ปัญญาประดิษฐ์

ในพอร์ทัล 2เราจะเห็นว่า AI นั้นสามารถ "ถูกฆ่า" โดยคิดเกี่ยวกับความขัดแย้ง ฉันถือว่างานนี้โดยบังคับให้ AI เข้าสู่วงวนไม่สิ้นสุดซึ่งโดยพื้นฐานแล้วจะ "หยุด" สติของคอมพิวเตอร์ คำถาม:สิ่งนี้จะทำให้สับสนเทคโนโลยี AI ที่เรามีวันนี้ถึงจุดที่ทำลายมันได้หรือไม่ ถ้าเป็นเช่นนั้นทำไม และถ้าไม่เป็นไปได้ในอนาคตหรือไม่

148 decision-theory  mythology-of-ai  death 

เห็นได้ชัดว่ารถยนต์ที่ขับด้วยตนเองไม่ได้สมบูรณ์แบบดังนั้นลองจินตนาการว่ารถยนต์ของ Google (เป็นตัวอย่าง) ตกอยู่ในสถานการณ์ลำบาก นี่คือตัวอย่างของสถานการณ์ที่โชคร้ายที่เกิดจากชุดเหตุการณ์: รถกำลังมุ่งหน้าไปยังฝูงชนจำนวน 10 คนที่ข้ามถนนดังนั้นจึงไม่สามารถหยุดได้ทันเวลา แต่สามารถหลีกเลี่ยงการฆ่าคน 10 คนโดยการชนกำแพง (ฆ่าผู้โดยสาร) หลีกเลี่ยงการฆ่าผู้ขับขี่ของรถจักรยานยนต์เนื่องจากความน่าจะเป็นของการอยู่รอดมีมากขึ้นสำหรับผู้โดยสารรถยนต์ ฆ่าสัตว์บนถนนเพื่อช่วยเหลือมนุษย์ เปลี่ยนเลนเพื่อชนรถอีกคันเพื่อหลีกเลี่ยงการฆ่าสุนัข และนี่คืออุปสรรคบางประการ: อัลกอริทึมรับรู้ถึงความแตกต่างระหว่างมนุษย์กับสัตว์หรือไม่? ขนาดของมนุษย์หรือสัตว์มีความสำคัญหรือไม่? มันนับจำนวนผู้โดยสารที่มีต่อผู้คนที่อยู่ข้างหน้าหรือไม่ "รู้" เมื่อทารก / เด็กอยู่บนเรือหรือไม่? มันคำนึงถึงอายุ (เช่นการฆ่าคนที่มีอายุมากกว่าก่อน) หรือไม่? อัลกอริทึมจะตัดสินใจอย่างไรว่าควรทำอย่างไรจากมุมมองทางเทคนิค มันเป็นที่ตระหนักถึงข้างต้น (การนับความน่าจะเป็นของการฆ่า) หรือไม่ (ฆ่าคนเพียงเพื่อหลีกเลี่ยงการทำลายของตัวเอง)? บทความที่เกี่ยวข้อง: เหตุใดรถยนต์ที่ขับขี่ด้วยตนเองจะต้องถูกตั้งโปรแกรมให้ฆ่า วิธีการช่วยให้รถยนต์ที่ขับขี่ด้วยตนเองทำการตัดสินใจอย่างมีจริยธรรม

74 philosophy  ethics  autonomous-vehicles  decision-theory 

คำสองคำนี้มีความเกี่ยวข้องโดยเฉพาะอย่างยิ่งในการประยุกต์ใช้ในสาขาวิทยาศาสตร์คอมพิวเตอร์และวิศวกรรมซอฟต์แวร์ เป็นเซตย่อยของอีกชุดหรือไม่? เป็นเครื่องมือหนึ่งที่ใช้ในการสร้างระบบให้กับอีกระบบหนึ่งหรือไม่? ความแตกต่างของพวกเขาคืออะไรและทำไมพวกเขาถึงสำคัญ?

