คำถามติดแท็ก ai-design


2
ฉันจะเข้ารหัสโครงสร้างของเครือข่ายประสาทในจีโนมได้อย่างไร
สำหรับพื้นที่ปัญหาที่กำหนดขึ้นมาฉันต้องหาโครงข่ายประสาทเทียมที่มีโหนดและโครงสร้างลิงก์ที่ดีที่สุด ฉันต้องการใช้อัลกอริทึมทางพันธุกรรมเพื่อจำลองโครงข่ายประสาทหลายแห่งเพื่อค้นหาโครงสร้างเครือข่ายที่ดีที่สุดสำหรับโดเมนปัญหา ฉันไม่เคยใช้อัลกอริทึมทางพันธุกรรมสำหรับงานแบบนี้มาก่อน สิ่งที่ควรคำนึงถึงในทางปฏิบัติคืออะไร? โดยเฉพาะฉันจะเข้ารหัสโครงสร้างของโครงข่ายประสาทเทียมให้เป็นจีโนมได้อย่างไร

2
คุณลักษณะของปัญหา AI ทั้ง 7 นี้จะช่วยให้ฉันตัดสินใจเลือกวิธีการแก้ปัญหาได้อย่างไร
หากรายการนี้1สามารถใช้เพื่อจำแนกปัญหาใน AI ... ถอดรหัสปัญหาที่เล็กลงหรือง่ายขึ้น ขั้นตอนการแก้ปัญหาสามารถถูกละเว้นหรือเลิกทำ จักรวาลปัญหาที่คาดการณ์ได้ ทางออกที่ดีชัดเจน ใช้ฐานความรู้ที่สอดคล้องกันภายใน ต้องการความรู้มากมายหรือใช้ความรู้เพื่อ จำกัด การแก้ปัญหา ต้องมีการโต้ตอบเป็นระยะระหว่างมนุษย์และคอมพิวเตอร์ ... มีความสัมพันธ์ที่ยอมรับกันโดยทั่วไประหว่างการวางปัญหาตามมิติเหล่านี้และอัลกอริทึม / แนวทางที่เหมาะสมในการแก้ปัญหาหรือไม่ อ้างอิง [1] https://images.slideplayer.com/23/6911262/slides/slide_4.jpg

1
เมื่อใดที่ฉันควรใช้การเรียนรู้เสริมแรงเทียบกับการควบคุมแบบ PID
เมื่อออกแบบวิธีการแก้ปัญหาเช่น Lunar Lander บนOpenAIGymการเรียนรู้การเสริมแรงเป็นวิธีการล่อลวงให้ตัวแทนควบคุมการกระทำที่เพียงพอเพื่อที่จะประสบความสำเร็จในการลงจอด แต่อินสแตนซ์ใดบ้างที่อัลกอริทึมของระบบควบคุมเช่นตัวควบคุม PIDจะทำงานได้อย่างเพียงพอหากไม่ดีกว่าการเสริมแรงการเรียนรู้ คำถามเช่นนี้ทำหน้าที่ได้ดีในการจัดการกับทฤษฎีของคำถามนี้ แต่ทำเพียงเล็กน้อยที่จะกล่าวถึงส่วนประกอบที่ใช้งานได้จริง ในฐานะวิศวกรด้านปัญญาประดิษฐ์องค์ประกอบของโดเมนปัญหาควรแนะนำให้ฉันรู้ว่าตัวควบคุม PID ไม่เพียงพอที่จะแก้ปัญหาและอัลกอริทึมการเรียนรู้การเสริมกำลังควรใช้แทน (หรือในทางกลับกัน)

2
รถยนต์ที่ขับด้วยตนเองใช้วิธีสุ่มเลือกเพื่อทำการตัดสินใจหรือไม่?
ฉันเพิ่งได้ยินว่ามีคนบอกว่าเมื่อคุณออกแบบรถขับเองคุณไม่ได้สร้างรถ แต่เป็นคนขับทางคอมพิวเตอร์จริงๆดังนั้นคุณกำลังพยายามสร้างแบบจำลองจิตใจมนุษย์อย่างน้อยก็เป็นส่วนหนึ่งของ จิตใจมนุษย์ที่สามารถขับเคลื่อนได้ เนื่องจากมนุษย์ไม่อาจคาดการณ์ได้หรือเนื่องจากการกระทำของพวกเขาขึ้นอยู่กับปัจจัยหลายอย่างซึ่งบางอย่างจะยังคงไม่สามารถอธิบายได้เป็นเวลานานรถขับเคลื่อนด้วยตนเองจะสะท้อนสิ่งนั้นอย่างไรถ้าพวกเขาทำ? ปริมาณของความไม่แน่นอนอาจมีประโยชน์ ถ้าพูดว่ารถที่ขับด้วยตนเองสองคันติดอยู่ในทางตันมันอาจเป็นการดีถ้าฉีดแบบสุ่มแทนที่จะเห็นการกระทำแบบเดียวกันในเวลาเดียวกันถ้ารถวิ่งด้วยระบบเดียวกัน แต่ในทางกลับกันเรารู้ว่าผู้ที่ไม่ได้กำหนดขึ้นไม่ใช่เพื่อนกับการพัฒนาซอฟต์แวร์โดยเฉพาะในการทดสอบ วิศวกรจะสามารถควบคุมและให้เหตุผลได้อย่างไร

