Inteligencia artificial

En este video, un experto dice: "Una forma de pensar acerca de qué es la inteligencia [específicamente con respecto a la inteligencia artificial], es como un proceso de optimización". ¿Se puede pensar siempre en la inteligencia como un proceso de optimización, y la inteligencia artificial siempre se puede modelar como …

10 optimization  agi 

Según mi conocimiento, la mayoría de los estudios actuales de inteligencia artificial utilizan algún tipo de red neuronal o sus variantes. Un buen ejemplo sería el alphago de DeepMind, que creo que es una red neuronal profunda, para visión CNN, texto, música y otras características ordenadas RNN, etc. Pero para …

10 neural-networks 

De vuelta en la universidad, tuve un maestro de teoría de la complejidad que afirmó que la inteligencia artificial era una contradicción en los términos. Si se podía calcular mecánicamente, argumentó, no era inteligencia, era matemática. Esto parece ser una variante del argumento de la Sala China. Este argumento es …

10 philosophy  chinese-room-argument 

¿Puede un programa de IA tener un coeficiente intelectual? En otras palabras, ¿se puede medir el coeficiente intelectual de un programa de IA? Como cómo los humanos pueden hacer una prueba de coeficiente intelectual.

10 intelligence-testing 

Cerrada . Esta pregunta está basada en la opinión . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que pueda ser respondida con hechos y citas editando esta publicación . Cerrado hace 3 años . Esta cita de Stephen Hawking ha estado en los titulares …

10 intelligent-agent 

Parece que las redes neuronales profundas y otros modelos basados ​​en redes neuronales están dominando muchas áreas actuales como visión por computadora, clasificación de objetos, aprendizaje de refuerzo, etc. ¿Existen dominios donde los SVM (u otros modelos) todavía están produciendo resultados de vanguardia?

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

Hay varias funciones de activación, como ReLU, sigmoid o . ¿Qué sucede cuando mezclo las funciones de activación?tanhtanh\tanh Recientemente descubrí que Google ha desarrollado la función de activación Swish que es (x * sigmoide). Al alterar la función de activación, ¿puede aumentar la precisión en pequeños problemas de redes neuronales …

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

¿La política óptima es siempre estocástica (es decir, un mapa de estados a una distribución de probabilidad sobre acciones) si el entorno también es estocástico? Intuitivamente, si el entorno es determinista (es decir, si el agente está en un estado sss y toma la acción unaaa , entonces el siguiente …

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

Los autoencoders son redes neuronales que aprenden una representación comprimida de la entrada para luego reconstruirla, de modo que puedan usarse para reducir la dimensionalidad. Están compuestos por un codificador y un decodificador (que pueden ser redes neuronales separadas). La reducción de la dimensionalidad puede ser útil para tratar o …

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

Me topé con el concepto de cobertura neuronal, que es la proporción de neuronas activadas y neuronas totales en una red neuronal. Pero, ¿qué significa que una neurona se "active"? Sé qué son las funciones de activación, pero ¿qué significa activarse, por ejemplo, en el caso de una ReLU o …

10 neural-networks  ai-basics  concepts  activation-function 

Estoy entrenando una auto-encoderred con Adamoptimizador (con amsgrad=True) y MSE losspara la tarea de separación de fuente de audio de un solo canal. Cada vez que disminuyo la tasa de aprendizaje por un factor, la pérdida de la red salta abruptamente y luego disminuye hasta la próxima disminución en la …

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

Creo que la ventaja de usar Leaky ReLU en lugar de ReLU es que de esta manera no podemos tener un gradiente de fuga. La ReLU paramétrica tiene la misma ventaja con la única diferencia de que la pendiente de la salida para las entradas negativas es un parámetro que …

10 neural-networks  activation-function  relu 

Hace poco me llamó la atención que los expertos en ajedrez tomaron el resultado de este famoso partido como algo molesto. Ver: El nuevo mejor jugador del ajedrez es un algoritmo intrépido y audaz Como no experto en ajedrez y ajedrez AI, mi suposición fue que, en base al rendimiento …

10 chess  alphazero 

¿Existen posibles modelos que tengan el potencial de reemplazar las redes neuronales en el futuro cercano? ¿Y necesitamos eso? ¿Qué es lo peor de usar redes neuronales en términos de eficiencia?

10 neural-networks  convolutional-neural-networks  recurrent-neural-networks 

Así que estaba tratando de implementar BFS en un rompecabezas de bloques deslizantes (tipo de número). Ahora, lo principal que noté es que si tienes un 4*4tablero, el número de estados puede ser tan grande como 16!para que no pueda enumerar todos los estados de antemano. Entonces, mi pregunta es …

10 ai-design  algorithm  ai-basics  breadth-first-search