ปัญญาประดิษฐ์

ฉันเพิ่งได้ยินว่ามีคนบอกว่าเมื่อคุณออกแบบรถขับเองคุณไม่ได้สร้างรถ แต่เป็นคนขับทางคอมพิวเตอร์จริงๆดังนั้นคุณกำลังพยายามสร้างแบบจำลองจิตใจมนุษย์อย่างน้อยก็เป็นส่วนหนึ่งของ จิตใจมนุษย์ที่สามารถขับเคลื่อนได้ เนื่องจากมนุษย์ไม่อาจคาดการณ์ได้หรือเนื่องจากการกระทำของพวกเขาขึ้นอยู่กับปัจจัยหลายอย่างซึ่งบางอย่างจะยังคงไม่สามารถอธิบายได้เป็นเวลานานรถขับเคลื่อนด้วยตนเองจะสะท้อนสิ่งนั้นอย่างไรถ้าพวกเขาทำ? ปริมาณของความไม่แน่นอนอาจมีประโยชน์ ถ้าพูดว่ารถที่ขับด้วยตนเองสองคันติดอยู่ในทางตันมันอาจเป็นการดีถ้าฉีดแบบสุ่มแทนที่จะเห็นการกระทำแบบเดียวกันในเวลาเดียวกันถ้ารถวิ่งด้วยระบบเดียวกัน แต่ในทางกลับกันเรารู้ว่าผู้ที่ไม่ได้กำหนดขึ้นไม่ใช่เพื่อนกับการพัฒนาซอฟต์แวร์โดยเฉพาะในการทดสอบ วิศวกรจะสามารถควบคุมและให้เหตุผลได้อย่างไร

12 ai-design  autonomous-vehicles 

ด้วยความสามารถที่เพิ่มมากขึ้นในการสร้างภาพปลอมราคาถูกเสียงปลอมและวิดีโอปลอมทำให้กลายเป็นปัญหาที่เพิ่มขึ้นด้วยการรับรู้สิ่งที่เป็นจริงและสิ่งที่ไม่ใช่ แม้ตอนนี้เราจะเห็นตัวอย่างของแอปพลิเคชั่นที่สร้างสื่อปลอมในราคาเพียงเล็กน้อย (ดูDeepfake , FaceAppและอื่น ๆ ) เห็นได้ชัดว่าหากมีการใช้แอปพลิเคชันเหล่านี้ในทางที่ผิดพวกเขาอาจถูกใช้เพื่อทำให้ภาพลักษณ์ของบุคคลอื่นเสื่อม Deepfake สามารถใช้เพื่อทำให้คนดูนอกใจคู่ของตน อาจใช้แอปพลิเคชันอื่นเพื่อทำให้ดูเหมือนว่านักการเมืองพูดถึงสิ่งที่ขัดแย้ง เทคนิคใดบ้างที่สามารถใช้ในการรับรู้และป้องกันสื่อที่ทำขึ้นโดยทำเทียม

12 machine-learning  image-recognition  pattern-recognition  deepfakes 

ฉันกำลังทำงานกับปัญหาที่ฉันต้องพิจารณาว่ามีสองประโยคที่เหมือนกันหรือไม่ ฉันนำโซลูชันมาใช้โดยใช้อัลกอริธึม BM25 และการซิงโครไนซ์เครือข่ายเพื่อกำหนดความคล้ายคลึงกันระหว่างไวยากรณ์และความหมาย วิธีแก้ปัญหาทำงานได้อย่างเพียงพอและแม้ว่าลำดับของคำในประโยคจะวนกลับมา แต่ก็เป็นการวัดว่ามีสองประโยคที่คล้ายคลึงกัน ตัวอย่างเช่น Python เป็นภาษาที่ดี ภาษาที่ดีคือภาษาไพ ธ อน ปัญหาของฉันคือพิจารณาว่าประโยคทั้งสองนี้คล้ายกัน สิ่งที่อาจเป็นทางออกที่เป็นไปได้สำหรับความคล้ายคลึงกันของโครงสร้าง? ฉันจะรักษาโครงสร้างของประโยคได้อย่างไร