74 machine-learning  terminology  comparison 

นักวิทยาศาสตร์หรือผู้เชี่ยวชาญด้านการวิจัยทราบจากห้องครัวสิ่งที่เกิดขึ้นภายในเครือข่ายประสาทที่ "ลึก" ที่ซับซ้อนโดยมีการเชื่อมต่ออย่างน้อยหลายล้านจุดในทันที พวกเขาเข้าใจกระบวนการที่อยู่เบื้องหลังสิ่งนี้หรือไม่ (เช่นเกิดอะไรขึ้นภายในและมันทำงานอย่างไร) หรือเป็นประเด็นถกเถียง ตัวอย่างเช่นการศึกษานี้พูดว่า: แต่ไม่มีความเข้าใจที่ชัดเจนของเหตุผลที่พวกเขาดำเนินการให้ดีหรือวิธีการที่พวกเขาอาจจะดีขึ้น ดังนั้นนี่หมายความว่านักวิทยาศาสตร์ไม่ทราบว่ารูปแบบเครือข่าย convolutional ที่ซับซ้อนทำงานอย่างไร

69 neural-networks  deep-learning  convolutional-neural-networks  explainable-ai 

หน้า / การศึกษาต่อไปนี้แสดงให้เห็นว่าเครือข่ายประสาทลึกนั้นถูกหลอกอย่างง่ายดายโดยการทำนายความมั่นใจสูงสำหรับภาพที่ไม่สามารถจดจำได้เช่น เป็นไปได้อย่างไร? คุณช่วยอธิบายความรู้สึกเป็นภาษาอังกฤษธรรมดา ๆ ได้ไหม?

63 convolutional-neural-networks  image-recognition  deep-network  computer-vision 

หากวัตถุประสงค์ดั้งเดิมสำหรับการพัฒนา AI คือการช่วยเหลือมนุษย์ในงานบางอย่างและวัตถุประสงค์นั้นยังคงมีอยู่เราจะสนใจเรื่องการอธิบายได้อย่างไร ตัวอย่างเช่นในการเรียนรู้อย่างลึกซึ้งตราบใดที่หน่วยสืบราชการลับช่วยเราให้ดีที่สุดในความสามารถของพวกเขาและมาถึงการตัดสินใจอย่างรอบคอบทำไมเราต้องรู้ว่าหน่วยสืบราชการลับของมันทำงานอย่างไร

56 philosophy  explainable-ai 

เรามักจะได้ยินว่าปัญญาประดิษฐ์อาจทำอันตรายหรือฆ่ามนุษย์ดังนั้นจึงอาจเป็นอันตรายได้ ปัญญาประดิษฐ์จะทำร้ายเราได้อย่างไร

50 philosophy  social  neo-luddism 

ก่อนอื่นฉันเป็นมือใหม่ที่เรียน AI และนี่ไม่ใช่คำถามเชิงความคิดเห็นหรือคำถามเพื่อเปรียบเทียบภาษาการเขียนโปรแกรม ฉันไม่ได้พูดว่านั่นเป็นภาษาที่ดีที่สุด แต่ความจริงก็คือกรอบ AI ที่มีชื่อเสียงส่วนใหญ่มีการสนับสนุนหลักสำหรับ Python พวกเขาสามารถรองรับหลายภาษาเช่น TensorFlow ที่รองรับ Python, C ++ หรือ CNTK จาก Microsoft ที่สนับสนุน C # และ C ++ แต่ที่ใช้มากที่สุดคือ Python (ฉันหมายถึงเอกสารเพิ่มเติมตัวอย่างชุมชนที่ใหญ่กว่าการสนับสนุน ฯลฯ ) แม้ว่าคุณจะเลือก C # (พัฒนาโดย Microsoft และภาษาการเขียนโปรแกรมหลักของฉัน) คุณต้องมีการตั้งค่าสภาพแวดล้อม Python ฉันอ่านในฟอรั่มอื่น ๆ ว่า Python เหมาะสำหรับ AI เพราะรหัสนั้นง่ายและสะอาดขึ้นเหมาะสำหรับการสร้างต้นแบบอย่างรวดเร็ว ฉันกำลังดูภาพยนตร์ที่มีเนื้อหา AI (Ex_Machina) ในบางฉากตัวละครหลักจะแฮ็กอินเทอร์เฟซของระบบอัตโนมัติในบ้าน เดาภาษาใดในฉากนี้? หลาม …

