ปัญญาประดิษฐ์

Siri และ Cortana สื่อสารกันเหมือนมนุษย์มาก ซึ่งแตกต่างจาก Google ในขณะนี้ซึ่งส่วนใหญ่ให้ผลการค้นหาเมื่อถูกถามคำถาม (ไม่ตั้งค่าการเตือนหรือการเตือน) Siri และ Cortana ให้คำตอบกับเราในแบบเดียวกับที่คนจะทำ พวกเขาเป็นโปรแกรม AI จริงหรือไม่? (โดย "คำถาม" ฉันไม่ได้หมายถึงคำถามที่เกี่ยวข้องกับการศึกษาหรือการขอเส้นทาง / อุณหภูมิ แต่เป็นคำถามที่อิงตามความคิดเห็น)

23 natural-language-processing  chat-bots  intelligence-testing  emotional-intelligence  applications 

ฉันเชื่อว่าคำว่าปัญญาประดิษฐ์ (AI) เป็นสิ่งที่ใช้กันมากเกินไปในปัจจุบัน ตัวอย่างเช่นผู้คนเห็นว่ามีอะไรบางอย่างเคลื่อนไหวตัวเองและพวกเขาเรียกมันว่า AI แม้ว่ามันจะอยู่บนระบบอัตโนมัติ (เช่นรถยนต์หรือเครื่องบิน) หรือมีอัลกอริทึมง่ายๆอยู่ด้านหลัง ข้อกำหนดขั้นต่ำทั่วไปคืออะไรเพื่อให้เราสามารถพูดได้ว่ามีอะไรบ้าง AI

23 philosophy  definitions 

มีโครงการ AI ต่อเนื่องที่ใช้ Stack Exchange สำหรับการเรียนรู้ของเครื่องหรือไม่

22 machine-learning  ai-design 

ฉันเคยเห็นความฉลาดทางอารมณ์หมายถึงความสามารถที่จะรับรู้ควบคุมและแสดงอารมณ์ของตัวเองและจัดการความสัมพันธ์ระหว่างบุคคลอย่างรอบคอบและเห็นอกเห็นใจ อะไรคือกลยุทธ์สำหรับปัญญาประดิษฐ์ในการเริ่มแก้ไขปัญหานี้และพัฒนาความฉลาดทางอารมณ์สำหรับคอมพิวเตอร์ มีตัวอย่างที่เกิดขึ้นในระดับนี้วันนี้? คอมพิวเตอร์ที่ผ่านการทดสอบของทัวริงไม่จำเป็นต้องแสดงออกถึงความฉลาดทางอารมณ์หรือจะมองว่าเป็นคอมพิวเตอร์ที่ชัดเจน บางทีนั่นอาจเป็นเหตุผลว่าทำไมโปรแกรมแรก ๆ ที่ผ่านการทดสอบนั้นเป็นตัวแทนของคนหนุ่มสาวที่มีความฉลาดทางอารมณ์ต่ำกว่า

22 turing-test  emotional-intelligence 

Convolutional Neural Network สามารถใช้ในการจดจำรูปแบบในโดเมนปัญหาที่ไม่มีภาพที่มีอยู่แล้วโดยการแสดงข้อมูลนามธรรมแบบกราฟิกหรือไม่? นั่นจะมีประสิทธิภาพน้อยกว่าเสมอหรือไม่? นักพัฒนาซอฟต์แวร์รายนี้กล่าวว่าการพัฒนาในปัจจุบันสามารถดำเนินต่อไปได้ แต่จะไม่เกิดขึ้นหากมีการ จำกัด การจดจำภาพ

21 deep-network  neural-networks  image-recognition  convolutional-neural-networks 

ฉันไม่ได้มองหาวิธีที่มีประสิทธิภาพในการค้นหาช่วงเวลา (ซึ่งแน่นอนว่าเป็นปัญหาที่แก้ไขแล้ว ) นี่เป็นคำถามที่ว่า "เกิดอะไรขึ้น" ดังนั้นในทางทฤษฎี: คุณสามารถฝึกโครงข่ายประสาทเทียมเพื่อทำนายว่าตัวเลขที่ให้ n นั้นเป็นคอมโพสิตหรือไพร์มหรือไม่? จะวางโครงข่ายเช่นนี้ได้อย่างไร?

