Come posso fare un semplice apprendimento automatico senza comportamenti hard-coding? [chiuso]


9

Sono sempre stato interessato all'apprendimento automatico, ma non riesco a capire una cosa su come iniziare con un semplice esempio di "Hello World": come posso evitare comportamenti di codifica rigida?

Ad esempio, se volessi "insegnare" a un bot come evitare gli ostacoli posizionati in modo casuale, non potrei semplicemente usare il movimento relativo, perché gli ostacoli si spostano, ma non voglio programmare, diciamo, distanza, perché quello rovina l'intero punto dell'apprendimento automatico.

Ovviamente, generare codice in modo casuale sarebbe impraticabile, quindi come potrei farlo?


9
questa è una domanda di intelligenza artificiale super teorica. Una discussione interessante! ma fuori posto ...
Vass

Risposte:


5

Non sono sicuro che questo si adatti allo scopo di questo SE, ma ecco comunque una pugnalata a una risposta.

Con tutti gli approcci di AI devi decidere cosa stai modellando e che tipo di incertezza c'è. Una volta scelto un framework che consente di modellare la tua situazione, allora vedi quali elementi sono "riparati" e quali sono flessibili. Ad esempio, il modello può consentire di definire la propria struttura di rete (o persino apprenderla) con determinati vincoli. Devi decidere se questa flessibilità è sufficiente per i tuoi scopi. Quindi, all'interno di una particolare struttura di rete, è possibile apprendere i parametri dati uno specifico set di dati di addestramento.

Raramente comportamenti hard-code nelle soluzioni AI / ML. Si tratta di modellare la situazione di base e adattarsi a situazioni diverse modificando elementi del modello.

Nel tuo esempio, forse potresti far imparare al robot come rilevare gli ostacoli (analizzando gli elementi nell'ambiente), oppure potresti tenere traccia di dove si trovavano gli ostacoli e in che modo si stavano muovendo.

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.