Sztuczna inteligencja

2

Czy samochody samojezdne podejmują decyzje na podstawie losowości?

Niedawno usłyszałem, jak ktoś oświadczył, że projektując samochód z własnym napędem, nie budujesz samochodu, ale tak naprawdę skomputeryzowanego kierowcę, więc próbujesz modelować ludzki umysł - przynajmniej część ludzki umysł, który potrafi prowadzić. Ponieważ ludzie są nieprzewidywalni, a raczej dlatego, że ich działania zależą od tak wielu czynników, z których niektóre …

12 ai-design autonomous-vehicles

4

Jakie są taktyki rozpoznawania sztucznie wytworzonych mediów?

Wraz z rosnącą zdolnością do taniego tworzenia fałszywych zdjęć, fałszywych zgryzów i fałszywych filmów staje się coraz większy problem z rozpoznaniem, co jest prawdziwe, a co nie. Nawet teraz widzimy wiele przykładów aplikacji, które tworzą fałszywe media za niewielką opłatą (patrz Deepfake , FaceApp itp.). Oczywiście, jeśli te aplikacje są …

12 machine-learning image-recognition pattern-recognition deepfakes

3

Jak obliczyć strukturalne podobieństwo zdań?

Pracuję nad problemem, w którym muszę ustalić, czy dwa zdania są podobne, czy nie. Zaimplementowałem rozwiązanie wykorzystujące algorytm BM25 i zestawy słowników do określania podobieństwa składniowego i semantycznego. Rozwiązanie działa poprawnie i nawet jeśli kolejność słów w zdaniach jest pomieszana, to mierzy się, że dwa zdania są podobne. Na przykład …

12 natural-language-processing python

4

Co motywuje maszynę?

Obecnie w dziedzinie rozwoju AI wydaje się, że główny nacisk kładziony jest na rozpoznawanie wzorców i uczenie maszynowe. Uczenie się polega na dostosowywaniu zmiennych wewnętrznych na podstawie pętli sprzężenia zwrotnego. Hierarchia potrzeb Maslowa jest teorią w psychologii zaproponowaną przez Abrahama Maslowa, która twierdzi, że najbardziej podstawowe potrzeby jednostek muszą zostać …

12 philosophy strong-ai rewards

2

Jak działają generatywne sieci przeciwne?

Czytam o generatywnych sieciach przeciwnych (GAN) i mam co do tego pewne wątpliwości. Jak dotąd rozumiem, że w GAN istnieją dwa różne typy sieci neuronowych: jedna jest generatywna ( GGG ), a druga dyskryminacyjna ( DDD ). Generacyjna sieć neuronowa generuje pewne dane, które dyskryminacyjna sieć neuronowa ocenia pod kątem …

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

1

Jak wyglądałaby nowa „zróżnicowalny komputer neuronowy” Deepminda?

Deepmind właśnie opublikował artykuł o „różniczkowalnym komputerze neuronowym” , który zasadniczo łączy sieć neuronową z pamięcią . Chodzi o to, aby nauczyć sieć neuronową tworzenia i przywoływania użytecznych, wyraźnych wspomnień dla określonego zadania. Uzupełnia to możliwości sieci neuronowej, ponieważ sieci NN przechowują wiedzę niejawnie tylko w wagach, a informacje używane …

12 deep-learning ai-design

6

Czy metody wyczerpującego wyszukiwania uważa się za sztuczną inteligencję?

Niektóre programy wyszukują wyczerpująco rozwiązania, podczas gdy inne wyszukują heurystycznie podobne odpowiedzi. Na przykład w szachach poszukiwanie najlepszego następnego ruchu jest z natury bardziej wyczerpujące, podczas gdy w Go poszukiwanie najlepszego następnego ruchu ma z reguły bardziej heurystyczny charakter ze względu na znacznie większą przestrzeń poszukiwań. Czy technikę brutalnej siły …

12 gaming search chess heuristics

1

Dlaczego DQN wymaga dwóch różnych sieci?