21 neural-networks 

สมมติว่าเรามีหลักฐานจำนวนมากในแคลคูลัสภาคแสดงคำสั่งแรก สมมติว่าเรามีสัจพจน์คอลลารีและทฤษฎีบทในสาขาคณิตศาสตร์ในรูปแบบนั้นด้วย พิจารณาข้อเสนอแต่ละข้อที่ได้รับการพิสูจน์แล้วและร่างของทฤษฎีที่มีอยู่โดยรอบข้อเสนอนั้นเป็นตัวอย่างในชุดฝึกอบรมและหลักฐานที่ดีที่รู้จักกันดีสำหรับข้อเสนอดังกล่าวเป็นฉลากที่เกี่ยวข้อง ในตอนนี้ให้พิจารณาเครือข่ายประดิษฐ์ที่ออกแบบมาเพื่อฝึกฝนในชุดตัวอย่างนี้โดยเฉพาะและตั้งค่าพารามิเตอร์ไฮเปอร์ไว้อย่างถูกต้อง เป็นไปได้ไหมที่จะฝึกอบรมเครือข่ายประดิษฐ์ที่ลึกลงไปในลักษณะที่การนำเสนอของข้อเสนอใหม่และทฤษฎีที่มีอยู่รอบ ๆ มันนำเสนอในภาคแสดงคำสั่งแรกที่แคลคูลัสที่อินพุตจะสร้างหลักฐานที่เอาท์พุท? (แน่นอนว่าหลักฐานดังกล่าวควรได้รับการตรวจสอบด้วยตนเอง) หากสัดส่วนของการพิสูจน์ที่ดีส่งผลให้มีสูงเพียงพออาจเป็นไปได้ไหมที่จะสร้างอัลกอริทึมทางพันธุกรรมที่เสนอข้อเสนอไปยังเครือข่ายลึกที่ผ่านการฝึกอบรม เป็นไปได้ไหม เป็นไปได้ไหมที่จะใช้การออกแบบเครือข่ายแบบลึกนี้เพื่อแก้ปัญหาการคาดการณ์ของโคลลาตซ์หรือการคาดการณ์ของรีมันน์

21 neural-networks  deep-learning  math  automated-theorem-proving 

เท่าที่ฉันเข้าใจการเรียนรู้ Q- และการไล่ระดับสีนโยบาย (PG) เป็นสองแนวทางหลักที่ใช้ในการแก้ปัญหา RL ในขณะที่การเรียนรู้ Q มีวัตถุประสงค์เพื่อทำนายรางวัลของการกระทำบางอย่างที่เกิดขึ้นในบางสถานะการไล่ระดับสีของนโยบายจะทำนายการกระทำโดยตรง อย่างไรก็ตามทั้งสองวิธีดูเหมือนกันกับฉันเช่นการทำนายรางวัลสูงสุดสำหรับการกระทำ (Q-learning) เทียบเท่ากับการทำนายความน่าจะเป็นของการดำเนินการโดยตรง (PG) ความแตกต่างในวิธีการสูญเสียจะแพร่กระจายกลับ?

21 reinforcement-learning  q-learning  policy-gradients  comparison 

ฉันรู้ว่าภาษาของ Lisp ถูกนำมาใช้ก่อนเวลาเมื่อทำงานเกี่ยวกับปัญหาปัญญาประดิษฐ์ วันนี้มันยังถูกใช้เพื่อการทำงานที่สำคัญหรือไม่? ถ้าไม่ใช่มีภาษาใหม่ที่ใช้แทนภาษาที่ใช้กันมากที่สุดในการทำงานใน AI หรือไม่?

20 history  programming-languages  lisp 

คำจำกัดความของปัญญาประดิษฐ์คืออะไร?

