No creo que la AI de la que hablan se refiera a la detección de objetos (caras, ...). Yo lo veo más con parámetros de entrada de la red (cambios, brillo, colores, ....) y una serie de parámetros de salida. Como dices, hay que entrenarla para que de un resultado bueno. Y esa es la parte que no me creo. Qué imágenes, qué parámetros de configuración y qué mediciones se hicieron para saber qué es bueno o malo. Pero una vez entrenada no hace falta acceder a la red. Basta con pasar los parámetros de entrada por la red neuronal y se obtienen los parámetros de salida de manera muy rápida.
Yo hice un ejemplo para aprender algo en este tema. Me bajé los datos de los resultados de fútbol de la liga de los últimos 45 o 50 temporadas. Hice una base de datos con puntos, goles a favor, rachas de partidos ganados, puntos antes del partido, puntos en los últimos 5 partidos, 10 últimos partidos. Pasé hasta 80 parámetros en una red neuronal de tres niveles y la entrené con los resultados (sólo 1, X y 2) con unas 40 temporadas. Luego la puse a trabajar en resultados de otras temporadas. Resultado. La red aprendió lo más eficientemente que pudo. Me dijo que siempre ganaba el equipo de casa, nunca había empate y de vez en cuando ganaba el equipo de fuera. Sólo en partidos del Real Madrid o Barcelona con un equipo de la parte baja de la tabla me daba un 2. Eso es eficiente para acertar 6 o 7 resultados cada jornada. Pero para eso no necesito una red neuronal.
No creo que la AI haga más que poner unos parámetros "normales" porque dudo que pueda encontrar algo mejor para un par de secuencias. Pero si alguien prueba que estoy equivocado pues perfecto. Otra cosa que aprendo.