1
มาตราส่วน "คอมพิวเตอร์นิวรัลนิฟท์" ใหม่ของ Deepmind จะเป็นอย่างไร
Deepmind เผยแพร่เพียงกระดาษเกี่ยวกับ"คอมพิวเตอร์ประสาทอนุพันธ์"ซึ่งโดยทั่วไปรวมโครงข่ายประสาทเทียมที่มีหน่วยความจำ ความคิดคือการสอนเครือข่ายประสาทเทียมเพื่อสร้างและเรียกคืนความทรงจำที่ชัดเจนที่มีประโยชน์สำหรับงานบางอย่าง สิ่งนี้จะช่วยเสริมความสามารถของโครงข่ายประสาทเทียมได้ดีเนื่องจาก NNs เก็บความรู้ไว้เฉพาะในน้ำหนักและข้อมูลที่ใช้ในการทำงานในภารกิจเดียวนั้นจะถูกเก็บไว้ในการเปิดใช้งานเครือข่ายเท่านั้น ( LSTMsเป็นหนึ่งพยายามที่จะชะลอความเสื่อมของความทรงจำระยะสั้น แต่มันก็ยังเกิดขึ้น) ตอนนี้แทนที่จะเก็บข้อมูลที่จำเป็นในการเปิดใช้งานพวกเขาน่าจะเก็บที่อยู่ของช่องเสียบหน่วยความจำสำหรับข้อมูลเฉพาะในการเปิดใช้งานดังนั้นสิ่งเหล่านี้ควรอยู่ภายใต้การย่อยสลาย คำถามของฉันคือเหตุผลที่วิธีการนี้ควรปรับขนาด ไม่ควรมีข้อมูลเฉพาะจำนวนงานที่ค่อนข้างสูงกว่าความสามารถของเครือข่ายในการรักษาที่อยู่ของสล็อตหน่วยความจำที่เหมาะสมทั้งหมดในการเปิดใช้งาน

1
ออกแบบ AI สำหรับการวิเคราะห์ไฟล์บันทึก
ฉันกำลังพัฒนาเครื่องมือ AI เพื่อค้นหาข้อผิดพลาดของอุปกรณ์ที่รู้จักและค้นหารูปแบบของความล้มเหลวใหม่ ล็อกไฟล์นี้เป็นไปตามเวลาและมีข้อความที่รู้จัก (ข้อมูลและข้อผิดพลาด) ฉันกำลังใช้ไลบรารี JavaScript เหตุการณ์จะลดลงเพื่อแสดงข้อมูลในแบบที่นุ่มนวล รูปแบบและค้นหารูปแบบที่เป็นไปได้ใหม่ ฉันมีข้อกำหนดบางอย่าง: 1 - เครื่องมือจะต้องเป็น ไม่มีการพึ่งพาการติดตั้งสภาพแวดล้อมพิเศษหรือ b ยิ่งน้อยยิ่งดี (สถานการณ์ที่สมบูรณ์แบบคือการเรียกใช้เครื่องมือทั้งหมดบนเบราว์เซอร์ในโหมดสแตนด์อโลน); 2 - ความเป็นไปได้ที่จะทำให้ตัววิเคราะห์รูปแบบมีการแยกส่วนชนิดของโมดูลหนึ่งโมดูลต่อข้อผิดพลาด; อัลกอริทึมชนิดที่แนะนำในการทำสิ่งนี้คืออะไร (โครงข่ายประสาทเทียมอัลกอริทึมพันธุกรรม ฯลฯ ) มีบางอย่างในการใช้งาน JavaScript ใช่ไหม ถ้าไม่ใช่ภาษาที่ดีที่สุดในการทำ AI นี้คืออะไร?


