Mais precisamente, os sistemas de ML de hoje não conseguem inferir estruturas fractais em dados de séries temporais.
Então coisas como carros autônomos, AlphaStar (IA de StarCraft II) e RNNs não processam dados de séries temporais? => Isso mesmo.
- Carros autônomos
A direção autônoma usa um híbrido de ML e programação procedural.
O ML lida com itens de baixo nível, como reconhecimento de pedestres, enquanto a programação procedural (não estatística) lida com itens como navegação. O texto explica isso com base no relatório sobre o carro autônomo da Uber que bateu sozinho.
- AlphaStar
Em um nível um pouco mais complexo que o da Uber, usa duas redes neurais. Uma prevê a taxa de vitória, e a outra determina qual movimento executar. As duas transformam um problema de série temporal em dois problemas separados sem estado.
Sem o handicap de APM, claro que o AlphaStar venceria, mas mesmo com o handicap ele vence taticamente; ainda assim, humanos podem ganhar porque jogadores de alto nível estão à frente no entendimento estratégico. A menos que exista poder computacional infinito, ele bate em uma parede em cálculos estratégicos complexos. O cérebro humano não é limitado dessa forma.
A primeira lei da inteligência artificial do autor
"Algoritmos que não são compostos por fractais acabam batendo em uma parede computacional, e o inverso também é verdadeiro."
Na conclusão, ele fala sobre Feed Forward Neural Network (FFNN) e Connectome-Specific Harmonic Waves (CSHW) como formas de estruturar redes neurais de maneira fractal.
Ainda não há comentários.