12 natural-language-processing  python 

ปัจจุบันในด้านการพัฒนา AI หลักสำคัญน่าจะเป็นการจดจำรูปแบบและการเรียนรู้ของเครื่อง การเรียนรู้เป็นเรื่องเกี่ยวกับการปรับตัวแปรภายในตามลูปข้อเสนอแนะ ลำดับขั้นของความต้องการของมาสโลว์เป็นทฤษฎีทางจิตวิทยาที่เสนอโดยอับราฮัมมาสโลว์ซึ่งอ้างว่าความต้องการขั้นพื้นฐานที่สุดของแต่ละบุคคลจะต้องได้รับการตอบสนองก่อนที่จะมีแรงจูงใจเพื่อให้บรรลุความต้องการในระดับที่สูงขึ้น สิ่งที่อาจกระตุ้นให้เครื่องทำหน้าที่อะไร? เครื่องควรมีโครงสร้างคล้ายดีเอ็นเอบ้างไหมที่จะอธิบายลำดับขั้นของความต้องการ (คล้ายกับทฤษฎีของ Maslow) อะไรคือความต้องการพื้นฐานของเครื่องจักร?

12 philosophy  strong-ai  rewards 

ฉันกำลังอ่านเกี่ยวกับเครือข่าย adversarial (GANs) และฉันมีข้อสงสัยเกี่ยวกับมัน จนถึงตอนนี้ฉันเข้าใจว่าใน GAN มีเครือข่ายประสาทสองประเภทที่แตกต่างกัน: หนึ่งคือกำเนิด ( ) และเลือกปฏิบัติอื่น ( ) เครือข่ายนิวรัลแบบกำเนิดสร้างข้อมูลบางอย่างซึ่งเครือข่ายนิวรัลแบบเลือกปฏิบัติตัดสินความถูกต้อง GAN เรียนรู้โดยผ่านฟังก์ชั่นการสูญเสียไปยังเครือข่ายทั้งสองGGGDDD discriminative ( ) neural nets ในตอนแรกรู้ได้อย่างไรว่าข้อมูลที่สร้างโดยนั้นถูกต้องหรือไม่? เราต้องฝึกก่อนแล้วเพิ่มมันเข้าไปใน GAN ด้วยหรือไม่?DDDGGGDDDGGG ลองพิจารณาสุทธิที่ผ่านการฝึกอบรมของฉันซึ่งสามารถจัดประเภทรูปภาพที่มีความแม่นยำร้อยละ 90 หากเราเพิ่มสุทธินี้ไปยัง GAN มีความน่าจะเป็น 10% มันจะจำแนกภาพผิด หากเราฝึก GAN ด้วยสุทธินี้แล้วมันจะมีข้อผิดพลาด 10% เหมือนกันในการจำแนกภาพหรือไม่? ถ้าใช่แล้วทำไม GAN ถึงแสดงผลลัพธ์ที่มีแนวโน้มDDDDDDDDD

12 neural-networks  machine-learning  deep-learning  generative-adversarial-networks 

Deepmind เผยแพร่เพียงกระดาษเกี่ยวกับ"คอมพิวเตอร์ประสาทอนุพันธ์"ซึ่งโดยทั่วไปรวมโครงข่ายประสาทเทียมที่มีหน่วยความจำ ความคิดคือการสอนเครือข่ายประสาทเทียมเพื่อสร้างและเรียกคืนความทรงจำที่ชัดเจนที่มีประโยชน์สำหรับงานบางอย่าง สิ่งนี้จะช่วยเสริมความสามารถของโครงข่ายประสาทเทียมได้ดีเนื่องจาก NNs เก็บความรู้ไว้เฉพาะในน้ำหนักและข้อมูลที่ใช้ในการทำงานในภารกิจเดียวนั้นจะถูกเก็บไว้ในการเปิดใช้งานเครือข่ายเท่านั้น ( LSTMsเป็นหนึ่งพยายามที่จะชะลอความเสื่อมของความทรงจำระยะสั้น แต่มันก็ยังเกิดขึ้น) ตอนนี้แทนที่จะเก็บข้อมูลที่จำเป็นในการเปิดใช้งานพวกเขาน่าจะเก็บที่อยู่ของช่องเสียบหน่วยความจำสำหรับข้อมูลเฉพาะในการเปิดใช้งานดังนั้นสิ่งเหล่านี้ควรอยู่ภายใต้การย่อยสลาย คำถามของฉันคือเหตุผลที่วิธีการนี้ควรปรับขนาด ไม่ควรมีข้อมูลเฉพาะจำนวนงานที่ค่อนข้างสูงกว่าความสามารถของเครือข่ายในการรักษาที่อยู่ของสล็อตหน่วยความจำที่เหมาะสมทั้งหมดในการเปิดใช้งาน

