คำถามติดแท็ก research

ฉันเคยได้ยินมาก่อนจากนักวิทยาศาสตร์คอมพิวเตอร์และนักวิจัยในพื้นที่ของ AI ว่า Lisp เป็นภาษาที่ดีสำหรับการวิจัยและพัฒนาปัญญาประดิษฐ์ สิ่งนี้ยังใช้ได้หรือไม่กับการเพิ่มจำนวนของโครงข่ายประสาทและการเรียนรู้ที่ลึก อะไรคือเหตุผลของพวกเขาสำหรับเรื่องนี้? ระบบการเรียนรู้แบบลึกในปัจจุบันมีภาษาอะไรในปัจจุบัน

30 neural-networks  machine-learning  deep-learning  research  programming-languages 

ฉันกำลังพยายามหางานวิจัยที่มีอยู่เกี่ยวกับวิธีเลือกจำนวนเลเยอร์ที่ซ่อนอยู่และขนาดของ RNN ที่ใช้ LSTM มีบทความที่ตรวจสอบปัญหานี้หรือไม่เช่นเซลล์หน่วยความจำควรใช้เท่าไร? ฉันคิดว่ามันทั้งหมดขึ้นอยู่กับแอปพลิเคชันและในบริบทที่มีการใช้แบบจำลอง แต่งานวิจัยบอกว่าอย่างไร

28 neural-networks  machine-learning  research  recurrent-neural-networks  lstm 

การระบุการเสียดสีถือเป็นปัญหาปลายเปิดที่ยากที่สุดในโดเมนของ ML และ NLP ดังนั้นมีการวิจัยจำนวนมากที่ทำในหน้านั้น? ถ้าใช่แล้วความแม่นยำเป็นอย่างไร โปรดอธิบายโมเดล NLP โดยย่อด้วย

17 natural-language-processing  research  semantics 

มีทีมวิจัยที่พยายามสร้างหรือสร้างหุ่นยนต์ AI ที่สามารถใกล้เคียงกับความฉลาดเหมือนที่พบในEx MachinaหรือI,ภาพยนตร์หุ่นยนต์หรือไม่? ฉันไม่ได้พูดถึงการตระหนักรู้อย่างถ่องแท้ แต่สิ่งประดิษฐ์ที่สามารถตัดสินใจได้เองและงานทางกายภาพและทางปัญญาที่มนุษย์สามารถทำได้?

13 research  agi  robots 

ฉันกำลังพยายามหาวิธีการวางแผนเพื่อแก้ปัญหาที่พยายามทำแบบจำลองการเรียนรู้ของวัสดุใหม่ เราคิดว่าเรามีแหล่งข้อมูลเพียงแหล่งเดียวเช่น Wikipedia ซึ่งมีรายการบทความที่แสดงเป็นเวกเตอร์ของความรู้ที่มีอยู่และความพยายามในการอ่านบทความนั้น เวกเตอร์ความรู้และความพยายาม ก่อนที่เราจะเริ่มเราตั้งขนาดของเวกเตอร์ขึ้นอยู่กับจำนวนความรู้ประเภทต่างๆ ตัวอย่างเช่นเราสามารถกำหนดรายการในเวกเตอร์ที่จะเป็น(algebra, geometry, dark ages)แล้ว 'วัด' บทความทั้งหมดจากมุมมองนี้ ดังนั้นบทความทางคณิตศาสตร์น่าจะเป็น(5,7,0)เพราะมันจะพูดถึงพีชคณิตและเรขาคณิตเป็นจำนวนมาก แต่ไม่เกี่ยวกับยุคมืด นอกจากนี้ยังจะมีความพยายามในการอ่านซึ่งเป็นเพียงจำนวนเต็ม ปัญหา จากบทความทั้งหมด (แสดงเป็นเวกเตอร์ความรู้ด้วยความพยายาม) เราต้องการค้นหาชุดบทความที่ดีที่สุดที่ช่วยให้เราไปถึงเป้าหมายความรู้ (หรือเป็นเวกเตอร์) ดังนั้นเป้าหมายความรู้อาจเป็นไปได้(4,4,0)และก็เพียงพอที่จะอ่านบทความ(2,1,0)และ(2,3,0)เนื่องจากเมื่อเพิ่มเข้ามามันจึงรวมเข้ากับเป้าหมายความรู้ เราต้องการที่จะทำเช่นนี้กับความพยายามน้อยที่สุด คำถาม ฉันลองใช้ฮิวริสติกส์เพื่อหาค่าประมาณ แต่ฉันสงสัยว่ามีวิธีการวางแผนกลยุทธ์ที่ทันสมัยที่สามารถใช้แทนได้หรือไม่?

