Kecerdasan buatan

Dalam Tersembunyi Hambatan untuk artikel Mobil Self-Driving Google kita dapat membaca bahwa: Mobil Google dapat mendeteksi dan merespons tanda berhenti yang tidak ada di petanya, fitur yang diperkenalkan untuk menangani tanda sementara yang digunakan di lokasi konstruksi. Google mengatakan bahwa mobilnya dapat mengidentifikasi hampir semua tanda berhenti yang belum dipetakan, …

19 object-recognition  decision-theory  autonomous-vehicles  google 

Kerangka kerja seperti PyTorch dan TensorFlow melalui TensorFlow Fold mendukung Dynamic Computational Graphs dan menerima perhatian dari para ilmuwan data. Namun, tampaknya ada kekurangan sumber daya untuk membantu dalam memahami Grafik Komputasi Dinamis. Keuntungan dari Dynamic Computational Graphs tampaknya mencakup kemampuan untuk beradaptasi dengan jumlah yang bervariasi dalam data input. …

19 neural-networks 

Pada Oktober 2014, Dr. Mark Riedl menerbitkan pendekatan untuk menguji kecerdasan AI, yang disebut "Lovelace Test 2.0" , setelah terinspirasi oleh Lovelace Test yang asli (diterbitkan pada 2001). Mark percaya bahwa Tes Lovelace asli tidak akan mungkin untuk lulus, dan karena itu, menyarankan versi yang lebih lemah, dan lebih praktis. …

18 history  intelligence-testing 

Mengingat masalah penghentian yang terbukti untuk mesin Turing , dapatkah kita menyimpulkan batas kemampuan Inteligensi Buatan yang kuat?

18 halting-problem 

Dorongan di balik transisi abad ke-20 dari sirkuit analog ke digital didorong oleh keinginan untuk akurasi yang lebih besar dan kebisingan yang lebih rendah. Sekarang kami sedang mengembangkan perangkat lunak di mana hasil perkiraan dan kebisingan memiliki nilai positif. Dalam jaringan buatan, kami menggunakan gradien (Jacobian) atau model tingkat kedua …

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

Saya telah melihat istilah-istilah ini banyak dilemparkan ke situs ini, khususnya pada tag convolutional-neural-networks dan neural-networks . Saya tahu bahwa Jaringan Saraf Tiruan adalah sistem yang didasarkan pada otak manusia secara longgar. Tapi apa perbedaan antara Neural Network Konvolusional dan Neural Network biasa? Apakah satu hanya jauh lebih rumit dan, …

18 neural-networks  convolutional-neural-networks  definitions  terminology 

Dengan meningkatnya kompleksitas reCAPTCHA, saya bertanya-tanya tentang adanya beberapa masalah, bahwa hanya manusia yang akan dapat menyelesaikan (atau bahwa AI tidak akan dapat menyelesaikan selama itu tidak mereproduksi persis otak manusia) . Misalnya, teks yang terdistorsi dulu hanya mungkin dipecahkan oleh manusia. Meskipun... Komputer sekarang mendapatkan 99,8% pengujian [teks terdistorsi] …

17 agi  problem-solving  intelligence-testing  ai-complete 

Mengidentifikasi sarkasme dianggap sebagai salah satu masalah terbuka yang paling sulit dalam domain ML dan NLP. Jadi, apakah ada penelitian besar yang dilakukan di depan itu? Jika ya, seperti apa akurasi itu? Tolong juga jelaskan model NLP secara singkat.

17 natural-language-processing  research  semantics 

Dari Wikipedia: Cermin neuron adalah neuron yang terbakar baik ketika hewan bertindak maupun ketika hewan mengamati tindakan yang sama dilakukan oleh orang lain. Mirror neuron terkait dengan pembelajaran imitasi, fitur yang sangat berguna yang hilang dalam implementasi AI dunia nyata saat ini. Alih-alih belajar dari contoh input-output (supervised learning) atau …

17 neural-networks  models 

Ini dari versi beta tertutup untuk AI, dengan pertanyaan ini diposting oleh pengguna nomor 47. Semua kredit untuk mereka. Menurut Wikipedia , Mesin Boltzmann dapat dilihat sebagai stokastik, rekanan generatif dari jaring Hopfield. Keduanya merupakan jaringan saraf berulang yang dapat dilatih untuk mempelajari pola bit. Kemudian ketika disajikan dengan pola …

17 neural-networks  comparison  recurrent-neural-networks 

Pada halaman wikipedia tentang AI, kita dapat membaca: Pengenalan karakter optis tidak lagi dianggap sebagai contoh "kecerdasan buatan" yang telah menjadi teknologi rutin. Di sisi lain, basis data MNIST digit tulisan tangan dirancang khusus untuk pelatihan dan pengujian jaringan saraf dan tingkat kesalahan mereka (lihat: Klasifikasi ). Jadi mengapa kutipan …

17 ocr 

Saya berjuang untuk memahami fungsi kehilangan GAN seperti yang disediakan dalam Understanding Generative Adversarial Networks (posting blog yang ditulis oleh Daniel Seita). Dalam kehilangan lintas-entropi standar, kami memiliki output yang telah dijalankan melalui fungsi sigmoid dan klasifikasi biner yang dihasilkan. Sieta menyatakan Dengan demikian, Untuk [setiap] titik data dan labelnya, …

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

Hanya untuk bersenang-senang, saya mencoba mengembangkan jaringan saraf. Sekarang, untuk backpropagation saya melihat dua teknik. Yang pertama digunakan di sini dan di banyak tempat lain juga. Apa yang dilakukannya adalah: Ini menghitung kesalahan untuk setiap neuron output. Ini mempropagandakannya ke jaringan (menghitung kesalahan untuk setiap neuron dalam). Ini memperbarui bobot …

17 neural-networks  machine-learning  backpropagation 

Selama 50 tahun terakhir, kenaikan / penurunan / peningkatan popularitas jaring saraf telah bertindak sebagai 'barometer' untuk penelitian AI. Jelas dari pertanyaan di situs ini bahwa orang-orang tertarik untuk menerapkan Deep Learning (DL) ke berbagai masalah sulit. Karena itu saya punya dua pertanyaan: Praktisi - Apa yang Anda temukan sebagai …

17 deep-learning 

Misalkan NN berisi nnn lapisan tersembunyi, contoh pelatihan mmm , xxx fitur, dan ninin_i node di setiap lapisan. Apa kompleksitas waktu untuk melatih NN ini menggunakan back-propagation? Saya punya ide dasar tentang bagaimana mereka menemukan kompleksitas waktu dari algoritma, tetapi di sini ada 4 faktor yang berbeda untuk dipertimbangkan di …

17 neural-networks  machine-learning  backpropagation  time-complexity