ปัญญาประดิษฐ์

ภาษาอังกฤษไม่เหมาะที่จะพูดคุยเกี่ยวกับปัญญาประดิษฐ์ซึ่งทำให้มนุษย์สื่อสารกันได้ยากเกี่ยวกับสิ่งที่ AI ทำจริง ๆ ดังนั้นจึงอาจเหมาะสมกว่าที่จะใช้คำว่า "เหมือนมนุษย์" เพื่ออธิบายการกระทำของเครื่องจักรแม้ว่าคุณสมบัติภายในของเครื่องจักรจะไม่คล้ายกับคุณสมบัติภายในของมนุษยชาติ ภาษามานุษยวิทยาถูกนำมาใช้อย่างมากในเทคโนโลยี (ดูคำจำกัดความของพจนานุกรมแฮ็กเกอร์เกี่ยวกับมนุษย์ซึ่งพยายามที่จะแสดงให้เห็นถึงการใช้ข้อตกลง anthromporhic ของผู้เขียนโปรแกรมคอมพิวเตอร์คอมพิวเตอร์เมื่ออธิบายเทคโนโลยี) แต่เมื่อ AI ก้าวหน้าต่อไป การใช้ภาษามนุษย์ในการสื่อสารกับผู้ชมด้านเทคนิคและผู้ชมที่ไม่ใช่ด้านเทคนิค เราจะจัดการกับ AI ได้อย่างไรถ้าเราไม่สามารถอธิบายสิ่งที่เรากำลังทำอยู่ได้? สมมติว่าฉันต้องการพัฒนาอัลกอริทึมที่แสดงรายการบทความที่เกี่ยวข้อง มีสองวิธีที่ฉันสามารถอธิบายวิธีอัลกอริทึมทำงานกับคนธรรมดา: Very Anthropomorphic - อัลกอริทึมอ่านบทความทั้งหมดบนเว็บไซต์และแสดงบทความที่คล้ายกับบทความที่คุณกำลังดู เทคนิคมาก - อัลกอริทึมแปลงแต่ละบทความเป็น "คำพูดของกระเป๋า" แล้วเปรียบเทียบ "คำพูดของกระเป๋า" ของแต่ละบทความเพื่อพิจารณาว่าบทความใดที่ใช้คำที่พบบ่อยที่สุด บทความที่ใช้คำมากที่สุดในกระเป๋าเป็นสิ่งที่แสดงให้ผู้ใช้เห็น เห็นได้ชัดว่า # 2 อาจ "ถูกต้องทางเทคนิค" มากกว่า # 1 โดยรายละเอียดการใช้งานของอัลกอริทึมมันทำให้ง่ายขึ้นสำหรับใครบางคนที่จะเข้าใจวิธีการแก้ไขอัลกอริทึมถ้ามันสร้างผลลัพธ์ที่เราไม่เห็นด้วยอย่างมาก แต่ # 1 สามารถอ่านได้อ่านง่ายสง่างามและเข้าใจง่ายกว่า มันให้ความรู้สึกทั่วไปเกี่ยวกับสิ่งที่อัลกอริทึมกำลังทำอยู่แทนที่จะเป็นวิธีที่อัลกอริธึมทำ ด้วยการสรุปรายละเอียดการนำไปปฏิบัติของวิธีการที่คอมพิวเตอร์ "อ่าน" บทความเราสามารถมุ่งเน้นไปที่การใช้อัลกอริทึมในสถานการณ์จริง ดังนั้นฉันจึงควรใช้ภาษาของมนุษย์ตามที่เน้นย้ำโดยถ้อยแถลงที่ …