11 research  heuristics  knapsack-problem 

ฉันกำลังค้นคว้าการคำนวณทางอารมณ์ โดยเฉพาะอย่างยิ่งฉันกำลังศึกษาส่วนของการรับรู้อารมณ์เช่นงานของการรับรู้อารมณ์ความรู้สึกที่ผู้ใช้รู้สึก / เรื่อง ตัวอย่างเช่นImpactivaสามารถใช้ในการนี้ ฉันมีความกังวลไม่ได้อยู่ในความถูกต้องของแบบจำลองเหล่านี้ แต่ในสิ่งที่เราจะทำกับพวกเขา สิ่งที่เกี่ยวกับการตอบสนองต่ออารมณ์? คอมพิวเตอร์จะสามารถเข้าใจอารมณ์ของผู้ใช้ได้หรือไม่

11 neural-networks  research  learning-algorithms 

ในฐานะนักเรียนที่ต้องการทำงานเกี่ยวกับการเรียนรู้ของเครื่องจักรฉันต้องการทราบว่าเป็นไปได้อย่างไรที่จะเริ่มการศึกษาของฉันและวิธีการติดตามเพื่อให้ทันสมัย ตัวอย่างเช่นฉันยินดีที่จะแก้ไขปัญหา RL และ MAB แต่มีบทความมากมายในหัวข้อเหล่านี้ นอกจากนี้หัวข้อเหล่านี้ยังได้รับการศึกษาโดยนักวิจัยจากชุมชนต่าง ๆ เช่น AI และ ML, การวิจัยการดำเนินงาน, วิศวกรรมการควบคุม, สถิติและฉันคิดว่ามีการตีพิมพ์บทความจำนวนมากในหัวข้อเหล่านี้ทุกสัปดาห์ซึ่งทำให้ยากต่อการติดตาม ฉันจะขอบคุณถ้าใครสามารถแนะนำแผนที่ถนนเพื่อเริ่มศึกษาหัวข้อเหล่านี้ติดตามพวกเขาและฉันควรเลือกและศึกษาเอกสารเผยแพร่ใหม่ ๆ ได้อย่างไร ในที่สุดฉันยินดีที่จะทราบแนวโน้มใหม่ในปัญหา RL และ MAB

11 machine-learning  reinforcement-learning  research  markov-decision-process 

ฉันกำลังอ่านเกี่ยวกับJohn McCarthyและวิสัยทัศน์ดั้งเดิมของปัญญาประดิษฐ์ สำหรับฉันดูเหมือนว่าเขาจะไม่ค่อยชอบทรัพยากรมากนัก (เช่นเวลาและเงิน) ที่ใช้ในการทำให้ AIs เล่นเกมเช่นหมากรุก เขาต้องการให้ความสำคัญกับการผ่านการทดสอบของทัวริงและ AIs เพื่อเลียนแบบพฤติกรรมของมนุษย์ ฉันได้อ่านบทความมากมายเกี่ยวกับ บริษัท ใหญ่ ๆ เช่น IBM, Google และอื่น ๆ ใช้เงินหลายล้านดอลลาร์เพื่อทำให้ AIs เล่นเกมเช่น Chess, Go และอื่น ๆ ธรรมนี้มีขอบเขตเท่าใด?

10 research  game-theory  chess 

มีเทคนิคใด ๆ ที่ทันสมัยในการสร้างตัวอักษร CAPTCHA (ดังนั้นผู้คนจำเป็นต้องพิมพ์ข้อความที่ถูกต้อง) ซึ่งสามารถหลอก AIได้อย่างง่ายดายด้วยวิธีการทำให้งงที่มองเห็นได้ แต่ในเวลาเดียวกันมนุษย์สามารถแก้ไขได้โดยไม่ต้องดิ้นรน? ตัวอย่างเช่นฉันกำลังพูดถึงความสามารถในการจดจำข้อความที่ฝังอยู่ในรูปภาพ (โดยไม่พิจารณาปลั๊กอินภายนอกใด ๆ เช่นแฟลชหรือจาวาการจำแนกภาพ ฯลฯ ) และพิมพ์ข้อความที่เขียนหรือคล้ายกันอีกครั้ง ฉันเดาว่าการเพิ่มเสียงการไล่ระดับสีการหมุนตัวอักษรหรือการเปลี่ยนสีไม่ใช่วิธีที่เชื่อถือได้อีกต่อไปเพราะมันอาจจะแตกได้อย่างรวดเร็ว มีข้อเสนอแนะหรือการวิจัยใดบ้าง?

10 image-recognition  research  ocr 

Deep Mind ได้เผยแพร่ผลงานมากมายเกี่ยวกับการเรียนรู้อย่างลึกซึ้งในช่วงหลายปีที่ผ่านมาซึ่งส่วนใหญ่เป็นงานที่ล้ำสมัยเกี่ยวกับงานที่เกี่ยวข้อง แต่งานชิ้นนี้ได้รับการตีพิมพ์ซ้ำอีกครั้งโดยชุมชน AI ตัวอย่างเช่นกระดาษ Neural Turing Machine ดูเหมือนว่าจะทำซ้ำได้ยากมาก

9 neural-networks  deep-learning  research