Domande e risposte per persone interessate a domande concettuali sulla vita e le sfide in un mondo in cui le funzioni "cognitive" possono essere imitate in un ambiente puramente digitale
Nell'articolo Ostacoli nascosti per le auto a guida autonoma di Google possiamo leggere che: Le auto di Google sono in grado di rilevare e rispondere ai segnali di stop che non si trovano sulla sua mappa, una funzionalità introdotta per gestire i segni temporanei utilizzati nei cantieri. Google afferma che …
Strutture come PyTorch e TensorFlow tramite TensorFlow Fold supportano grafici computazionali dinamici e stanno ricevendo attenzione da parte di esperti di dati. Tuttavia, sembra che ci sia una mancanza di risorse per aiutare a comprendere i grafici computazionali dinamici. Il vantaggio dei grafici computazionali dinamici sembra includere la capacità di …
Nell'ottobre 2014, il Dr. Mark Riedl ha pubblicato un approccio al test dell'intelligenza artificiale, chiamato "Lovelace Test 2.0" , dopo essere stato ispirato dall'originale Lovelace Test (pubblicato nel 2001). Mark credeva che il test Lovelace originale sarebbe stato impossibile da superare, e quindi ha suggerito una versione più debole e …
L'impulso alla base della transizione del XX secolo dalla circuiteria analogica a quella digitale è stato guidato dal desiderio di maggiore precisione e riduzione del rumore. Ora stiamo sviluppando software in cui i risultati sono approssimativi e il rumore ha un valore positivo. Nelle reti artificiali, usiamo i gradienti (giacobiano) …
Ho visto questi termini molto diffusi in questo sito, in particolare nei tag convolutional-neural-networks e neural-networks . So che una rete neurale è un sistema vagamente basato sul cervello umano. Ma qual è la differenza tra una rete neurale convoluzionale e una normale rete neurale? Uno è solo molto più …
Con la crescente complessità di reCAPTCHA, mi sono chiesto dell'esistenza di qualche problema, che solo un essere umano sarà mai in grado di risolvere (o che l'IA non sarà in grado di risolvere fino a quando non riproduce esattamente il cervello umano) . Ad esempio, il testo distorto poteva essere …
L'identificazione del sarcasmo è considerato uno dei problemi aperti più difficili nel dominio della ML e della PNL. Quindi, sono state fatte ricerche considerevoli su questo fronte? Se sì, allora com'è la precisione? Spiegare brevemente anche il modello NLP.
Da Wikipedia: Un neurone specchio è un neurone che si accende sia quando un animale agisce sia quando l'animale osserva la stessa azione eseguita da un altro. I neuroni specchio sono collegati all'apprendimento dell'imitazione, una funzione molto utile che manca nelle attuali implementazioni AI del mondo reale. Invece di apprendere …
Questo proviene da una beta chiusa per l'intelligenza artificiale, con questa domanda pubblicata dall'utente numero 47. Tutto il merito. Secondo Wikipedia , Le macchine Boltzmann possono essere viste come la controparte stocastica e generativa delle reti Hopfield. Entrambe sono reti neurali ricorrenti che possono essere addestrate per apprendere schemi di …
Secondo Wikipedia , Prolog è un linguaggio di programmazione logica per scopi generici associato all'intelligenza artificiale e alla linguistica computazionale. È ancora usato per l'IA? Questo si basa su una domanda sulla closed beta 2014. L'autore aveva l'UID di 330.
Sulla pagina di Wikipedia sull'intelligenza artificiale, possiamo leggere: Il riconoscimento ottico dei caratteri non viene più percepito come un esempio di "intelligenza artificiale" diventata una tecnologia di routine. D'altra parte, il database MNIST di cifre scritte a mano è appositamente progettato per l'addestramento e il test delle reti neurali e …
Faccio fatica a capire la funzione di perdita GAN come fornita in Comprensione delle reti generative degli avversari (un post sul blog scritto da Daniel Seita). Nella perdita standard di entropia incrociata, abbiamo un output che è stato eseguito attraverso una funzione sigmoide e una conseguente classificazione binaria. Afferma Sieta …
Solo per divertimento, sto cercando di sviluppare una rete neurale. Ora, per backpropagation, ho visto due tecniche. Il primo viene utilizzato qui e anche in molti altri luoghi. Quello che fa è: Calcola l'errore per ciascun neurone di output. Lo ripropaga nella rete (calcolando un errore per ciascun neurone interno). …
Negli ultimi 50 anni, l'aumento / la caduta / l'aumento della popolarità delle reti neurali ha agito come un "barometro" per la ricerca sull'IA. Dalle domande su questo sito è chiaro che le persone sono interessate ad applicare Deep Learning (DL) a un'ampia varietà di problemi difficili. Ho quindi due …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.