Chcę stworzyć sztuczną inteligencję, która może grać w pięć w jednym rzędzie / gomoku. Jak wspomniałem w tytule, chcę do tego wykorzystać naukę wzmacniającą. Używam metody gradientu zasad , a mianowicie REINFORCE, z linią bazową. Do przybliżenia wartości i funkcji polityki używam sieci neuronowej...
W artykule Ukryte przeszkody dla auta z własnym samochodem Google możemy przeczytać, że: Samochody Google mogą wykrywać znaki stopu, których nie ma na mapie, i reagować na nie. Ta funkcja została wprowadzona, aby radzić sobie z tymczasowymi znakami używanymi na budowach. Google twierdzi, że...
Słynne Trzy prawa robotyki Izaaka Asimova powstały w kontekście opowiadań science fiction Asimova. W tych opowieściach trzy prawa służą jako środek bezpieczeństwa, aby uniknąć wybuchu spustoszenia w przedwczesnych lub zmanipulowanych sytuacjach. Częściej niż nie, narracje Asimova znajdowały sposób...
W ostatnim artykule Wall Street Journal Yann LeCunn wypowiada się następująco: Następnym krokiem w osiąganiu ai na poziomie ludzkim jest stworzenie inteligentnych - ale nie autonomicznych - maszyn. System AI w twoim samochodzie bezpiecznie zabierze Cię do domu, ale nie wybierzesz innego miejsca...
W 2004 r. Jeff Hawkins , wynalazca pilota palmowego, opublikował bardzo interesującą książkę zatytułowaną O inteligencji , w której szczegółowo opisuje teorię działania ludzkiej kory nowej. Teoria ta nazywa się strukturą przewidywania pamięci i ma kilka uderzających cech, na przykład nie tylko...
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...
Mówi się, że funkcje aktywacyjne w sieciach neuronowych pomagają wprowadzić nieliniowość . Co to znaczy? Co w tym kontekście oznacza nieliniowość ? Jak pomaga wprowadzenie tej nieliniowości ? Czy są jakieś inne cele aktywacji funkcji
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...
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...
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...
Biorąc pod uwagę udowodnione zatrzymanie problemem dla maszyny Turinga , możemy wywnioskować ograniczenia zdolności silnej sztucznej
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...
Identyfikacja sarkazmu jest uważana za jeden z najtrudniejszych otwartych problemów w dziedzinie ML i NLP. Czy zatem na tym froncie przeprowadzono jakieś znaczące badania? Jeśli tak, to jaka jest dokładność? Proszę również krótko wyjaśnić model
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
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,...
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...
Czy możliwe jest zasilanie sieci neuronowej wyjściem z generatora liczb losowych i oczekiwanie, że nauczy się funkcji mieszania (lub generatora), aby mógł przewidzieć, jaka będzie kolejna generowana liczba pseudolosowa ? Czy coś takiego już istnieje? Jeśli badania zostały już przeprowadzone w tej...
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...
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...
Załóżmy, że zawiera NN nnn ukryte warstwy mmm przykładami treningu, xxx funkcje, a ninin_i węzłów w każdej warstwie. Jaka jest złożoność czasu, aby trenować ten NN przy użyciu propagacji wstecznej? Mam podstawowe pojęcie o tym, jak znajdują złożoność czasową algorytmów, ale tutaj należy wziąć pod...