12 deep-learning  ai-design 

บางโปรแกรมทำการค้นหาวิธีการแก้ปัญหาอย่างละเอียดในขณะที่โปรแกรมอื่นค้นหาแบบแก้ปัญหาโดยค้นหาคำตอบที่คล้ายกัน ตัวอย่างเช่นในหมากรุกการค้นหาท่าต่อไปที่ดีที่สุดมีแนวโน้มที่จะหมดแรงกว่าในขณะที่ใน Go การค้นหาท่าต่อไปที่ดีที่สุดมีแนวโน้มที่จะเป็นฮิวริสติกในธรรมชาติมากขึ้นเนื่องจากพื้นที่ค้นหามีขนาดใหญ่กว่ามาก เทคนิคการค้นหากำลังดุร้ายกำลังหาคำตอบที่ดีถือว่าเป็น AI หรือจำเป็นต้องใช้อัลกอริทึมแบบฮิวริสติกก่อนที่จะถือว่าเป็น AI หรือไม่? ถ้าเป็นเช่นนั้นคอมพิวเตอร์ที่เล่นหมากรุกเป็นอาชีพที่มนุษย์มองว่าเป็นเหตุการณ์สำคัญหรือไม่?

12 gaming  search  chess  heuristics 

ผมจะผ่านนี้การดำเนินงานของ DQN และผมเห็นว่าในสาย 124 และ 125 สองเครือข่าย Q ที่แตกต่างกันได้รับการเริ่มต้น จากความเข้าใจของฉันฉันคิดว่าเครือข่ายหนึ่งทำนายการกระทำที่เหมาะสมและเครือข่ายที่สองทำนายค่าเป้าหมาย Q สำหรับการค้นหาข้อผิดพลาดของ Bellman ทำไมเราไม่สามารถสร้างเครือข่ายเดียวที่ทำนายค่า Q และใช้กับทั้งสองกรณีได้? การคาดเดาที่ดีที่สุดของฉันคือการดำเนินการเพื่อลดเวลาในการคำนวณไม่เช่นนั้นเราจะต้องค้นหาค่า q สำหรับแต่ละการกระทำจากนั้นเลือกอันที่ดีที่สุด นี่เป็นเหตุผลเดียวหรือไม่ ฉันพลาดอะไรไปรึเปล่า?

12 reinforcement-learning  q-learning  dqn 

ปิด คำถามนี้จะต้องมีมากขึ้นมุ่งเน้น ไม่ยอมรับคำตอบในขณะนี้ ต้องการปรับปรุงคำถามนี้หรือไม่ อัปเดตคำถามเพื่อให้มุ่งเน้นที่ปัญหาเดียวโดยแก้ไขโพสต์นี้ ปิดให้บริการใน29 วันที่ผ่านมา เรขาคณิตและ AI เมทริกซ์, ก้อน, ชั้น, กองและวรรณะเป็นสิ่งที่เราสามารถเรียกได้อย่างถูกต้องโครงสร้าง พิจารณาโทโพโลยีในบริบทนี้การออกแบบทางเรขาคณิตระดับสูงของระบบการเรียนรู้ เมื่อความซับซ้อนเพิ่มขึ้นก็มักจะมีประโยชน์ในการแสดงโครงสร้างเหล่านี้เป็นโครงสร้างกราฟกำกับ แผนภาพสถานะและผลงานของมาร์คอฟเกี่ยวกับทฤษฎีเกมเป็นสองสถานที่ซึ่งมักใช้กราฟกำกับ กราฟกำกับมีจุดยอด (มักจะมองเห็นเป็นรูปร่างปิด) และขอบมักมองเห็นเป็นลูกศรที่เชื่อมต่อรูปร่าง นอกจากนี้เรายังสามารถเป็นตัวแทนของ GANs เป็นกราฟกำกับซึ่งผลลัพธ์ของแต่ละเน็ตไดรฟ์จะช่วยฝึกอบรมเรื่องอื่น ๆ ในลักษณะที่เป็นปฏิปักษ์ GANs คล้ายกับแถบMöbiusทอพอโลยี เราไม่สามารถค้นพบการออกแบบและสถาปัตยกรรมใหม่ ๆ โดยไม่เข้าใจไม่เพียง แต่คณิตศาสตร์ของการมาบรรจบกันบนทางออกที่ดีที่สุดหรือการติดตาม แต่ยังรวมถึงทอพอโลยีของการเชื่อมต่อเครือข่ายที่สามารถรองรับการบรรจบกัน มันเหมือนกับการพัฒนาตัวประมวลผลครั้งแรกในขณะที่จินตนาการถึงสิ่งที่ระบบปฏิบัติการต้องการก่อนที่จะเขียนระบบปฏิบัติการ หากต้องการดูว่าเราไม่ได้พิจารณาโทโพโลยีแบบใดเรามาดูกันว่ามีใครบ้าง ขั้นตอนที่หนึ่ง - การอัดขึ้นรูปในมิติที่สอง ในปี 1980 ความสำเร็จประสบความสำเร็จด้วยการขยายการออกแบบ perceptron ดั้งเดิม นักวิจัยได้เพิ่มมิติที่สองเพื่อสร้างเครือข่ายประสาทหลายชั้น การบรรจบกันอย่างมีเหตุผลนั้นเกิดขึ้นได้จากการย้อนกลับของการไล่ระดับของฟังก์ชันข้อผิดพลาดผ่านการไล่ระดับสีของฟังก์ชั่นการเปิดใช้งานซึ่งลดทอนโดยอัตราการเรียนรู้และชุบด้วย meta-parameters อื่น ๆ ขั้นตอนที่สอง - การเพิ่มมิติให้กับสัญญาณอินพุตแบบไม่ต่อเนื่อง เราเห็นการเกิดขึ้นของเครือข่าย …

