人工智能

在门户2中，我们可以通过考虑一个悖论来“杀死”人工智能。 我认为这是通过迫使AI进入无限循环而实现的，该循环本质上将“冻结”计算机的意识。 问题：这会使我们今天拥有的AI技术混淆到破坏它的地步吗？如果是这样，为什么？如果没有，将来是否有可能？

148 decision-theory  mythology-of-ai  death 

显然，自动驾驶汽车并不完美，因此，请想象一下Google汽车（例如）陷入困境。 以下是由一系列事件导致的不幸情况的一些示例： 汽车正朝着10人横过马路的方向行驶，因此无法及时停车，但可以避免撞墙撞死10人（杀死乘客）， 考虑到汽车乘客的生存可能性更大，请避免杀死摩托车骑手， 在街头杀害动物以利于人类， 改变车道撞上另一辆车以避免杀死狗， 这里有一些难题： 该算法是否可以识别人与动物之间的差异？ 人或动物的大小重要吗？ 它算不算前排有多少乘客？ 婴儿/儿童在船上时是否“知道”？ 是否考虑了年龄（例如先杀死年长的人）？ 从技术角度来看，算法将如何决定应该做什么？是否意识到上述情况（计算出杀戮的可能性），还是不知道（杀害人，以避免其自身被摧毁）？ 相关文章： 为什么必须对无人驾驶汽车进行编程才能杀死 如何帮助无人驾驶汽车做出道德决策

74 philosophy  ethics  autonomous-vehicles  decision-theory 

这两个术语似乎相关，尤其是在计算机科学和软件工程中的应用。一个是另一个的子集吗？一个工具用于为另一个构建系统吗？它们之间有什么区别，为什么如此重要？

74 machine-learning  terminology  comparison 

科学家或研究专家是否从厨房知道复杂的“深度”神经网络中发生的情况，该神经网络会立即触发至少数百万个连接？他们是否了解其背后的过程（例如，内部正在发生什么以及它如何正常工作），还是一个争论的话题？ 例如，这项研究说： 但是，对于为什么它们表现如此出色或如何进行改进尚无明确的了解。 那么这是否意味着科学家实际上不知道复杂的卷积网络模型如何工作？

69 neural-networks  deep-learning  convolutional-neural-networks  explainable-ai 

下页 / 研究表明，深层神经网络很容易被赋予了无法识别的图片，例如，高可信度的预测上当 这怎么可能？您能用简单的英语解释一下吗？

63 convolutional-neural-networks  image-recognition  deep-network  computer-vision 

如果开发AI的最初目的是在某些任务中帮助人类，而这个目的仍然存在，那么我们为什么要关心它的可解释性呢？例如，在深度学习中，只要智能帮助我们最大限度地发挥他们的能力并仔细做出决策，我们为什么需要知道其智能如何工作？

56 philosophy  explainable-ai 

我们经常听到人工智能可能伤害甚至杀死人类，因此可能被证明是危险的。 人工智能如何危害我们？

50 philosophy  social  neo-luddism 

首先，我是学习AI的初学者，这不是一个以观点为导向的问题，也不是比较编程语言的问题。我并不是说那是最好的语言。但是事实是，大多数著名的AI框架都主要支持Python。它们甚至可以是多语言支持的，例如，TensorFlow支持Microsoft的Python，C ++或CNTK，支持C＃和C ++，但是使用最多的是Python（我的意思是更多的文档，示例，更大的社区，支持等）。即使选择C＃（由Microsoft和我的主要编程语言开发），也必须设置Python环境。 我在其他论坛上读到，Python是AI的首选，因为它既简化又简洁，适合快速原型开发。 我当时正在看AI主题电影（Ex_Machina）。在某个场景中，主角入侵房屋自动化的界面。猜猜现场使用哪种语言？蟒蛇。 那么，什么是Python与AI之间的关系呢？

47 machine-learning  programming-languages  tensorflow 

据我所知，神经网络在输入层中具有固定数量的神经元。 如果在类似NLP的上下文中使用神经网络，则大小不同的句子或文本块将被馈送到网络。如何将变化的输入大小与网络输入层的固定大小相协调？换句话说，如何使这种网络具有足够的灵活性以处理可能从一个单词到多页文本的输入？ 如果我对输入神经元数量固定的假设是错误的，并且将新的输入神经元添加到网络中或从网络中删除以匹配输入大小，那么我将看不到如何训练它们。 我以NLP为例，但是许多问题本质上是不可预测的输入大小。我对处理此问题的一般方法感兴趣。 对于图像，很明显，您可以将上/下采样到固定大小，但是对于文本，这似乎是不可能的方法，因为添加/删除文本会更改原始输入的含义。

42 neural-networks  machine-learning  deep-learning  convolutional-neural-networks  natural-language-processing 

我听说过使用强AI和弱AI的术语。这些定义明确的术语还是主观的？它们的一般定义是什么？

40 terminology  definitions  strong-ai  comparison  weak-ai 

量子计算机的哪些方面（如果有的话）可以帮助进一步发展人工智能？

39 quantum-computing 

作为人类，我们可以思考无限。原则上，如果我们有足够的资源（时间等），我们就可以无数次地计数（包括抽象的，如数字或实数）。 例如，至少，我们可以考虑整数。我们原则上可以认为并“理解”屏幕上显示的许多数字。如今，我们正在尝试设计至少具有人类能力的人工智能。但是，我陷入无限。我试图找到一种方法，可以教一个模型（深度与否）来理解无限。我用功能性方法定义“理解”，例如，如果一台计算机可以区分10个不同的数字或事物，则意味着它确实以某种方式理解了这些不同的事物。这是“理解”的基本简单方法。 正如我之前提到的，人类理解无穷大是因为它们在原理上至少能够计算无穷整数。从这个角度来看，如果我想创建一个模型，那么该模型实际上是一个抽象意义上的函数，则该模型必须区分出无数个数字。由于计算机是数字机器，对这种无穷函数进行建模的能力有限，因此我如何创建可以对无数个整数进行微分的模型？ 例如，我们可以采用深度学习视觉模型来识别卡片上的数字。该模型必须为每个不同的卡分配一个数字，以区分每个整数。由于存在无限数量的整数，因此模型如何在数字计算机上为每个整数（如人类）分配不同的数字？如果它无法区分无限事物，那么它如何理解无限？ 如果我考虑实数，问题将变得更加棘手。 我想念的是什么？是否有针对该主题的资源？

39 deep-learning  philosophy  agi 

想象一下，您向神经网络展示了100张狮子的图片，并标有“危险”标签，因此得知狮子是危险的。 现在想象一下，以前您已经向它展示了数百万张狮子的图像，或者将其标记为“危险”和“不危险”，这样狮子发生危险的可能性为50％。 但是，这最后100次使神经网络对将狮子视为“危险”非常积极，因此忽略了最后一百万堂课。 因此，神经网络似乎存在一个缺陷，即基于最近的证据，它们可能会很快改变主意。特别是如果以前的证据在中间。 是否存在一个神经网络模型来跟踪已看到的证据数量？（或者这等于让学习率降低，其中是试验次数？）1/T1/T1/TTTT

37 neural-networks  machine-learning  theory  incremental-learning  catastrophic-forgetting 

我是AI的新手，我想简单地说一下，什么是模糊逻辑概念？它有什么帮助？何时使用？

37 deep-network  terminology  fuzzy-logic 

杰弗里·欣顿（Geoffrey Hinton）一直在研究他称之为神经网络的“胶囊理论”。这是什么，它如何工作？

35 neural-networks