9 philosophy 

"ภาษาประดิษฐ์หรือภาษาที่สร้าง (บางครั้งเรียกว่า conlang) เป็นภาษาที่ถูกสร้างขึ้นโดยบุคคลหรือกลุ่มเล็ก ๆ แทนที่จะถูกสร้างขึ้นตามธรรมชาติเป็นส่วนหนึ่งของวัฒนธรรม" ( ที่มา: วิกิพีเดียภาษาอังกฤษแบบง่ายๆ ) คำถามของฉันคือ AI สามารถสร้างเป็นภาษาธรรมชาติด้วยคำศัพท์ผันคำและกฎไวยากรณ์ได้หรือไม่ โดยทั่วไปภาษาที่มนุษย์สามารถใช้เพื่อพูดคุยกัน (โดยเฉพาะอย่างยิ่งในการสื่อสารแนวคิดนามธรรมระดับสูง) AI นั้นใช้เทคนิคใดได้บ้าง? มันอาจขึ้นอยู่กับภาษาธรรมชาติที่มีอยู่หรือว่าจะมีการเชื่อมต่อกับภาษาธรรมชาติที่มีอยู่เล็กน้อย? มันสามารถออกแบบภาษาที่เรียนรู้ได้ง่ายกว่าภาษาที่มีอยู่ (แม้แต่ภาษา )

9 natural-language-processing 

ฉันกำลังพยายามหาอัลกอริธึมที่เหมาะสมสำหรับระบบที่ผู้ใช้ป้อนอาการสองสามอย่างและระบบต้องคาดเดาหรือกำหนดโอกาสที่อาการบางอย่างที่เลือกจะสัมพันธ์กับที่มีอยู่ในระบบ จากนั้นหลังจากเชื่อมโยงพวกเขาผลลัพธ์หรือผลลัพธ์ควรเป็นโรคเฉพาะสำหรับอาการ ระบบประกอบด้วยชุดของโรคที่ได้รับมอบหมายให้แต่ละอาการเฉพาะซึ่งยังมีอยู่ในระบบ สมมติว่าผู้ใช้ป้อนอินพุตต่อไปนี้: A, B, C, and D สิ่งแรกที่ระบบควรทำคือตรวจสอบและเชื่อมโยงอาการแต่ละอย่าง (ในกรณีนี้แสดงด้วยตัวอักษรตามตัวอักษร) ทีละตัวกับตารางข้อมูลของอาการที่มีอยู่แล้ว และในกรณีที่ไม่มีข้อมูลเข้าระบบควรรายงานหรือส่งข้อเสนอแนะเกี่ยวกับข้อมูลนั้น และสมมุติว่ามันA and Bอยู่ในตารางข้อมูลเรามั่นใจ 100% ว่ามันถูกต้องหรือมีอยู่จริงและระบบสามารถให้โรคตามอินพุตได้ แล้วขอบอกว่าการป้อนข้อมูลที่ตอนนี้เป็นC and Dที่Cไม่อยู่ในข้อมูลตาราง แต่มีความเป็นไปได้ที่Dมีอยู่ เราไม่ให้Dคะแนน 100% แต่อาจจะต่ำกว่านี้ (สมมุติว่า 90%) จากนั้นCก็ไม่มีอยู่ในตารางข้อมูล ดังนั้นCได้รับคะแนน 0% ดังนั้นระบบควรมีการเชื่อมโยงและเทคนิคการทำนายหรือกฎบางอย่างเพื่อส่งออกผลลัพธ์โดยการตัดสินอินพุตของผู้ใช้ สรุปการสร้างผลลัพธ์: If A and B were entered and exist, then output = 100% If D was entered and existed …

9 algorithm  machine-learning  prediction 

สามารถฆ่าเครื่องจักรจริงได้หรือไม่? เราไม่เพียง แต่มีปัญหาในการกำหนดชีวิต แต่ยังมีปัญหาในการกำหนดความตาย สิ่งนี้จะเป็นจริงในชีวิตเทียมและปัญญาประดิษฐ์หรือไม่

