人工智能

我只想知道为什么机器学习工程师和AI程序员使用python之类的语言来执行AI任务，而不使用C ++，尽管从技术上讲C ++是比python更强大的语言。

15 neural-networks  machine-learning  python  data-science  c++ 

给定一个将n个数据点作为输入的神经网络FFf：x 1，… ，x n。我们说˚F就是排列不变，如果ññnX1个，… ，xñX1个，…，Xñx_1, \dots, x_nFFf F（x1个。。。Xñ）= f（p 我（X1个。。。Xñ））F（X1个。。。Xñ）=F（p一世（X1个。。。Xñ））f(x_1 ... x_n) = f(pi(x_1 ... x_n)) p 我p一世pi 有人可以为置换不变神经网络推荐一个起点（文章，示例或其他论文）吗？

14 neural-networks  machine-learning  reference-request 

根据NASA科学家里克·布里格斯（Rick Briggs）的说法，梵语是AI的最佳语言。我想知道梵文如何有用。其他语言有什么问题？他们是在AI编程中使用Sanskrit吗？AI程序的哪一部分需要这种语言？

14 comparison  programming-languages  nasa 

大多数人都试图用神经网络回答问题。但是，有没有人想到过如何使神经网络提出问题而不是回答问题的想法？例如，如果CNN可以确定对象属于哪个类别，那么它可以问一些问题来帮助分类吗？

14 neural-networks  deep-learning 

定义意识是具有挑战性的，但是对于这个问题，让我们将其定义为“实际上正在经历感觉输入，而不是仅仅通过无生命的机器输入一堆数据”。人类当然有头脑；对于普通计算机，他们“看到”的所有东西仅仅是更多数据。可以选择说人类是有情的，而传统计算机则不是。 抛开是否有可能建造一个感知机器的问题，如果一个AI是有感知的，它实际上会有所不同吗？换句话说，是否有一些由于缺乏见识而使任务无法完成的任务，而不仅仅是变得更加困难？

14 philosophy 

我正在研究强化学习及其变体。我开始了解算法如何工作以及如何将其应用于MDP。我不了解的是定义MDP状态的过程。在大多数示例和教程中，它们表示简单的内容，例如网格中的正方形或类似内容。 对于更复杂的问题，例如机器人学习走路等，您如何定义这些状态？您可以使用学习或分类算法来“学习”那些状态吗？

14 reinforcement-learning 

意识和自我意识对制造高级AI的重要性如何？我们离制造这种产品有多远？ 当建立一个神经网络时，（很可能）其中没有意识，而背后只有数学，但是我们是否需要让AI变得有意识，以便将来解决更复杂的任务？此外，实际上，我们是否可以肯定地知道某种东西是意识的还是虚假的？制作声称自己有意识的计算机程序是“容易的”，但这并不意味着它是有意识的（例如Siri）。 如果AI仅基于预定义的规则而没有意识，我们甚至可以称其为“智能”吗？

14 philosophy  artificial-consciousness  self-awareness 

例如，标题文章写道：“样品高效演员，评论家经验重播”。 什么是样本效率？如何使用重要性采样来实现？

14 reinforcement-learning  statistical-ai  importance-sampling 

对于确定性的问题空间，我需要找到具有最佳节点和链接结构的神经网络。我想使用一种遗传算法来模拟许多神经网络，以找到问题域的最佳网络结构。 我以前从未将遗传算法用于此类任务。有哪些实际考虑因素？具体来说，我应该如何将神经网络的结构编码为基因组？

14 neural-networks  ai-design  genetic-algorithms  evolutionary-algorithms  neuroevolution 

假设我想用神经网络解决一个我无法适应现有拓扑（感知器，Konohen等）的问题，或者我根本不知道这些拓扑的存在，或者我无法理解它们的存在机械师，我依靠自己。 对于一个任意问题，我该如何自动选择神经网络的拓扑（即层数，激活类型，连接类型和方向等）？ 我是一个初学者，但是我意识到，在某些拓扑结构中（或者至少在感知器中），很难甚至不可能理解内部机制，因为隐藏层的神经元不表达任何数学上有意义的上下文。

