Inteligencia artificial

En el artículo de Obstáculos ocultos para autos autónomos de Google podemos leer que: Los automóviles de Google pueden detectar y responder a las señales de alto que no están en su mapa, una característica que se introdujo para tratar las señales temporales utilizadas en los sitios de construcción. Google …

19 object-recognition  decision-theory  autonomous-vehicles  google 

Los marcos como PyTorch y TensorFlow a través de TensorFlow Fold admiten gráficos computacionales dinámicos y están recibiendo atención de los científicos de datos. Sin embargo, parece haber una falta de recursos para ayudar a comprender los Gráficos Computacionales Dinámicos. La ventaja de los gráficos computacionales dinámicos parece incluir la …

19 neural-networks 

Dado el problema comprobado de detención para las máquinas de Turing , ¿podemos inferir límites en la capacidad de una Inteligencia Artificial fuerte?

18 halting-problem 

En octubre de 2014, el Dr. Mark Riedl publicó un enfoque para probar la inteligencia artificial, llamado "Prueba Lovelace 2.0" , después de inspirarse en la Prueba Lovelace original (publicada en 2001). Mark creía que la prueba original de Lovelace sería imposible de aprobar y, por lo tanto, sugirió una …

18 history  intelligence-testing 

El impulso detrás de la transición del siglo XX de los circuitos analógicos a digitales fue impulsado por el deseo de una mayor precisión y menor ruido. Ahora estamos desarrollando un software donde los resultados son aproximados y el ruido tiene un valor positivo. En redes artificiales, utilizamos modelos de …

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

He visto muchos de estos términos en este sitio, específicamente en las etiquetas convolutional-neural-networks y neural-networks . Sé que una red neuronal es un sistema basado libremente en el cerebro humano. Pero, ¿cuál es la diferencia entre una red neuronal convolucional y una red neuronal normal? ¿Es uno mucho más …

18 neural-networks  convolutional-neural-networks  definitions  terminology 

Con la creciente complejidad de reCAPTCHA, me preguntaba sobre la existencia de algún problema, que solo un humano podrá resolver (o que la IA no podrá resolver mientras no reproduzca exactamente el cerebro humano) . Por ejemplo, el texto distorsionado solía ser solo posible de resolver por humanos. A pesar …

17 agi  problem-solving  intelligence-testing  ai-complete 

Identificar el sarcasmo se considera uno de los problemas abiertos más difíciles en el dominio de ML y NLP. Entonces, ¿se realizó alguna investigación considerable en ese frente? En caso afirmativo, ¿cómo es la precisión? Explique también brevemente el modelo de PNL.

17 natural-language-processing  research  semantics 

De Wikipedia: Una neurona espejo es una neurona que se dispara tanto cuando un animal actúa como cuando el animal observa la misma acción realizada por otro. Las neuronas espejo están relacionadas con el aprendizaje de imitación, una característica muy útil que falta en las implementaciones actuales de IA del …

17 neural-networks  models 

Esto es de una versión beta cerrada para AI, con esta pregunta publicada por el usuario número 47. Todo el crédito para ellos. De acuerdo con Wikipedia , Las máquinas de Boltzmann pueden verse como la contraparte estocástica y generativa de las redes de Hopfield. Ambas son redes neuronales recurrentes …

17 neural-networks  comparison  recurrent-neural-networks 

De acuerdo con Wikipedia , Prolog es un lenguaje de programación lógica de propósito general asociado con inteligencia artificial y lingüística computacional. ¿Todavía se usa para la IA? Esto se basa en una pregunta sobre la versión beta cerrada de 2014. El autor tenía el UID de 330.

17 history  programming-languages  prolog 

En la página de Wikipedia sobre IA, podemos leer: El reconocimiento óptico de caracteres ya no se percibe como un ejemplo de que la "inteligencia artificial" se haya convertido en una tecnología de rutina. Por otro lado, la base de datos MNIST de dígitos escritos a mano está especialmente diseñada …

17 ocr 

Estoy luchando por comprender la función de pérdida de GAN como se proporciona en Understanding Generative Adversarial Networks (una publicación de blog escrita por Daniel Seita). En la pérdida de entropía cruzada estándar, tenemos una salida que se ha ejecutado a través de una función sigmoidea y una clasificación binaria …

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

Solo por diversión, estoy tratando de desarrollar una red neuronal. Ahora, para la propagación hacia atrás, vi dos técnicas. El primero se usa aquí y en muchos otros lugares también. Lo que hace es: Calcula el error para cada neurona de salida. Lo propaga hacia atrás en la red (calculando …

17 neural-networks  machine-learning  backpropagation 

En los últimos 50 años, el aumento / caída / aumento de la popularidad de las redes neuronales ha actuado como una especie de "barómetro" para la investigación de IA. A partir de las preguntas en este sitio, queda claro que las personas están interesadas en aplicar Deep Learning (DL) …

17 deep-learning