47 machine-learning  programming-languages  tensorflow 

เท่าที่ฉันจะบอกได้เครือข่ายประสาทมีจำนวนเซลล์ประสาทคงที่ในชั้นข้อมูลเข้า หากใช้โครงข่ายประสาทในบริบทเช่น NLP ประโยคหรือบล็อกข้อความที่มีขนาดแตกต่างกันจะถูกป้อนเข้าเครือข่าย ขนาดอินพุตที่แตกต่างกันอย่างไรจะกระทบยอดกับขนาดคงที่ของเลเยอร์อินพุตของเครือข่าย กล่าวอีกนัยหนึ่งเครือข่ายเช่นนี้มีความยืดหยุ่นเพียงพอที่จะจัดการกับอินพุตที่อาจอยู่ที่ใดก็ได้ตั้งแต่หนึ่งคำไปจนถึงหลายหน้าของข้อความ หากสมมติฐานของฉันเกี่ยวกับจำนวนเซลล์ประสาทนำเข้าที่กำหนดไม่ถูกต้องและมีการเพิ่มเซลล์ประสาทขาเข้าใหม่เข้า / ออกจากเครือข่ายเพื่อให้ตรงกับขนาดอินพุตฉันไม่เห็นว่าจะสามารถฝึกอบรมสิ่งเหล่านี้ได้อย่างไร ฉันยกตัวอย่าง NLP แต่ปัญหามากมายมีขนาดอินพุตที่คาดเดาไม่ได้ ฉันสนใจวิธีการทั่วไปในการจัดการกับสิ่งนี้ สำหรับรูปภาพมันชัดเจนว่าคุณสามารถขึ้น / ลงตัวอย่างเป็นขนาดคงที่ แต่สำหรับข้อความดูเหมือนว่าจะเป็นวิธีที่เป็นไปไม่ได้เนื่องจากการเพิ่ม / ลบข้อความเปลี่ยนความหมายของอินพุตต้นฉบับ

42 neural-networks  machine-learning  deep-learning  convolutional-neural-networks  natural-language-processing 

ฉันเคยได้ยินคำว่า AI ที่รัดกุมและ AI อ่อนแอ คำศัพท์หรืออัตนัยเหล่านี้กำหนดไว้อย่างชัดเจนหรือไม่ โดยทั่วไปแล้วพวกเขาจะกำหนดอย่างไร