14 neural-networks  topology  neuroevolution 

从维基百科： AIXI ['ai̯k͡siː]是用于人工智能的理论数学形式主义。它结合了Solomonoff归纳法和顺序决策理论。AIXI由Marcus Hutter于2000年首次提出[1]，下面的结果在Hutter的2005年出版的《通用人工智能》中得到了证明。[2] 尽管不可计算，但近似值是可能的，例如AIXItl。找到AIXI的近似值可能是解决AI的客观方法。 是艾希真正的大问题在人工一般智力的研究？可以认为它是该领域的中心概念吗？如果是这样，为什么我们没有更多有关此主题的出版物（或者也许我们有，但我不知道这些出版物）？

14 models  agi  aixi 

数十年前，机器视觉方面的书籍已经出现，并且通过使用格式塔心理学中的各种信息处理规则，以很少的代码或特殊的硬件在图像识别和视觉处理中获得了令人印象深刻的结果。 今天是否正在使用或使用这种方法？在这方面有什么进展吗？还是该研究计划被放弃？今天，我的意思是2016年，而不是1995年或2005年。

14 machine-learning  algorithm  computer-vision 

人脑是否使用特定的激活功能？我已经尝试做一些研究，因为这是信号是否通过神经元发送的门槛，所以听起来很像ReLU。但是，我找不到一篇证实这一点的文章。或者它更像是步进函数（如果高于阈值，则发送1而不是输入值）。

13 neural-networks  machine-learning  brain 

我正在写一个简单的玩具游戏，目的是在其上训练深层神经网络。游戏规则大致如下： 游戏的棋盘由六边形单元组成。 两位玩家都拥有相同的棋子集合，他们可以选择自由放置在棋盘上。 根据彼此的位置和配置放置不同类型的棋子奖励积分（或减少对手的积分）。 得分更高的人获胜。 还有其他规则（关于转弯，件数和类型等），但是在此问题中它们并不重要。我想设计一个深度神经网络，该网络可以通过与自身竞争来反复学习。我的问题是关于输入和输出的表示。尤其是： 由于碎片的模式很重要，所以我一直认为至少要有一些卷积层。电路板可以有各种尺寸，但原则上非常小（在我的测试中为6x10，可以通过几个单元进行扩展）。是否有意义？我可以使用哪种池？ 如何代表双方？在这篇关于go的论文中，作者使用了两种输入矩阵，一种用于白宝石，另一种用于黑宝石。在这种情况下也可以工作吗？但是请记住，我有不同类型的片段，例如A，B，C和D。我应该使用2x4输入矩阵吗？对我来说，它似乎很稀疏，效率很低。我担心卷积层将无法正常工作。 我认为输出结果可能是代表董事会位置的矩阵上的概率分布，以及指示要播放的部分的概率单独数组。不过，我也需要代表的能力通过交替之际，这是非常重要的。如何在不降低其在其他概率中的重要性的情况下做到这一点？ 而且最重要的是，我是否只强制执行获胜举动还是执行失举？实施获胜的举动很容易，因为我只是将所需的概率设置为1。但是当失败时，我该怎么办？将该移动概率设置为0，将所有其他概率设置为相同值？另外，即使最终得分差异与输出的含义相违背，通过最终得分差异实施移动是否有意义？ 另外，我在node.js中开发了游戏引擎，并考虑将Synaptic用作框架，但是我不确定它是否可以与卷积网络一起工作（我怀疑是否有办法固定与本地感知领域相关的权重）。关于与节点兼容的其他库的任何建议？

13 neural-networks  deep-learning  game-ai 

我读了一篇非常有趣的文章，名为“停止称之为人工智能”，该文章对“人工智能”这个名称提出了引人注目的批评。 智能这个词是如此广泛，以至于很难说“人工智能”是否真的是智能的。因此，人工智能往往会被误解为复制人类智能，而这实际上并不是人工智能。 人工智能并不是真正的“人工”。人工意味着对某物的伪造，这并非人工智能。 “人工智能”一词有哪些好的替代选择？（好的答案不会随机列出名称；它们会为他们的替代名称为何是一个好的名称提供理由。）

13 philosophy  terminology