Estaba leyendo los increíbles post de Cristopher Olah, in Colah’s Blog para aprender sobre visualización de datos en espacios altamente dimensionales, y como nota al pie en una de las afirmaciones me encuentro esto:
People sometimes complain: “Neural networks are so hard to understand! Why can’t we use understandable models, like SVMs?” Well, you understand SVMs, and you don’t understand visual pattern recognition. If SVMs could solve visual pattern recognition, you would understand it. Therefore, SVMs are not capable of this, nor is any other model you can really understand. (I don’t mean this to be a ‘proof’ obviously, but I am pretty serious about this view.)
He oído ese argumento respecto a SVM muchísimas veces, y la verdad nunca se me había ocurrido planteármelo. Siempre lo tomé como cierto, puesto que tiene bastante lógica (es mejor usar algo que se puede comprender), pero… también es cierto lo que dice acerca de que entiendas o no reconocimiento de patrones.
Quizá haya que repensar algo, quizá es hora de aprender más… de darle una oportunidad a las redes neuronales. Y quizá es el mejor momento. Toca aprender, pues.