12 convolutional-neural-networks  natural-language-processing  topology  graph-theory  structure 

ฉันอ่านThe Book of Why ของจูเดียเพิร์ลซึ่งเขากล่าวว่าการเรียนรู้อย่างลึกซึ้งเป็นเพียงแค่เทคโนโลยีการปรับโค้งที่ได้รับการยกย่องและจะไม่สามารถสร้างสติปัญญาของมนุษย์ได้ จากหนังสือของเขามีแผนภาพนี้ที่แสดงความสามารถทางปัญญาสามระดับ: แนวคิดก็คือ "ปัญญา" ที่ผลิตโดยเทคโนโลยีการเรียนรู้ลึกในปัจจุบันนั้นอยู่ในระดับของการเชื่อมโยงเท่านั้น ดังนั้น AI จึงไม่มีที่ไหนใกล้กับระดับของคำถามที่ถามเช่น "ฉันจะทำให้ Y เกิดขึ้นได้อย่างไร" (การแทรกแซง) และ "จะเกิดอะไรขึ้นถ้าฉันทำสิ่งที่แตกต่างไป (counterfactuals) และเป็นไปได้ยากที่เทคนิคการปรับโค้งจะทำให้เราเข้าใกล้ความสามารถทางปัญญาในระดับที่สูงขึ้น ฉันพบว่าเหตุผลของเขาโน้มน้าวใจในระดับสัญชาตญาณ แต่ฉันไม่สามารถหากฎหมายทางกายภาพหรือคณิตศาสตร์ที่สามารถหนุนหรือสงสัยในการโต้แย้งนี้ ดังนั้นมีข้อโต้แย้งทางวิทยาศาสตร์ / กายภาพ / เคมี / ชีวภาพ / คณิตศาสตร์ที่ป้องกันไม่ให้การเรียนรู้อย่างลึกซึ้งจากที่เคยผลิต AI ที่แข็งแกร่ง (ปัญญาเหมือนมนุษย์)?

12 deep-learning  strong-ai  math  theory  superintelligence 

ฉันยังใหม่กับเครือข่ายประสาทและฉันพยายามที่จะเข้าใจทางคณิตศาสตร์สิ่งที่ทำให้เครือข่ายประสาทดีในการจำแนกปัญหา โดยการใช้ตัวอย่างของโครงข่ายประสาทขนาดเล็ก (ตัวอย่างเช่นหนึ่งที่มี 2 อินพุต 2 โหนดในเลเยอร์ที่ซ่อนอยู่และ 2 โหนดสำหรับเอาท์พุท) สิ่งที่คุณมีคือฟังก์ชั่นที่ซับซ้อนที่เอาต์พุตซึ่ง sigmoid ส่วนใหญ่เป็นชุดเชิงเส้น ของ sigmoid ดังนั้นวิธีที่ทำให้พวกเขาดีในการทำนาย? ฟังก์ชั่นสุดท้ายนำไปสู่การปรับตัวของเส้นโค้งบางอย่าง?