20 ai-basics  terminology  definitions 

ฉันต้องการสร้าง AI ซึ่งสามารถเล่นห้าในแถว / gomoku ดังที่ฉันพูดถึงในชื่อเรื่องฉันต้องการใช้การเรียนรู้เสริมแรงสำหรับสิ่งนี้ ฉันใช้วิธีการไล่ระดับสีนโยบายคือ REINFORCE ที่มีพื้นฐาน สำหรับการประมาณค่าและนโยบายการทำงานของผมใช้โครงข่ายประสาทเทียม มันมีเลเยอร์ convolutional และเชื่อมต่ออย่างเต็มที่ เลเยอร์ทั้งหมดยกเว้นการส่งออกจะถูกแชร์ ชั้นผลผลิตของนโยบายมี8 × 8 = 648×8=648 \times 8=64 (ขนาดของคณะกรรมการ) หน่วยส่งออกและsoftmaxกับพวกเขา ดังนั้นมันจึงสุ่ม แต่ถ้าเครือข่ายสร้างความน่าจะเป็นสูงมากสำหรับการย้ายที่ไม่ถูกต้อง การย้ายที่ไม่ถูกต้องคือเมื่อตัวแทนต้องการตรวจสอบสี่เหลี่ยมที่มีหนึ่ง "X" หรือ "O" ฉันคิดว่ามันสามารถติดอยู่ในสถานะเกมนั้น คุณช่วยแนะนำวิธีแก้ปัญหาสำหรับปัญหานี้ได้ไหม? ฉันเดาว่าจะใช้วิธีการของนักวิจารณ์ สำหรับการย้ายที่ไม่ถูกต้องเราควรให้รางวัลเป็นค่าลบและส่งต่อให้ฝ่ายตรงข้าม

20 machine-learning  reinforcement-learning  game-ai  combinatorial-games 

ในปี 2547 เจฟฮอว์กินส์นักประดิษฐ์นักบินต้นปาล์มได้ตีพิมพ์หนังสือที่น่าสนใจมาก ๆ เรื่องหนึ่งที่เรียกว่าOn Intelligenceซึ่งเขามีรายละเอียดเกี่ยวกับทฤษฎีว่า neocortex ของมนุษย์ทำงานอย่างไร ทฤษฎีนี้เรียกว่ากรอบการทำนายหน่วยความจำและมีคุณสมบัติที่โดดเด่นเช่นไม่เพียง แต่จากล่างขึ้นบน (feedforward) แต่ยังรวมถึงการประมวลผลข้อมูลจากบนลงล่างและความสามารถในการสร้างพร้อมกันในบทความนี้ ) คำมั่นสัญญาของกรอบการทำนายความทรงจำคือการสร้างตัวแทนระดับสูงที่มีเสถียรภาพของความเป็นไปได้ในอนาคต สิ่งที่จะปฏิวัติพื้นที่การวิจัย AI ทั้งหมด Hawkins ก่อตั้งบริษัทและดำเนินการตามความคิดของเขา น่าเสียดายที่กว่าสิบปีต่อมาสัญญาของความคิดของเขายังคงไม่ได้ผล จนถึงขั้นตอนการติดตั้งใช้สำหรับการตรวจจับความผิดปกติเท่านั้นซึ่งเป็นสิ่งที่ตรงกันข้ามกับสิ่งที่คุณต้องการจะทำจริงๆ แทนที่จะแยกความเข้าใจออกคุณจะแยกอินสแตนซ์ที่เยื่อหุ้มสมองเทียมของคุณไม่เข้าใจ คำถามของฉันอยู่ที่กรอบของ Hawkins สั้นเพียงใด ปัญหาที่เป็นรูปธรรมหรือแนวความคิดที่ป้องกันไม่ให้ทฤษฎีของเขาจากการทำงานในทางปฏิบัติคืออะไร?