9 philosophy  death 

ตัวแทน AI มักจะคิดว่ามี "เซ็นเซอร์" "หน่วยความจำ" "หน่วยประมวลผลการเรียนรู้เครื่อง" และ "ปฏิกิริยา" อย่างไรก็ตามเครื่องที่มีสิ่งเหล่านี้ไม่จำเป็นต้องกลายเป็นเอเจนต์การโปรแกรมด้วยตนเอง นอกเหนือจากส่วนที่กล่าวถึงข้างต้นมีองค์ประกอบหรือรายละเอียดอื่น ๆ ที่จำเป็นในการทำให้เครื่องสามารถเป็นตัวแทน AI แบบตั้งโปรแกรมเองได้หรือไม่? ตัวอย่างเช่นกระดาษจาก 2011ประกาศว่าการแก้ปัญหาการเพิ่มประสิทธิภาพของการเพิ่มความฉลาดเป็นคุณสมบัติที่ต้องมีสำหรับกระบวนการเขียนโปรแกรมด้วยตนเองดังที่แสดงด้านล่าง: ระบบบอกว่าจะทำตัวอย่างของการเขียนโปรแกรมด้วยตนเองเมื่อได้รับการเรียนรู้เกี่ยวกับองค์ประกอบของ "โครงสร้างพื้นฐานทางปัญญา" บางส่วนของมันซึ่งหลังถูกกำหนดให้เป็นชุดของคุณสมบัติ "ปัญญา - วิกฤติ" ที่คลุมเครือของระบบ; และความสำคัญของข่าวกรองของคุณลักษณะของระบบนั้นถูกกำหนดให้เป็น "คุณสมบัติของคุณลักษณะ" ซึ่งพิจารณาจากมุมมองของการแก้ปัญหาการหาค่าเหมาะที่สุดเพื่อเพิ่มความฉลาดของระบบมัลติฟีเจอร์ให้สูงสุด อย่างไรก็ตามคำอธิบายของ "การเพิ่มประสิทธิภาพของความฉลาด" นี้ไม่ชัดเจน ใครสามารถให้คำจำกัดความที่ชัดเจนหรือสรุปที่ดีกว่าสำหรับองค์ประกอบที่จำเป็นสำหรับตัวแทนการเขียนโปรแกรมด้วยตนเอง? คำถามนี้มาจากเบต้าปิดปี 2014 โดยผู้ถามมี UID 23

9 machine-learning  computer-programming 

เราสามารถอ่านในหน้า Wikipediaว่า Google สร้างชิป ASIC แบบกำหนดเองสำหรับการเรียนรู้ของเครื่องและปรับแต่งสำหรับ TensorFlow ซึ่งช่วยเร่ง AI เนื่องจากชิป ASIC ได้รับการปรับแต่งเป็นพิเศษสำหรับการใช้งานเพียงอย่างเดียวโดยไม่สามารถเปลี่ยนวงจรได้จึงต้องมีอัลกอริทึมคงที่ซึ่งถูกเรียกใช้ ดังนั้นการเร่งความเร็วของ AI โดยใช้ชิป ASIC ทำงานอย่างไรถ้าอัลกอริทึมไม่สามารถเปลี่ยนแปลงได้? ส่วนไหนของการเร่งความเร็ว

9 neural-networks  machine-learning  hardware  neuromorphic-engineering 

ตัวอย่างเช่นคุณสามารถให้เหตุผลว่าทำไมนาฬิกาแดดไม่ใช่ "อัจฉริยะ" หรือไม่? นาฬิกาแดดสัมผัสกับสภาพแวดล้อมและทำหน้าที่อย่างมีเหตุผล มันออกเวลา นอกจากนี้ยังเก็บการรับรู้ (ตัวเลขที่วิศวกรเขียนไว้) คุณสมบัติของรถยนต์ที่ขับขี่ด้วยตนเองจะทำให้มัน "ฉลาด"? เส้นแบ่งระหว่างสสารที่ไม่ใช่อัจฉริยะกับระบบอัจฉริยะอยู่ที่ไหน

9 definitions  intelligence-testing 

โครงข่ายประสาทเทียมเป็นกราฟถ่วงน้ำหนักกำกับ สิ่งเหล่านี้สามารถแสดงโดยเมทริกซ์ (กระจัดกระจาย) การทำเช่นนั้นสามารถเปิดเผยคุณสมบัติที่หรูหราของเครือข่าย เทคนิคนี้มีประโยชน์สำหรับการตรวจสอบโครงข่ายประสาทเทียมหรือไม่?