40 terminology  definitions  strong-ai  comparison  weak-ai 

หากมีแง่มุมใดของคอมพิวเตอร์ควอนตัมสามารถช่วยพัฒนาปัญญาประดิษฐ์ต่อไปได้

39 quantum-computing 

ในฐานะมนุษย์เราสามารถคิดได้อย่างไม่มีที่สิ้นสุด โดยหลักการแล้วหากเรามีทรัพยากรเพียงพอ (เวลา ฯลฯ ) เราสามารถนับหลายสิ่งได้อย่างมากมาย (รวมถึงนามธรรมเช่นหมายเลขหรือของจริง) ตัวอย่างเช่นอย่างน้อยเราสามารถพิจารณาจำนวนเต็มของบัญชี เราสามารถคิดว่าเป็นหลักและ "เข้าใจ" จำนวนมากมายที่แสดงบนหน้าจอ ทุกวันนี้เราพยายามออกแบบปัญญาประดิษฐ์ที่มีความสามารถอย่างน้อยมนุษย์ อย่างไรก็ตามฉันติดอยู่กับอินฟินิตี้ ฉันพยายามหาวิธีที่จะสอนรูปแบบ (ลึกหรือไม่) เพื่อทำความเข้าใจกับอินฟินิตี้ ฉันกำหนด "ความเข้าใจ" ในแนวทางการใช้งานตัวอย่างเช่นหากคอมพิวเตอร์สามารถแยกความแตกต่างของตัวเลขหรือสิ่งต่าง ๆ ได้ 10 อย่างก็หมายความว่ามันเข้าใจสิ่งต่าง ๆ เหล่านี้จริง ๆ นี่คือวิธีการตรงไปตรงมาขั้นพื้นฐานเพื่อ ดังที่ฉันได้กล่าวไปแล้วมนุษย์เข้าใจถึงอนันต์เพราะอย่างน้อยพวกมันก็สามารถนับจำนวนเต็มได้ จากมุมมองนี้ถ้าฉันต้องการสร้างแบบจำลองจริง ๆ แล้วเป็นฟังก์ชั่นในแง่นามธรรมรูปแบบนี้จะต้องแยกความแตกต่างจำนวนมากมาย เนื่องจากคอมพิวเตอร์เป็นเครื่องดิจิตอลที่มีขีดความสามารถ จำกัด ในการจำลองฟังก์ชันที่ไม่มีที่สิ้นสุดฉันจะสร้างแบบจำลองที่สร้างความแตกต่างของจำนวนเต็มจำนวนอนันต์ได้อย่างไร? ตัวอย่างเช่นเราสามารถใช้โมเดลการมองเห็นในการเรียนรู้เชิงลึกที่จดจำตัวเลขบนการ์ด รุ่นนี้จะต้องกำหนดหมายเลขให้กับบัตรแต่ละใบเพื่อแยกความแตกต่างของจำนวนเต็ม เนื่องจากมีจำนวนเต็มจำนวนอนันต์โมเดลจะกำหนดจำนวนที่แตกต่างกันให้กับแต่ละจำนวนเต็มเช่นมนุษย์บนคอมพิวเตอร์ดิจิทัลได้อย่างไร หากมันไม่สามารถแยกแยะสิ่งที่ไม่มีที่สิ้นสุดมันจะเข้าใจความไม่สิ้นสุดได้อย่างไร ถ้าฉันคำนึงถึงจำนวนจริงปัญหาจะยากขึ้นมาก อะไรคือจุดที่ฉันขาดหายไป มีทรัพยากรใดบ้างที่มุ่งเน้นที่เรื่องหรือไม่

39 deep-learning  philosophy  agi 

ลองนึกภาพคุณแสดงภาพสิงโตที่มีโครงข่ายประสาทเป็น 100 เท่าและติดป้ายว่า "อันตราย" ดังนั้นมันจึงเรียนรู้ว่าสิงโตนั้นมีอันตราย ทีนี้ลองนึกภาพว่าก่อนหน้านี้คุณได้แสดงภาพสิงโตจำนวนหลายล้านภาพและระบุว่ามันเป็น "อันตราย" และ "ไม่อันตราย" ดังนั้นความน่าจะเป็นที่สิงโตจะเป็นอันตราย 50% แต่ในช่วง 100 ครั้งที่ผ่านมาได้ผลักเครือข่ายประสาทเทียมให้เป็นบวกมากเกี่ยวกับสิงโตว่า "อันตราย" จึงเพิกเฉยต่อบทเรียนล้านครั้งสุดท้าย ดังนั้นจึงดูเหมือนว่ามีข้อบกพร่องในเครือข่ายประสาทในการที่พวกเขาสามารถเปลี่ยนความคิดของพวกเขาเร็วเกินไปจากหลักฐานล่าสุด โดยเฉพาะอย่างยิ่งหากหลักฐานก่อนหน้านั้นอยู่ตรงกลาง มีโมเดลโครงข่ายประสาทเทียมที่ติดตามหลักฐานว่ามีการเห็นมากแค่ไหน? (หรือนี่จะเท่ากับการปล่อยให้อัตราการเรียนรู้ลดลง1/T1/T1/Tโดยที่TTTคือจำนวนการทดลอง)

37 neural-networks  machine-learning  theory  incremental-learning  catastrophic-forgetting 

ฉันใหม่สำหรับ AI และฉันต้องการทราบด้วยคำพูดง่ายๆแนวคิดของตรรกศาสตร์คลุมเครือคืออะไร มันช่วยได้อย่างไรและเมื่อไหร่จะใช้?

37 deep-network  terminology  fuzzy-logic 

คุณต้องการแนะนำห้องสมุด (TensorFlow หรือ Keras) สำหรับแนวทางแรกในการเรียนรู้อย่างลึกซึ้ง ฉันเป็นนักเรียนประสาทวิทยาศาสตร์ที่พยายามเป็นครั้งแรกในวิธีการคำนวณถ้าเรื่องนั้นสำคัญ

35 deep-learning  tensorflow  keras  getting-started  software-evaluation