ปัญญาประดิษฐ์

ฉันแค่อยากรู้ว่าทำไมวิศวกรการเรียนรู้ของเครื่องและโปรแกรมเมอร์ AI ใช้ภาษาอย่างหลามเพื่อทำงาน AI และไม่ใช่ C ++ ถึงแม้ว่า C ++ จะเป็นภาษาที่ทรงพลังมากกว่าภาษาไพ ธ อน

15 neural-networks  machine-learning  python  data-science  c++ 

กำหนดเครือข่ายประสาทfffที่ใช้เป็น input nnnข้อมูลจุด: x1,…,xnx1,…,xnx_1, \dots, x_nx_n เราบอกว่าfffเป็นการเปลี่ยนแปลงที่ไม่แปรเปลี่ยนถ้า f(x1...xn)=f(pi(x1...xn))f(x1...xn)=f(pi(x1...xn))f(x_1 ... x_n) = f(pi(x_1 ... x_n)) สำหรับการเปลี่ยนแปลงใด ๆปี่pipipi ใครช่วยแนะนำจุดเริ่มต้น (บทความตัวอย่างหรือกระดาษอื่น ๆ ) สำหรับการเปลี่ยนแปลงโครงข่ายประสาทเทียม

14 neural-networks  machine-learning  reference-request 

Rick Briggs นักวิทยาศาสตร์ของนาซ่ากล่าวว่าภาษาสันสกฤตเป็นภาษาที่ดีที่สุดสำหรับ AI ฉันอยากรู้ว่าสันสกฤตมีประโยชน์อย่างไร ภาษาอื่นมีปัญหาอะไร พวกเขาใช้ภาษาสันสกฤตในการเขียนโปรแกรม AI หรือจะทำเช่นนั้นจริงหรือ โปรแกรม AI ส่วนใดที่ต้องการภาษาดังกล่าว

14 comparison  programming-languages  nasa 

คนส่วนใหญ่พยายามตอบคำถามกับเครือข่ายประสาท อย่างไรก็ตามมีใครคิดบ้างเกี่ยวกับวิธีสร้างเครือข่ายประสาทเทียมถามคำถามแทนที่จะตอบคำถามหรือไม่ ตัวอย่างเช่นหาก CNN สามารถตัดสินใจได้ว่าเป็นวัตถุประเภทใดมันสามารถถามคำถามเพื่อช่วยในการจำแนกประเภทได้หรือไม่

14 neural-networks  deep-learning 

สติมีความท้าทายที่จะกำหนดแต่สำหรับคำถามนี้ขอให้นิยามว่า "จริง ๆ แล้วประสบกับความรู้สึกในการรับรู้เมื่อเทียบกับการใส่ข้อมูลจำนวนมากผ่านเครื่องที่ไม่มีชีวิต" แน่นอนว่ามนุษย์มีจิตใจ สำหรับคอมพิวเตอร์ทั่วไปทุกสิ่งที่พวกเขา "เห็น" เป็นเพียงข้อมูลเพิ่มเติม อีกวิธีหนึ่งอาจบอกได้ว่ามนุษย์นั้นมีความรู้สึกในขณะที่คอมพิวเตอร์แบบดั้งเดิมไม่ใช่ การตั้งคำถามไว้ว่าเป็นไปได้หรือไม่ที่จะสร้างเครื่องจักรที่มีความรู้สึกจริง ๆ แล้วมันสร้างความแตกต่างได้หรือไม่ถ้า AI นั้นมีความรู้สึกหรือไม่? กล่าวอีกนัยหนึ่งมีงานที่ทำให้เป็นไปไม่ได้ - ไม่ใช่แค่ยากขึ้น - โดยขาดความรู้สึก?

14 philosophy 

ฉันกำลังเรียนรู้การเสริมกำลังและตัวแปรของมัน ฉันเริ่มเข้าใจถึงวิธีการทำงานของอัลกอริทึมและวิธีนำไปใช้กับ MDP สิ่งที่ฉันไม่เข้าใจคือกระบวนการกำหนดสถานะของ MDP ในตัวอย่างและแบบฝึกหัดส่วนใหญ่พวกเขาแสดงสิ่งที่ง่ายเช่นสี่เหลี่ยมในตารางหรือคล้ายกัน สำหรับปัญหาที่ซับซ้อนมากขึ้นเช่นการเรียนรู้การเดินของหุ่นยนต์เป็นต้นคุณจะกำหนดสถานะอย่างไร คุณสามารถใช้อัลกอริทึมการเรียนรู้หรือการจำแนกประเภทเพื่อ "เรียนรู้" สถานะเหล่านั้นได้หรือไม่?

