Künstliche Intelligenz

3

Sind neuronale Netze und ihre Varianten der einzige Weg, um echte künstliche Intelligenz zu erreichen?

Meines Wissens nach verwenden die meisten aktuellen Studien zur künstlichen Intelligenz eine Art neuronales Netzwerk oder dessen Varianten. Ein gutes Beispiel wäre DeepMinds Alphago, von dem ich glaube, dass es ein tiefes neuronales Netzwerk ist, für Vision CNN, Text, Musik und andere geordnete Funktionen, RNNs usw. Aber für Anwendungen des …

10 neural-networks

4

Gilt das Argument des chinesischen Raums gegen die KI?

Als ich noch am College war, hatte ich einen Lehrer für Komplexitätstheorie, der erklärte, künstliche Intelligenz sei ein Widerspruch. Wenn es mechanisch berechnet werden könne, sei es keine Intelligenz, sondern Mathematik. Dies scheint eine Variante des Chinese Room-Arguments zu sein. Dieses Argument ist eine Metapher, in der eine Person in …

10 philosophy chinese-room-argument

1

Wer hat den Begriff Künstliche Intelligenz zuerst geprägt?

Wer hat den Begriff Künstliche Intelligenz zuerst geprägt? Gibt es eine veröffentlichte Forschungsarbeit, in der dieser Begriff erstmals verwendet wurde?

10 terminology history

2

Kann künstliche Intelligenz als Optimierung betrachtet werden?

In diesem Video sagt ein Experte: "Eine Möglichkeit, darüber nachzudenken, was Intelligenz ist [speziell in Bezug auf künstliche Intelligenz], ist ein Optimierungsprozess." Kann Intelligenz immer als Optimierungsprozess betrachtet werden und kann künstliche Intelligenz immer als Optimierungsproblem modelliert werden? Was ist mit der Mustererkennung? Oder charakterisiert er falsch?

10 optimization agi

1

Wann begann die Forschung zur künstlichen Intelligenz?

Wann begann die Erforschung der künstlichen Intelligenz? Wurde es damals Künstliche Intelligenz genannt oder gab es einen anderen Namen?

10 history

4

Kann der IQ eines AI-Programms gemessen werden?

Kann ein KI-Programm einen IQ haben? Mit anderen Worten, kann der IQ eines AI-Programms gemessen werden? Zum Beispiel, wie Menschen einen IQ-Test durchführen können.

10 intelligence-testing

6

Warum sagt Stephen Hawking "Künstliche Intelligenz wird uns alle töten"? [geschlossen]

Geschlossen . Diese Frage basiert auf Meinungen . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage, damit sie durch Bearbeiten dieses Beitrags mit Fakten und Zitaten beantwortet werden kann . Geschlossen vor 3 Jahren . Dieses Zitat von Stephen Hawking ist seit geraumer Zeit …

10 intelligent-agent

4

In welchen Bereichen sind SVMs noch auf dem neuesten Stand der Technik?

Es scheint, dass tiefe neuronale Netze und andere auf neuronalen Netzen basierende Modelle viele aktuelle Bereiche wie Computer Vision, Objektklassifizierung, Verstärkungslernen usw. dominieren. Gibt es Bereiche, in denen SVMs (oder andere Modelle) immer noch Ergebnisse auf dem neuesten Stand der Technik liefern?

10 machine-learning svm state-of-the-art

1

Was passiert, wenn ich Aktivierungsfunktionen mische?

Es gibt verschiedene Aktivierungsfunktionen wie ReLU, Sigmoid oder . Was passiert, wenn ich Aktivierungsfunktionen mische?tanhtanh\tanh Ich habe kürzlich festgestellt, dass Google die Swish-Aktivierungsfunktion (x * sigmoid) entwickelt hat. Kann durch Ändern der Aktivierungsfunktion die Genauigkeit bei kleinen neuronalen Netzwerkproblemen wie dem XOR-Problem erhöht werden?

10 neural-networks machine-learning activation-function relu sigmoid

3

Ist die optimale Politik immer stochastisch, wenn die Umgebung auch stochastisch ist?

Ist die optimale Politik immer stochastisch (dh eine Karte von Zuständen zu einer Wahrscheinlichkeitsverteilung über Aktionen), wenn die Umgebung auch stochastisch ist? Intuitiv, wenn die Umgebung ist deterministisch (das heißt, wenn das Mittel in einem Zustand ist und greift , dann wird der nächste Zustand ist immer gleich, egal welcher …

10 reinforcement-learning stochastic-policy deterministic-policy policy environment

3

Was sind die Zwecke von Autoencodern?

Autoencoder sind neuronale Netze, die eine komprimierte Darstellung der Eingabe lernen, um sie später zu rekonstruieren, sodass sie zur Dimensionsreduzierung verwendet werden können. Sie bestehen aus einem Codierer und einem Decodierer (die separate neuronale Netze sein können). Die Reduzierung der Dimensionalität kann nützlich sein, um die Probleme im Zusammenhang mit …

10 machine-learning autoencoders dimensionality-reduction curse-of-dimensionality

1

Können Schichten tiefer neuronaler Netze als Hopfield-Netze angesehen werden?

Hopfield-Netzwerke können einen Vektor speichern und ab einer verrauschten Version abrufen. Sie setzen dabei Gewichte, um die Energiefunktion zu minimieren, wenn alle Neuronen gleich den Vektorwerten sind, und rufen den Vektor ab, indem sie die verrauschte Version als Eingabe verwenden und es dem Netz ermöglichen, sich auf ein Energieminimum einzustellen. …

10 deep-learning topology

2

Was bedeutet es, wenn ein Neuron in einem neuronalen Netzwerk aktiviert wird?

Ich bin gerade auf das Konzept der Neuronenabdeckung gestoßen, bei dem es sich um das Verhältnis von aktivierten Neuronen und Gesamtneuronen in einem neuronalen Netzwerk handelt. Aber was bedeutet es für ein Neuron, "aktiviert" zu werden? Ich weiß, was Aktivierungsfunktionen sind, aber was bedeutet es, aktiviert zu werden, z. B. …

10 neural-networks ai-basics concepts activation-function

1

Der Verlust springt abrupt, wenn ich die Lernrate mit dem Adam-Optimierer in PyTorch reduziere

Ich trainiere ein auto-encoderNetzwerk mit AdamOptimierer (mit amsgrad=True) und MSE lossfür die Aufgabe der Einkanal-Audioquellentrennung. Immer wenn ich die Lernrate um einen Faktor verringere, springt der Netzwerkverlust abrupt und nimmt dann bis zum nächsten Abfall der Lernrate ab. Ich verwende Pytorch für die Netzwerkimplementierung und Schulung. Following are my experimental …

10 machine-learning deep-learning optimization autoencoders loss-functions

1

Was sind die Vorteile von ReLU gegenüber Leaky ReLU und Parametric ReLU (falls vorhanden)?

Ich denke, dass der Vorteil der Verwendung von Leaky ReLU anstelle von ReLU darin besteht, dass wir auf diese Weise keinen verschwindenden Gradienten haben können. Die parametrische ReLU hat den gleichen Vorteil mit dem einzigen Unterschied, dass die Steigung des Ausgangs für negative Eingänge ein lernbarer Parameter ist, während sie …

10 neural-networks activation-function relu