Sztuczna inteligencja

Pytania i odpowiedzi dla osób zainteresowanych pytaniami koncepcyjnymi na temat życia i wyzwań w świecie, w którym funkcje "poznawcze" można naśladować w środowisku czysto cyfrowym

4
Co to jest dynamiczny wykres obliczeniowy?
Struktury takie jak PyTorch i TensorFlow poprzez TensorFlow Fold obsługują dynamiczne wykresy obliczeniowe i zwracają uwagę naukowców zajmujących się danymi. Wydaje się jednak, że brakuje zasobów, które mogłyby pomóc w zrozumieniu dynamicznych wykresów obliczeniowych. Wydaje się, że zaletą dynamicznych wykresów obliczeniowych jest możliwość dostosowania się do zmiennych ilości danych wejściowych. …
2
Problemy, które tylko ludzie będą w stanie rozwiązać
Przy rosnącej złożoności reCAPTCHA zastanawiałem się nad istnieniem jakiegoś problemu, który tylko człowiek będzie w stanie rozwiązać (lub że AI nie będzie w stanie rozwiązać, dopóki nie odtworzy dokładnie ludzkiego mózgu) . Na przykład zniekształcony tekst był kiedyś możliwy do rozwiązania tylko przez ludzi. Mimo że... Komputer uzyskał teraz test …
1
Czy test Lovelace 2.0 był z powodzeniem stosowany w środowisku akademickim?
W październiku 2014 r. Dr Mark Riedl opublikował podejście do testowania inteligencji AI, zwane „Testem Lovelace 2.0” , po zainspirowaniu oryginalnym testem Lovelace (opublikowanym w 2001 r.). Mark uważał, że oryginalny test Lovelace'a nie będzie mógł przejść pomyślnie, dlatego zasugerował słabszą i bardziej praktyczną wersję. Test Lovelace 2.0 zakłada, że …
7
Jeśli wartości cyfrowe są jedynie szacunkami, dlaczego nie powrócić do analogu dla AI?
Impulsem do przejścia w XX wieku z obwodów analogowych na cyfrowe był napędzany pragnieniem większej dokładności i niższego szumu. Teraz opracowujemy oprogramowanie, w którym wyniki są przybliżone, a hałas ma wartość dodatnią. W sztucznych sieciach używamy gradientów (Jakobian) lub modeli drugiego stopnia (Hessian) do oszacowania kolejnych kroków w zbieżnym algorytmie …
3
Jaka jest różnica między Konwolucyjną siecią neuronową a zwykłą siecią neuronową?
Widziałem te warunki rzucony wokół tego miejsca dużo, szczególnie w znacznikach splotu-neuronowe sieciami i neuronowe sieciami . Wiem, że sieć neuronowa to system oparty luźno na ludzkim mózgu. Ale jaka jest różnica między Konwolucyjną siecią neuronową a zwykłą siecią neuronową? Czy ktoś jest o wiele bardziej skomplikowany i ... skomplikowane …
3
Czy istnieją jakieś modele obliczeniowe neuronów lustrzanych?
Z Wikipedii: Neuron lustrzany to neuron, który strzela zarówno wtedy, gdy zwierzę działa, jak i gdy zwierzę obserwuje to samo działanie, które wykonuje inny. Lustrzane neurony są związane z uczeniem się imitacji, bardzo przydatną funkcją, której brakuje w obecnych rzeczywistych implementacjach AI. Zamiast uczyć się na przykładach nakładów-wyników (nauka nadzorowana) …
1
Czy maszyna Boltzmann może przechowywać więcej wzorów niż siatka Hopfield?
Pochodzi z zamkniętej wersji beta AI, z tym pytaniem wysłanym przez użytkownika o numerze 47. Wszystkie podziękowania dla nich. Według Wikipedii , Maszyny Boltzmanna można postrzegać jako stochastyczny, generatywny odpowiednik sieci Hopfield. Obie są rekurencyjnymi sieciami neuronowymi, które można wyszkolić w zakresie uczenia się wzorów bitowych. Następnie, gdy zostanie przedstawiony …
2
Czy Prolog jest nadal używany w AI?
Według Wikipedii , Prolog jest uniwersalnym językiem programowania logiki powiązanym ze sztuczną inteligencją i językoznawstwem obliczeniowym. Czy nadal jest używany do AI? Jest to oparte na pytaniu dotyczącym zamkniętej wersji beta 2014. Autor miał UID 330.
3
Dlaczego OCR nie może być postrzegany jako dobry przykład sztucznej inteligencji?
Na stronie wikipedii o AI możemy przeczytać: Optyczne rozpoznawanie znaków nie jest już postrzegane jako przykład „sztucznej inteligencji”, która stała się rutynową technologią. Z drugiej strony baza danych odręcznych cyfr MNIST jest specjalnie zaprojektowana do szkolenia i testowania sieci neuronowych i ich poziomów błędów (patrz: klasyfikatory ). Dlaczego więc powyższy …
17 ocr 
3
Zrozumienie funkcji utraty GAN
Usiłuję zrozumieć funkcję utraty GAN przedstawioną w Understanding Generative Adversarial Networks (post na blogu napisany przez Daniela Seity). W standardowej stracie entropijnej mamy wyjście, które zostało przepuszczone przez funkcję sigmoidalną i wynikową klasyfikację binarną. Stwierdza Sieta Zatem dla [każdego] punktu danych x1x1x_1 i jego etykiety otrzymujemy następującą funkcję utraty ... …
1
Różnice między technikami propagacji zwrotnej
Dla zabawy próbuję rozwinąć sieć neuronową. Teraz dla propagacji wstecznej widziałem dwie techniki. Pierwszy jest używany tutaj i w wielu innych miejscach. Co to robi: Oblicza błąd dla każdego neuronu wyjściowego. Propaguje go z powrotem do sieci (obliczając błąd dla każdego wewnętrznego neuronu). Aktualizuje wagi za pomocą wzoru: (gdzie jest …
4
Problemy i alternatywy dla metod głębokiego uczenia się?
W ciągu ostatnich 50 lat wzrost / spadek / wzrost popularności sieci neuronowych działał jako coś w rodzaju „barometru” badań AI. Z pytań na tej stronie jasno wynika, że ​​ludzie są zainteresowani zastosowaniem głębokiego uczenia się (DL) do szerokiej gamy trudnych problemów. Mam zatem dwa pytania: Praktycy - Jakie są …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.