14 reinforcement-learning 

ความสำนึกและความประหม่ามีความสำคัญต่อการทำ AIs ขั้นสูงอย่างไร? เราอยู่ห่างไกลจากการทำเช่นนี้? เมื่อทำเช่นโครงข่ายประสาทเทียม (อาจมี) ไม่มีสติอยู่ภายใน แต่แค่คณิตศาสตร์ข้างหลัง แต่เราต้องการให้ AIs มีสติเพื่อแก้ไขงานที่ซับซ้อนมากขึ้นในอนาคตหรือไม่ นอกจากนี้จริง ๆ แล้วมีวิธีใดที่เราสามารถรู้ได้อย่างแน่นอนว่ามีบางสิ่งที่ใส่ใจหรือว่ามันแกล้งทำมัน? มัน "ง่าย" ในการสร้างโปรแกรมคอมพิวเตอร์ที่อ้างว่ามีสติ แต่นั่นไม่ได้หมายความว่าเป็น (เช่น Siri) และถ้า AIs อยู่บนพื้นฐานของกฎที่กำหนดไว้ล่วงหน้าโดยไม่มีสติเราสามารถเรียกมันว่า "ปัญญา" ได้หรือไม่?

14 philosophy  artificial-consciousness  self-awareness 

ตัวอย่างเช่นชื่อเรื่องของบทความนี้อ่าน: "Sample Actor-Critic with Replay Experience" ประสิทธิภาพของตัวอย่างคืออะไรและการสุ่มตัวอย่างที่สำคัญสามารถใช้เพื่อให้บรรลุได้อย่างไร

14 reinforcement-learning  statistical-ai  importance-sampling 

สำหรับพื้นที่ปัญหาที่กำหนดขึ้นมาฉันต้องหาโครงข่ายประสาทเทียมที่มีโหนดและโครงสร้างลิงก์ที่ดีที่สุด ฉันต้องการใช้อัลกอริทึมทางพันธุกรรมเพื่อจำลองโครงข่ายประสาทหลายแห่งเพื่อค้นหาโครงสร้างเครือข่ายที่ดีที่สุดสำหรับโดเมนปัญหา ฉันไม่เคยใช้อัลกอริทึมทางพันธุกรรมสำหรับงานแบบนี้มาก่อน สิ่งที่ควรคำนึงถึงในทางปฏิบัติคืออะไร? โดยเฉพาะฉันจะเข้ารหัสโครงสร้างของโครงข่ายประสาทเทียมให้เป็นจีโนมได้อย่างไร

14 neural-networks  ai-design  genetic-algorithms  evolutionary-algorithms  neuroevolution 

สมมติว่าฉันต้องการแก้ปัญหาด้วยโครงข่ายประสาทที่อาจไม่เหมาะกับโทโพโลยีที่มีอยู่แล้ว (perceptron, Konohen, ฯลฯ ) หรือฉันไม่ได้ตระหนักถึงการดำรงอยู่ของสิ่งเหล่านั้นหรือฉันไม่เข้าใจพวกเขา กลไกและฉันพึ่งพาตัวเองแทน ฉันจะเลือกโทโพโลยีอัตโนมัติ (นั่นคือจำนวนเลเยอร์ชนิดของการเปิดใช้งานประเภทและทิศทางของการเชื่อมต่อ ฯลฯ ) ของเครือข่ายประสาทเทียมสำหรับปัญหาที่เกิดขึ้นตามอำเภอใจได้อย่างไร ฉันเป็นผู้เริ่มต้น แต่ฉันก็รู้ว่าในโทโพโลยีบางอย่าง (หรืออย่างน้อยก็เป็น perceptrons) มันยากมากถ้าไม่สามารถเข้าใจกลไกภายในเนื่องจากเซลล์ประสาทของเลเยอร์ที่ซ่อนอยู่ไม่แสดงบริบททางคณิตศาสตร์ที่มีความหมาย

14 neural-networks  topology  neuroevolution 

จากวิกิพีเดีย: AIXI ['ai̯k͡siː] เป็นพิธีการทางคณิตศาสตร์เชิงทฤษฎีสำหรับปัญญาประดิษฐ์ทั่วไป มันรวมการเหนี่ยวนำโซโลมอนอฟกับทฤษฎีการตัดสินใจตามลำดับ AIXI ได้รับการเสนอครั้งแรกโดย Marcus Hutter ในปี 2000 [1] และผลลัพธ์ด้านล่างนี้ได้รับการพิสูจน์ในหนังสือปัญญาประดิษฐ์สากลของ Hutter ในปี 2005 [2] แม้จะไม่ใช่คำนวณใกล้เคียงที่เป็นไปได้เช่นAIXItl การหาค่าประมาณของ AIXI อาจเป็นวิธีที่มีวัตถุประสงค์เพื่อแก้ปัญหา AI คือAIXIจริงๆเป็นเรื่องใหญ่ในเทียมทั่วไปวิจัยปัญญา? มันคิดว่าเป็นแนวคิดหลักของสนามไหม? ถ้าเป็นเช่นนั้นทำไมเราไม่มีสิ่งพิมพ์เพิ่มเติมเกี่ยวกับเรื่องนี้ (หรือบางทีเรามีและฉันไม่รู้จักพวกเขา)