12 neural-networks 

ข้อกำหนดเบื้องต้นทางคณิตศาสตร์สำหรับการทำความเข้าใจส่วนหลักของอัลกอริทึมในปัญญาประดิษฐ์และการพัฒนาอัลกอริทึมของตัวเองคืออะไร? โปรดแนะนำหนังสือที่เฉพาะเจาะจงให้ฉันดู

12 math  getting-started  academia 

มนุษย์สามารถทำงานหลายอย่างในเวลาเดียวกัน (เช่นการอ่านขณะฟังเพลง) แต่เราจดจำข้อมูลจากแหล่งที่เน้นน้อยที่มีประสิทธิภาพแย่กว่าที่เราทำจากจุดสนใจหลักหรืองานของเรา สิ่งนั้นมีอยู่ในกรณีของปัญญาประดิษฐ์หรือไม่? ยกตัวอย่างเช่นฉันสงสัยว่าเครือข่ายประสาทนั้นมีลักษณะดังกล่าว แต่ฉันอาจผิด

12 structured-data 

อัลกอริทึม Q-learning แบบมีตารางรับประกันว่าจะหาสิ่งที่ดีที่สุด QQQ ฟังก์ชั่น Q∗Q∗Q^*ให้เงื่อนไขต่อไปนี้ (เงื่อนไขRobbins-Monro ) เกี่ยวกับอัตราการเรียนรู้เป็นที่พอใจ ∑tαt(s,a)=∞∑tαt(s,a)=∞\sum_{t} \alpha_t(s, a) = \infty ∑tα2t(s,a)&lt;∞∑tαt2(s,a)&lt;∞\sum_{t} \alpha_t^2(s, a) < \infty ที่ไหน αt(s,a)αt(s,a)\alpha_t(s, a) หมายถึงอัตราการเรียนรู้ที่ใช้เมื่ออัปเดต QQQ ค่าที่เกี่ยวข้องกับรัฐ sss และการกระทำ aaa ในเวลาขั้นตอน tttที่ไหน 0≤αt(s,a)&lt;10≤αt(s,a)&lt;10 \leq \alpha_t(s, a) < 1 จะถือว่าเป็นจริงสำหรับทุกรัฐ sss และการกระทำ aaa. เห็นได้ชัดว่า 0≤αt(s,a)&lt;10≤αt(s,a)&lt;10 \leq \alpha_t(s, a) < 1เพื่อให้ทั้งสองเงื่อนไขเป็นจริงคู่การกระทำของรัฐทุกคนจะต้องเข้าชมอย่างไม่สิ้นสุดบ่อยครั้ง: นี่คือที่ระบุไว้ในหนังสือเสริมการเรียนรู้: การแนะนำนอกเหนือจากข้อเท็จจริงที่ว่านี้ควรเป็นที่รู้จักอย่างกว้างขวางและเป็นเหตุผล เบื้องหลังการใช้งานของϵϵ\epsilon- …

12 reinforcement-learning  q-learning  deep-rl  proofs  function-approximation 

ฉันรู้ว่าหนึ่งในแฟชั่นล่าสุดเมื่อเร็ว ๆ นี้คือการฝึกอบรมเครือข่ายประสาทเทียมเพื่อสร้างบทภาพยนตร์และตอนใหม่ ๆ เช่น Friends หรือ The Simpsons และมันก็ดี: มันน่าสนใจและอาจเป็นขั้นตอนแรกที่จำเป็นในการสร้างโปรแกรมที่สามารถสร้าง เรื่องที่สมเหตุสมผล / เข้าใจได้ ในบริบทนี้สามารถฝึกโครงข่ายประสาทเทียมโดยเฉพาะเพื่อศึกษาโครงสร้างของเรื่องราวหรือบทภาพยนตร์และอาจสร้างจุดพล็อตหรือขั้นตอนในการเดินทางของฮีโร่ ฯลฯ การเขียนโครงร่างเรื่องราวอย่างมีประสิทธิภาพ? สำหรับฉันสิ่งนี้แตกต่างจากเครื่องกำเนิดไฟฟ้าแบบพล็อตจุดจำนวนมากทางออนไลน์แม้ว่าฉันต้องยอมรับความคล้ายคลึงกัน ฉันแค่อยากรู้ว่าเทคโนโลยีหรือการนำไปใช้ยังมีอยู่หรือไม่และถ้าเป็นเช่นนั้นจะมีใครทำได้บ้าง

12 neural-networks  deep-learning  applications