1
AI ที่สามารถสร้างโปรแกรม
ฉันได้มองหาตัวแทนที่ชาญฉลาดของVivในการพัฒนา ตามสิ่งที่ฉันเข้าใจ AI นี้สามารถสร้างรหัสใหม่และเรียกใช้งานโดยยึดตามแบบสอบถามจากผู้ใช้ สิ่งที่ฉันอยากรู้คือ AI นี้สามารถเรียนรู้การสร้างรหัสตามแบบสอบถามได้อย่างไร อัลกอริธึมการเรียนรู้ของเครื่องจักรชนิดใดที่เกี่ยวข้องในกระบวนการนี้ สิ่งหนึ่งที่ฉันพิจารณาคือการทำลายชุดข้อมูลของโปรแกรมทีละขั้นตอน ตัวอย่างเช่น: รหัสที่จะใช้ค่าเฉลี่ยของ 5 คำ 1 - เพิ่มทั้ง 5 คำด้วยกัน 2 - หารด้วย 5 จากนั้นฉันจะฝึกอัลกอริทึมให้แปลงข้อความเป็นรหัส นั่นคือเท่าที่ฉันได้คิดออก ยังไม่ได้ลองอะไรเลยเพราะฉันไม่แน่ใจว่าจะเริ่มที่ไหนดี ใครมีความคิดเห็นเกี่ยวกับวิธีการใช้ Viv? นี่คือการสาธิตของ Viv

6
การติดตามสถานะของผู้เยี่ยมชมในการค้นหาความกว้าง - แรก
ดังนั้นฉันจึงพยายามนำ BFS ไปใช้กับตัวต่อSlide Blocks (ประเภทตัวเลข) ตอนนี้สิ่งสำคัญที่ฉันสังเกตเห็นคือถ้าคุณมี4*4คณะกรรมการจำนวนของรัฐสามารถมีขนาดใหญ่เป็น16!ดังนั้นฉันไม่สามารถระบุทุกรัฐล่วงหน้า ดังนั้นคำถามของฉันคือฉันจะติดตามรัฐที่เยี่ยมชมแล้วได้อย่างไร (ฉันกำลังใช้บอร์ดระดับแต่ละอินสแตนซ์ของชั้นเรียนมีรูปแบบกระดานที่ไม่ซ้ำกันและสร้างขึ้นโดยการระบุขั้นตอนที่เป็นไปได้ทั้งหมดจากขั้นตอนปัจจุบัน) ฉันค้นหาบนเน็ตและเห็นได้ชัดว่าพวกเขาไม่กลับไปยังขั้นตอนก่อนหน้าที่เพิ่งเสร็จสมบูรณ์แต่เราสามารถกลับไปยังขั้นตอนก่อนหน้าโดยเส้นทางอื่นด้วยเช่นกันจากนั้นระบุขั้นตอนทั้งหมดที่เคยเยี่ยมชมอีกครั้ง ดังนั้นวิธีการติดตามของรัฐที่เยี่ยมชมเมื่อทุกรัฐไม่ได้รับการระบุแล้ว? (การเปรียบเทียบสถานะปัจจุบันที่มีอยู่แล้วกับขั้นตอนปัจจุบันจะมีค่าใช้จ่ายสูง)

4
ภาษาอังกฤษทั่วไปสามารถใช้ชุดของกฎไวยากรณ์ได้หรือไม่?
ในภาษาการเขียนโปรแกรมมีชุดของกฎไวยากรณ์ที่ควบคุมการสร้างคำสั่งที่ถูกต้องและการแสดงออก กฎเหล่านี้ช่วยในการแยกวิเคราะห์โปรแกรมที่เขียนโดยผู้ใช้ สามารถมีชุดของกฎไวยากรณ์ที่สมบูรณ์แบบที่ใช้งานได้ซึ่งสามารถแยกคำสั่งเป็นภาษาอังกฤษ (เฉพาะโลแคล) ได้อย่างถูกต้องและสามารถนำไปใช้เพื่อใช้ในโครงการที่ใช้ AI ได้หรือไม่? ฉันรู้ว่ามีชุดเครื่องมือ NLP ออนไลน์มากมาย แต่ไม่มีประสิทธิภาพ ส่วนใหญ่ได้รับการฝึกอบรมโดยใช้อวัยวะเฉพาะซึ่งบางครั้งไม่สามารถอนุมานความสัมพันธ์ที่ซับซ้อนระหว่างส่วนต่าง ๆ ของการแสดงออก สิ่งที่ฉันขอคือถ้าเป็นไปได้ที่คอมพิวเตอร์จะแยกประโยคที่รอบรู้ที่เขียนเป็นภาษาอังกฤษราวกับว่ามันถูกแยกวิเคราะห์โดยมนุษย์ที่พูดภาษาอังกฤษผู้ใหญ่ แก้ไข: ถ้ามันไม่สามารถแสดงโดยใช้กฎไวยากรณ์ง่าย ๆ , โครงสร้างความหมายประเภทใดที่สามารถใช้ในการสรุปมันได้? EDIT2: บทความนี้พิสูจน์การขาดบริบทในภาษาธรรมชาติ ฉันกำลังมองหาวิธีแก้ปัญหาแม้ว่ามันซับซ้อนเกินไป