14 models  agi  aixi 

ทศวรรษที่ผ่านมามีและเป็นหนังสือในแมชชีนวิชันซึ่งใช้กฎการประมวลผลข้อมูลต่าง ๆ จากจิตวิทยา gestalt ได้ผลลัพธ์ที่น่าประทับใจด้วยรหัสน้อยหรือฮาร์ดแวร์พิเศษในการระบุภาพและการประมวลผลภาพ วันนี้มีการใช้วิธีการดังกล่าวหรือไม่ มีความคืบหน้าเกี่ยวกับเรื่องนี้หรือไม่? หรือโปรแกรมการวิจัยนี้ลดลง? ภายในวันนี้ฉันหมายถึงปี 2559 ไม่ใช่ปี 1995 หรือปี 2005

14 machine-learning  algorithm  computer-vision 

แนวคิดคืออะไรและจะคำนวณค่าคอขวดได้อย่างไร ค่าเหล่านี้ช่วยจำแนกภาพอย่างไร โปรดอธิบายด้วยคำง่าย ๆ

14 deep-learning  tensorflow  terminology 

สมองของมนุษย์ใช้ฟังก์ชั่นเปิดใช้งานเฉพาะหรือไม่? ฉันได้ลองทำวิจัยแล้วและเนื่องจากมันเป็นโครงข่ายว่าสัญญาณถูกส่งผ่านเซลล์ประสาทหรือไม่มันฟังดูเหมือน ReLU มาก อย่างไรก็ตามฉันไม่พบบทความเดียวที่ยืนยันเรื่องนี้ หรือมันเป็นเหมือนฟังก์ชั่นขั้นตอน (ส่ง 1 ถ้ามันอยู่เหนือ treshold แทนที่จะเป็นค่าอินพุต)

13 neural-networks  machine-learning  brain 

ฉันกำลังเขียนเกมของเล่นง่ายๆโดยมีจุดประสงค์ในการฝึกอบรมโครงข่ายประสาทเทียมที่อยู่ด้านบน กฎของเกมมีดังต่อไปนี้: เกมนี้มีกระดานที่ประกอบด้วยเซลล์หกเหลี่ยม ผู้เล่นทั้งสองมีคอลเล็กชั่นชิ้นเดียวกันกับที่พวกเขาสามารถเลือกที่จะวางตำแหน่งบนกระดานได้อย่างอิสระ การวางคะแนนประเภทต่าง ๆ (หรือลดคะแนนของคู่ต่อสู้) ขึ้นอยู่กับตำแหน่งและการกำหนดค่าของกันและกัน ใครก็ตามที่มีคะแนนมากกว่าจะชนะ มีกฎเพิ่มเติม (เกี่ยวกับผลัดจำนวนและประเภทของชิ้นส่วน ฯลฯ ) แต่ก็ไม่สำคัญในบริบทของคำถามนี้ ฉันต้องการสร้างโครงข่ายประสาทเทียมที่สามารถเรียนรู้ซ้ำ ๆ ได้โดยการเล่นกับตัวเอง คำถามของฉันเกี่ยวกับการเป็นตัวแทนของอินพุตและเอาต์พุต โดยเฉพาะอย่างยิ่ง: เนื่องจากรูปแบบของชิ้นส่วนสำคัญฉันจึงคิดที่จะมีเลเยอร์ convolutional อย่างน้อย กระดานอาจมีขนาดที่แตกต่างกัน แต่โดยทั่วไปแล้วจะมีขนาดเล็กมาก (6x10 ในการทดสอบของฉันที่จะขยายโดยไม่กี่เซลล์) มันสมเหตุสมผลหรือไม่ ฉันสามารถใช้การรวมกำไรแบบใดได้บ้าง วิธีการเป็นตัวแทนของทั้งสองฝ่าย? ในบทความนี้เกี่ยวกับการเดินทางผู้เขียนใช้เมทริกซ์การป้อนข้อมูลสองรายการหนึ่งรายการสำหรับหินขาวและอีกเล่มสำหรับหินดำ มันสามารถทำงานได้ในกรณีนี้ด้วยหรือไม่ แต่จำไว้ว่าฉันมีประเภทที่แตกต่างกันพูด A, B, C และ D ฉันควรใช้เมทริกซ์การป้อนข้อมูล 2x4? มันดูเบาบางและมีประสิทธิภาพเพียงเล็กน้อยสำหรับฉัน ฉันกลัวว่ามันจะเบาบางเกินไปสำหรับการทำงานของชั้น convolutional ฉันคิดว่าผลลัพธ์อาจเป็นการกระจายความน่าจะเป็นเหนือเมทริกซ์ซึ่งเป็นตัวแทนของตำแหน่งคณะกรรมการรวมถึงความน่าจะเป็นที่แยกต่างหากซึ่งระบุว่าจะเล่นส่วนใด อย่างไรก็ตามฉันยังต้องแสดงความสามารถในการผ่านจุดเลี้ยวซึ่งมีความสำคัญมาก ฉันจะทำได้โดยไม่ลดความสำคัญลงในความน่าจะเป็นอื่น ๆ ได้อย่างไร และที่สำคัญที่สุดฉันต้องบังคับให้ชนะหรือไม่ การบังคับให้ย้ายที่ชนะเป็นเรื่องง่ายเพราะฉันเพิ่งตั้งความน่าจะเป็นที่ต้องการ 1 …

13 neural-networks  deep-learning  game-ai