Przechodziłem przez tę implementację DQN i widzę, że na linii 124 i 125 zainicjowano dwie różne sieci Q. Z mojego zrozumienia, myślę, że jedna sieć przewiduje odpowiednie działanie, a druga sieć przewiduje docelowe wartości Q dla znalezienia błędu Bellmana. Dlaczego nie możemy stworzyć jednej sieci, która po prostu przewiduje wartość …

12 reinforcement-learning q-learning dqn

3

Jakie topologie są w dużej mierze niezbadane w uczeniu maszynowym? [Zamknięte]

Zamknięte . To pytanie musi być bardziej skoncentrowane . Obecnie nie przyjmuje odpowiedzi. Chcesz poprawić to pytanie? Zaktualizuj pytanie, aby skupiało się tylko na jednym problemie, edytując ten post . Zamknięte w zeszłym miesiącu . Geometria i AI Macierze, kostki, warstwy, stosy i hierarchie są tym, co moglibyśmy dokładnie nazwać …

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

2

Czy istnieje jakikolwiek argument naukowy / matematyczny, który uniemożliwia głębokiemu uczeniu się tworzenie silnej sztucznej inteligencji?

Przeczytałem „ Księgę powodu” Judei Pearl , w której wspomina, że głębokie uczenie się to tylko chwalebna technologia dopasowania krzywej i nie będzie ona w stanie wytworzyć inteligencji podobnej do człowieka. W jego książce znajduje się diagram ilustrujący trzy poziomy zdolności poznawczych: Chodzi o to, że „inteligencja” wytwarzana przez obecną …

12 deep-learning strong-ai math theory superintelligence

4

Co sprawia, że sieci neuronowe są tak dobre w przewidywaniach?

Jestem nowy w sieci neuronowej i staram się zrozumieć matematycznie, co sprawia, że sieci neuronowe są tak dobre w problemach z klasyfikacją. Biorąc przykład małej sieci neuronowej (na przykład jeden z 2 wejściami, 2 węzłami w ukrytej warstwie i 2 węzłami dla wyjścia), wszystko, co masz, to złożona funkcja na …

12 neural-networks

3

Jakie są matematyczne warunki dla badacza AI?

Jakie są matematyczne przesłanki do zrozumienia podstawowej części algorytmów sztucznej inteligencji i opracowania własnego algorytmu? Proszę polecić mi konkretne książki.

12 math getting-started academia

2

Czy istnieje sztuczna inteligencja posiadająca „koncentrację”?

Ludzie mogą wykonywać wiele zadań jednocześnie (np. Czytać podczas słuchania muzyki), ale zapamiętujemy informacje z mniej skoncentrowanych źródeł z gorszą wydajnością niż z naszego głównego celu lub zadania. Czy takie rzeczy istnieją w przypadku sztucznej inteligencji? Wątpię na przykład, czy sieci neuronowe mają takie cechy, ale mogę się mylić.

12 structured-data

2

Dlaczego Q-learning nie jest zbieżny podczas korzystania z aproksymacji funkcji?

Tabelaryczny algorytm uczenia Q gwarantuje znalezienie optymalnego QQQ funkcjonować, Q∗Q∗Q^*, pod warunkiem spełnienia następujących warunków (warunki Robbins-Monro ) dotyczących wskaźnika uczenia się ∑tαt(s,a)=∞∑tαt(s,a)=∞\sum_{t} \alpha_t(s, a) = \infty ∑tα2t(s,a)<∞∑tαt2(s,a)<∞\sum_{t} \alpha_t^2(s, a) < \infty gdzie αt(s,a)αt(s,a)\alpha_t(s, a) oznacza współczynnik uczenia się używany podczas aktualizacji QQQ wartość związana ze stanem sss i akcja …

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

7

Czy sztuczną inteligencję można wytrenować, aby generowała zarys historii?

Wiem, że jednym z ostatnich trendów jest trenowanie sieci neuronowej w celu generowania scenariuszy i nowych odcinków, np. Przyjaciół lub Simpsonów, i to dobrze: jest interesujące i może być niezbędnym pierwszym krokiem w kierunku tworzenia programów, które mogą generować sensowne / zrozumiałe historie. W tym kontekście, czy sieci neuronowe mogą …

12 neural-networks deep-learning applications