1
การเปรียบเทียบมีความจำเป็นสำหรับปัญญาประดิษฐ์ทั่วไปหรือไม่?
การสื่อสารค่อนข้างมีพลังในการสื่อสาร พวกเขาอนุญาตให้อธิบายแนวคิดที่ซับซ้อนให้กับผู้ที่ไม่มีความรู้ด้านโดเมนเพียงแค่ทำการจับคู่กับโดเมนที่รู้จัก Hofstadter กล่าวว่าพวกเขาสำคัญขณะที่ Dijkstra บอกว่าพวกเขาอันตราย อย่างไรก็ตามอุปมาสามารถมองเห็นเป็นวิธีที่มีประสิทธิภาพในการถ่ายโอนแนวคิดในการสื่อสารของมนุษย์ (ผมกล้าพูดว่าการเรียนรู้การถ่ายโอน ?) ฉันรับรู้ถึงงานดั้งเดิมเช่นการให้เหตุผลตามกรณีแต่ไม่มีงานล่าสุดเกี่ยวกับกลไกการเปรียบเทียบใน AI มีความเห็นพ้องต้องกันว่า AGIS นั้นมีความจำเป็นหรือไม่และมีความสำคัญอย่างไร โปรดพิจารณาสำรองคำตอบของคุณด้วยงานที่เป็นรูปธรรมหรือสิ่งตีพิมพ์

3
ฉันต้องการการจำแนกประเภทหรือการถดถอยเพื่อทำนายความพร้อมใช้งานของผู้ใช้ที่กำหนดคุณสมบัติบางอย่างหรือไม่?
ขณะศึกษาวิธีการขุดข้อมูลฉันได้เข้าใจว่ามีสองประเภทหลัก: วิธีการทำนาย: การจัดหมวดหมู่ การถอยหลัง วิธีการบรรยาย: การจัดกลุ่ม กฎการเชื่อมโยง เนื่องจากฉันต้องการทำนายความพร้อมใช้งานของผู้ใช้ (ผลลัพธ์) ตามสถานที่ตั้งกิจกรรมระดับแบตเตอรี่ (อินพุตสำหรับแบบจำลองการฝึกอบรม) ฉันคิดว่ามันชัดเจนว่าฉันจะเลือก "วิธีการทำนาย" แต่ตอนนี้ฉันไม่สามารถเลือกได้ระหว่าง การจำแนกและการถดถอย จากสิ่งที่ฉันเข้าใจในตอนนี้การจำแนกประเภทสามารถแก้ปัญหาของฉันได้เนื่องจากผลลัพธ์คือ "พร้อมใช้" หรือ "ไม่พร้อมใช้" การจำแนกประเภทสามารถให้ความน่าจะเป็น (หรือความน่าจะเป็น) แก่ผู้ใช้ได้หรือไม่? ในเอาต์พุตไม่เพียงแค่ 0 (ไม่พร้อมใช้งาน) หรือ 1 (สำหรับว่าง) แต่มันเป็นดังนี้: 80 %80%80\% ใช้ได้ 20 %20%20\% ไม่ว่าง ปัญหานี้สามารถแก้ไขได้ด้วยการถดถอยหรือไม่ ฉันได้รับการถดถอยที่ใช้สำหรับการส่งออกอย่างต่อเนื่อง (ไม่เพียง 0 หรือ 1 เอาท์พุท) แต่ไม่สามารถเอาท์พุทเป็นค่าต่อเนื่องของความพร้อมใช้งานของผู้ใช้ (เช่นเอาท์พุทเป็น 808080 ความหมายของผู้ใช้คือ 80%80%80\% ที่มีอยู่โดยนัยผู้ใช้คือ 20%20%20\% สามารถใช้งานได้)
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.