Ng entrevista a Ian Goodfellow
Héroes del aprendizaje profundo: Andrew Ng entrevista a Ian Goodfellow
En una entrevista con Andrew Ng, Ian Goodfellow habla sobre su pasión por el aprendizaje profundo y cómo se interesó en el campo mientras estudiaba en Stanford. Goodfellow analiza su invención de las redes antagónicas generativas (GAN) y su potencial en el aprendizaje profundo, al mismo tiempo que enfatiza la necesidad de hacer que las GAN sean más confiables. Reflexiona sobre cómo ha evolucionado su pensamiento sobre la IA y el aprendizaje profundo a lo largo de los años, desde simplemente hacer que la tecnología funcione para tareas relacionadas con la IA hasta explorar todo el potencial de los modelos de aprendizaje profundo. Goodfellow también comparte consejos para aquellos que desean involucrarse en la IA, afirmando que es crucial escribir un buen código y construir seguridad en los algoritmos de aprendizaje automático desde el principio.
Héroes del aprendizaje profundo: Andrew Ng entrevista a Andrej Karpathy
Héroes del aprendizaje profundo: Andrew Ng entrevista a Andrej Karpathy
En una entrevista con Andrew Ng, Andrej Karpathy analiza su introducción al aprendizaje profundo a través de una clase con Geoff Hinton y cómo se convirtió en el punto de referencia humano para la competencia de clasificación de imágenes de ImageNet. Habla sobre los resultados sorprendentes cuando las redes profundas de software superaron su rendimiento y decidió enseñar a otros a través de la creación de un curso en línea. Karpathy también analiza el futuro de la IA y cómo es probable que el campo se divida en dos trayectorias: IA aplicada y AGI. Aconseja a aquellos que desean ingresar al campo del aprendizaje profundo que desarrollen una comprensión completa de toda la pila implementando todo desde cero.
Héroes del aprendizaje profundo: Andrew Ng entrevista al director de investigación de inteligencia artificial de Apple, Ruslan Salakhutdinov
Héroes del aprendizaje profundo: Andrew Ng entrevista al director de investigación de inteligencia artificial de Apple, Ruslan Salakhutdinov
Ruslan Salakhutdinov, director de investigación de IA en Apple, analiza la evolución del aprendizaje profundo, los desafíos en el entrenamiento de modelos generativos y el aprendizaje no supervisado, y las fronteras emocionantes en la investigación del aprendizaje profundo. También alienta a los investigadores a explorar diferentes métodos y no tener miedo de innovar.
Salakhutdinov enfatiza la importancia de construir sistemas basados en el diálogo y que puedan leer texto de manera inteligente, y el objetivo final de lograr habilidades de aprendizaje más similares a las humanas.
Héroes del aprendizaje profundo: Andrew Ng entrevista a Yoshua Bengio
Héroes del aprendizaje profundo: Andrew Ng entrevista a Yoshua Bengio
Andrew Ng entrevista a Yoshua Bengio y discuten varios temas relacionados con el aprendizaje profundo. Bengio expresa cómo se metió en el aprendizaje profundo y cómo ha evolucionado su pensamiento sobre las redes neuronales.
También analiza sus contribuciones al desarrollo de incrustaciones de palabras para secuencias de palabras y aprendizaje profundo con pilas de codificadores automáticos. Además, Bengio enfatiza la importancia del aprendizaje no supervisado y su interés por comprender la relación entre el aprendizaje profundo y el cerebro.
Bengio destaca la necesidad de comprender la ciencia del aprendizaje profundo y la investigación adecuada para abordar grandes desafíos. Finalmente, se enfocan en la necesidad de un sólido conocimiento básico de matemáticas para una carrera en aprendizaje profundo y la importancia de la educación continua.
Héroes del aprendizaje profundo: Andrew Ng entrevista a Pieter Abbeel
Pieter Abbeel analiza los desafíos y el potencial del aprendizaje por refuerzo profundo en esta entrevista con Andrew Ng. Señala la necesidad de seguir trabajando en la exploración, la asignación de créditos y la generación de ejemplos negativos.
Abbeel también destaca las preocupaciones de seguridad y la importancia de recopilar datos de aprendizaje seguros cuando se enseña a los robots a vivir de forma autónoma. Aconseja a las personas que busquen práctica práctica con marcos populares y sugiere los beneficios de recibir tutoría de profesionales experimentados.
Además, sugiere la necesidad del aprendizaje por refuerzo al dar a las máquinas objetivos de logro y señala la importancia de la clonación del comportamiento y el aprendizaje supervisado antes de agregar el componente de aprendizaje por refuerzo.