9 neural-networks 

โปรแกรม AI สามารถมี EQ (เชาวน์อารมณ์หรือความฉลาดทางอารมณ์) ได้หรือไม่? กล่าวอีกนัยหนึ่งสามารถวัด EQ ของโปรแกรม AI ได้หรือไม่? หาก EQ มีปัญหาในการวัดมากกว่า IQ (อย่างน้อยกับการประยุกต์มาตรฐานกับมนุษย์และโปรแกรม AI) ทำไมเป็นเช่นนั้น

9 emotional-intelligence  intelligence-testing 

Deep Mind ได้เผยแพร่ผลงานมากมายเกี่ยวกับการเรียนรู้อย่างลึกซึ้งในช่วงหลายปีที่ผ่านมาซึ่งส่วนใหญ่เป็นงานที่ล้ำสมัยเกี่ยวกับงานที่เกี่ยวข้อง แต่งานชิ้นนี้ได้รับการตีพิมพ์ซ้ำอีกครั้งโดยชุมชน AI ตัวอย่างเช่นกระดาษ Neural Turing Machine ดูเหมือนว่าจะทำซ้ำได้ยากมาก

9 neural-networks  deep-learning  research 

ระบบเข้ารหัสอัตโนมัติสามารถใช้สำหรับการเรียนรู้แบบมีผู้สอนโดยไม่เพิ่มเลเยอร์เอาท์พุทได้หรือไม่? เราสามารถป้อนมันด้วยเวกเตอร์อินพุต - เอาต์พุตแบบต่อกันสำหรับการฝึกอบรมและสร้างส่วนเอาต์พุตจากส่วนอินพุตเมื่อทำการอนุมานได้หรือไม่? ส่วนเอาต์พุตจะถือว่าเป็นค่าที่หายไปในระหว่างการอนุมานและการใส่ความคิดบางอย่างจะถูกนำไปใช้

9 neural-networks 

โดยเฉพาะอย่างยิ่งคอมพิวเตอร์ฝังตัว (ที่มีทรัพยากร จำกัด ) จะวิเคราะห์วิดีโอสตรีมสดจากกล้องจราจรพยายามเลือกเฟรมที่ดีที่มีหมายเลขทะเบียนรถยนต์ที่ผ่าน เมื่อแผ่นตั้งอยู่กรอบจะถูกส่งมอบให้กับห้องสมุด OCR เพื่อแยกการลงทะเบียนและใช้งานต่อไป ในประเทศของฉันมีป้ายทะเบียนสองแบบที่ใช้กันทั่วไป - สี่เหลี่ยม (ทั่วไป) และสี่เหลี่ยม - จริง ๆ แล้วค่อนข้างเป็นสี่เหลี่ยม แต่ "สูงกว่ากว้าง" โดยการลงทะเบียนแบ่งออกเป็นสองแถว (มีบางประเภทเพิ่มเติม แต่ให้เราไม่สนใจพวกเขาพวกเขาเป็นเพียงเล็กน้อยและมักจะเป็นยานพาหนะที่อยู่นอกความสนใจของเรา) เนื่องจากทรัพยากรมี จำกัด และต้องการการประมวลผลแบบเรียลไทม์ที่รวดเร็วขนาดสูงสุดของเครือข่าย (จำนวนเซลล์และการเชื่อมต่อ) ระบบสามารถจัดการได้ มันจะดีกว่าไหมที่จะแบ่งสิ่งนี้ออกเป็นสองเครือข่ายที่เล็กลงแต่ละอันรู้จักชนิดของแผ่นป้ายทะเบียนหนึ่งประเภทหรือเครือข่ายเดียวที่ใหญ่กว่าจะจัดการกับทั้งสองประเภทได้ดีขึ้นหรือไม่

9 neural-networks  image-recognition