19 htm 

Isaac Asimov มีชื่อเสียง กฎสามข้อของวิทยาการหุ่นยนต์ที่ต้นกำเนิดในบริบทของนิยายวิทยาศาสตร์ของ Asimov ในเรื่องเหล่านั้นกฎหมายทั้งสามใช้เป็นมาตรการความปลอดภัยเพื่อหลีกเลี่ยงสถานการณ์ที่ไม่เหมาะสมหรือไม่เหมาะสมจากการระเบิดในความเสียหาย บ่อยกว่าเรื่องเล่าของ Asimov จะหาวิธีที่จะทำลายพวกเขานำนักเขียนที่จะทำการปรับเปลี่ยนหลายกฎหมายตัวเอง ตัวอย่างเช่นในบางเรื่องของเขาเขาได้แก้ไขกฏหมายที่หนึ่งเพิ่มกฏที่สี่ (หรือซีโรท)หรือแม้กระทั่งเอาออกกฎหมายทั้งหมดโดยสิ้นเชิง อย่างไรก็ตามมันเป็นเรื่องง่ายที่จะโต้แย้งว่าในวัฒนธรรมสมัยนิยมและแม้แต่ในด้านการวิจัยของ AI เองกฎหมายของหุ่นยนต์นั้นค่อนข้างจริงจัง การเพิกเฉยต่อปัญหาด้านการตีความกฎหมายที่แตกต่างกันเป็นอัตนัยและร่วมกัน แต่เพียงผู้เดียวมีข้อโต้แย้งใด ๆ ที่พิสูจน์ให้เห็นว่ากฎหมายมีข้อบกพร่องในตัวเองจากการออกแบบของพวกเขาหรือไม่หรือแข็งแรงเพียงพอสำหรับการใช้ในความเป็นจริง? ในทำนองเดียวกันมีชุดฮิวริสติกการรักษาความปลอดภัยที่ดีขึ้นและเข้มงวดขึ้นซึ่งถูกออกแบบมาเพื่อจุดประสงค์หรือไม่

19 asimovs-laws 

ในบทความ Wall Street Journal ล่าสุด Yann LeCunn ได้กล่าวข้อความต่อไปนี้: ขั้นตอนต่อไปในการบรรลุเป้าหมายระดับไอคือการสร้างความฉลาด - แต่ไม่ใช่แบบอิสระ - เครื่องจักร ระบบ AI ในรถของคุณจะพาคุณกลับบ้านอย่างปลอดภัย แต่จะไม่เลือกปลายทางอื่นเมื่อคุณเข้าไปข้างใน จากนั้นเราจะเพิ่มไดรฟ์พื้นฐานพร้อมกับอารมณ์และค่านิยมทางศีลธรรม ถ้าเราสร้างเครื่องจักรที่เรียนรู้เช่นเดียวกับสมองของเรามันก็ง่ายที่จะจินตนาการว่าพวกเขาได้รับคุณสมบัติที่เหมือนมนุษย์ - และข้อบกพร่อง โดยส่วนตัวแล้วฉันได้รับตำแหน่งที่พูดถึงอารมณ์ความรู้สึกสำหรับปัญญาประดิษฐ์นั้นโง่เพราะไม่มีเหตุผลที่จะสร้าง AI ที่มีประสบการณ์ทางอารมณ์ เห็นได้ชัดว่ายานน์ไม่เห็นด้วย ดังนั้นคำถามคือ: จะทำหน้าที่อะไรโดยการทำเช่นนี้? AI ต้องการอารมณ์เพื่อใช้เป็นเครื่องมือที่มีประโยชน์หรือไม่?

19 philosophy  emotional-intelligence 

ในอุปสรรคที่ซ่อนสำหรับบทความSelf-Driving Cars ของ Googleเราสามารถอ่านได้: รถยนต์ของ Google สามารถตรวจจับและตอบสนองต่อสัญญาณหยุดที่ไม่ได้อยู่ในแผนที่ซึ่งเป็นคุณสมบัติที่ได้รับการแนะนำให้รู้จักกับสัญญาณชั่วคราวที่ใช้ในสถานที่ก่อสร้าง Google กล่าวว่ารถยนต์สามารถระบุสัญญาณหยุดเกือบทั้งหมดที่ไม่ได้แมปและจะยังคงปลอดภัยหากพวกเขาพลาดสัญญาณเพราะยานพาหนะมักจะมองหาการจราจรคนเดินเท้าและอุปสรรคอื่น ๆ จะเกิดอะไรขึ้นถ้ามีรถเห็นใครบางคนอยู่ข้างหน้า (แต่ไม่ใช่ในเส้นทางการปะทะ) สวมเสื้อยืดที่มีป้ายหยุดพิมพ์อยู่ มันจะตอบสนองและหยุดรถหรือไม่

19 object-recognition  decision-theory  autonomous-vehicles  google