Искусственный интеллект

В статье « Скрытые препятствия для автомобилей с автоматическим управлением Google» мы можем прочитать, что: Автомобили Google могут обнаруживать и реагировать на знаки остановки, которых нет на карте. Эта функция была введена для работы с временными знаками, используемыми на строительных площадках. Google говорит, что его автомобили могут идентифицировать почти все …

19 object-recognition  decision-theory  autonomous-vehicles  google 

Такие фреймворки, как PyTorch и TensorFlow через TensorFlow Fold, поддерживают динамические вычислительные графики и привлекают внимание исследователей данных. Тем не менее, кажется, что не хватает ресурсов для понимания динамических вычислительных графов. Преимущество динамических вычислительных графиков заключается в возможности адаптации к различным величинам во входных данных. Кажется, что может быть автоматический …

19 neural-networks 

Учитывая доказанную проблему остановки для машин Тьюринга , можем ли мы определить пределы способности сильного искусственного интеллекта?

18 halting-problem 

В октябре 2014 года доктор Марк Ридл опубликовал подход к тестированию интеллекта ИИ, названный «Тест Лавласа 2.0» , после того, как был вдохновлен оригинальным тестом Лавласа (опубликованным в 2001 году). Марк полагал, что первоначальный тест Лавласа будет невозможно пройти, и поэтому предложил более слабую и более практичную версию. Тест Лавласа …

18 history  intelligence-testing 

Толчком к переходу двадцатого века с аналоговых на цифровые схемы послужило стремление к большей точности и снижению шума. Сейчас мы разрабатываем программное обеспечение, результаты которого приблизительны, а шум имеет положительное значение. В искусственных сетях мы используем градиенты (якобиан) или модели второй степени (гессиан) для оценки следующих шагов в сходящемся алгоритме …

18 machine-learning  hardware  neuromorphic-engineering  analog-computing  spiking-networks 

Я видел, как эти термины часто встречаются вокруг этого сайта, в частности, в тегах сверточные нейронные сети и нейронные сети . Я знаю, что нейронная сеть - это система, основанная на человеческом мозге. Но в чем разница между сверточной нейронной сетью и обычной нейронной сетью? Один из них намного сложнее …

18 neural-networks  convolutional-neural-networks  definitions  terminology 

С возрастающей сложностью reCAPTCHA я задумался о существовании некоторой проблемы, которую сможет решить только человек (или что ИИ не сможет решить, пока он не воспроизводит точно человеческий мозг) , Например, искаженный текст раньше можно было разрешить только людям. Хотя... Теперь компьютер прошел тест на [искаженный текст] прямо на 99,8%, даже …

17 agi  problem-solving  intelligence-testing  ai-complete 

Из Википедии: Зеркальный нейрон - это нейрон, который срабатывает как тогда, когда животное действует, так и когда животное наблюдает за тем же действием, совершенным другим. Зеркальные нейроны связаны с имитационным обучением, очень полезной функцией, которая отсутствует в современных реализациях искусственного интеллекта. Вместо того, чтобы учиться на примерах ввода-вывода (контролируемое обучение) …

17 neural-networks  models 

Выявление сарказма считается одной из самых сложных открытых проблем в области ОД и НЛП. Итак, были ли проведены какие-либо серьезные исследования в этом направлении? Если да, то какова точность? Пожалуйста, объясните модель НЛП вкратце.

17 natural-language-processing  research  semantics 

Согласно Википедии , Пролог - это язык логического программирования общего назначения, связанный с искусственным интеллектом и компьютерной лингвистикой. Это все еще используется для ИИ? Это основано на вопросе о закрытой бета-версии 2014 года. У автора был UID 330.

17 history  programming-languages  prolog 

Это из закрытого бета-тестирования для ИИ, с этим вопросом, отправленным пользователем номер 47. Все кредиты им. Согласно Википедии , Машины Больцмана можно рассматривать как стохастический генеративный аналог сетей Хопфилда. Оба являются рекуррентными нейронными сетями, которые можно обучить изучению битовых комбинаций. Затем при представлении с частичным шаблоном сеть извлечет полный полный …

17 neural-networks  comparison  recurrent-neural-networks 

На странице Википедии об искусственном интеллекте мы можем прочитать: Оптическое распознавание символов больше не воспринимается как образец «искусственного интеллекта», ставшего обычной технологией. С другой стороны, база данных рукописных цифр MNIST специально разработана для обучения и тестирования нейронных сетей и их частоты ошибок (см. Классификаторы ). Так почему же в приведенной …

17 ocr 

Я изо всех сил пытаюсь понять функцию потери GAN, как это предусмотрено в статье « Понимание порождающих противоборствующих сетей» (сообщение в блоге, написанное Дэниелом Сейта). В стандартной кросс-энтропийной потере мы имеем выход, который был пропущен через сигмовидную функцию и полученную двоичную классификацию. Сиета заявляет Таким образом, для [каждой] точки данных …

17 neural-networks  machine-learning  deep-learning  loss-functions  generative-adversarial-networks 

Ради интереса я пытаюсь разработать нейронную сеть. Теперь для обратного распространения я увидел две техники. Первый используется здесь и во многих других местах. Что это делает: Он вычисляет ошибку для каждого выходного нейрона. Он распространяет его обратно в сеть (вычисляя ошибку для каждого внутреннего нейрона). Он обновляет веса по формуле: …

17 neural-networks  machine-learning  backpropagation 

За последние 50 лет рост / падение / рост популярности нейронных сетей стал своего рода «барометром» для исследований ИИ. Из вопросов на этом сайте ясно, что люди заинтересованы в применении Deep Learning (DL) для решения самых разных сложных проблем. Поэтому у меня есть два вопроса: Практики - Что вы считаете …

17 deep-learning