Questions tagged «ai-design»

有关与AI代理,算法或模型的设计有关的问题。


2
我应该如何将神经网络的结构编码为基因组?
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?

2
这七个AI问题特征如何帮助我决定解决问题的方法?
如果此列表1可用于对AI中的问题进行分类... 可分解为较小或更容易解决的问题 解决方案步骤可以忽略或撤消 可预测的问题宇宙 好的解决方案是显而易见的 使用内部一致的知识库 需要大量知识或使用知识来约束解决方案 需要人与计算机之间的定期交互 ...问题在这些维度上的位置与解决方案的合适算法/方法之间是否存在公认的关系? 参考文献 [1] https://images.slideplayer.com/23/6911262/slides/slide_4.jpg

1
什么时候应该使用强化学习与PID控制?
在设计诸如OpenAIGym上的Lunar Lander之类的问题的解决方案时,强化学习是一种诱人的方法,可为特工提供足够的动作控制以使其成功着陆。 但是,在什么情况下,控制系统算法(例如PID控制器)可以很好地完成强化学习(如果不是更好的话)呢? 诸如此类的问题这一个做的是解决这个问题的理论非常出色,但无助于解决实际分量。 作为一名人工智能工程师,问题领域的哪些要素应该向我建议PID控制器不足以解决问题,而应改用强化学习算法(反之亦然)?

2
自动驾驶汽车是否会依靠随机性来做出决定?
我最近听到有人说,当您设计自动驾驶汽车时,您并不是在建造汽车,而是真正的计算机驾驶员,因此您正在尝试模拟人的思想-至少是汽车的一部分。可以驱动的人类思维。 由于人类是无法预测的,或者因为人类的行为取决于许多因素,而其中许多因素将在很长一段时间内无法解释,因此,自动驾驶汽车将如何反映这一点? 一定程度的不可预测性可能有其用途。例如,如果两辆自动驾驶汽车陷入了死锁的状态,那么最好注入一些随机性,而不是如果这些汽车运行相同的系统,则可能无法同时看到相同的动作。 但是,另一方面,我们知道不确定性并不是软件开发的朋友,特别是在测试中。工程师将如何控制它并对此进行推理?

1
Deepmind的新“可分化神经计算机”将如何扩展?
Deepmind刚刚发表了一篇有关“可分化神经计算机”的论文,该论文基本上将神经网络与内存结合在一起。 这个想法是要教神经网络为特定任务创建和调用有用的显式记忆。这很好地补充了神经网络的功能,因为NN仅在权重中隐式存储知识,而用于执行单个任务的信息仅存储在网络激活中,并会随着添加的更多信息而迅速降解。(LSTM是一种尝试减缓这种短期记忆退化的方法,但仍然会发生。) 现在,它们可能不是在激活中保留必要的信息,而是在激活中保留特定信息的存储插槽地址,因此这些地址也应进行降级。我的问题是为什么这种方法应该扩展。数量更多的特定于任务的信息难道不应该使网络在其激活时保持所有适当内存插槽的地址的能力不堪重负吗?

1
设计用于日志文件分析的AI
我正在开发一种AI工具,以查找已知设备的错误并查找新的故障模式。这个日志文件是基于时间的,并且具有已知消息(信息和错误)。我正在使用JavaScript库Event drop以一种柔软的方式显示数据,但是我的实际工作和怀疑是如何训练AI来找到已知的模式并找到新的可能模式。我有一些要求: 1-工具应a。不依赖于额外的环境安装或b。越少越好(完美的方案是在独立模式下完全在浏览器上运行该工具); 2-可能使模式分析器碎片化,一种模块化,每个错误一个模块; 推荐使用哪种算法(神经网络,遗传算法等)?存在使用JavaScript工作的东西吗?如果不是,那么制作此AI的最佳语言是什么?


1
可以生成程序的AI
我一直在研究Viv开发中的人工智能代理。根据我的理解,该AI可以生成新代码并根据用户查询执行它。我很想知道的是,这种AI如何学习基于某些查询生成代码。此过程涉及哪种机器学习算法?我考虑的一件事是逐步分解程序的数据集。例如: 代码平均取5个学期 1-将所有5个项加在一起 2-除以5 然后,我将训练一种将文本转换为代码的算法。据我所知。但是还没有尝试任何东西,因为我不确定从哪里开始。有人对如何实现Viv有任何想法吗?这是Viv的演示。

6
在广度优先搜索中跟踪访问状态
因此,我试图在“ 滑块”难题(数字类型)上实现BFS 。现在,我主要注意到的是,如果您有一块4*4木板,那么状态数可能会很多,16!因此我无法事先枚举所有状态。 所以我的问题是如何跟踪已经访问过的州?(我正在使用一个类板,每个类实例包含一个唯一的板模式,并通过枚举当前步骤中的所有可能步骤来创建)。 我在网上搜索,很显然它们并没有返回到刚刚完成的上一步,但是我们也可以通过另一条路线返回到上一步,然后再次枚举之前已访问过的所有步骤。那么,当尚未枚举所有状态时,如何跟踪访问的状态呢?(将已经存在的状态与当前步骤进行比较将很昂贵)。

4
可以使用一组语法规则来概括英语吗?
在编程语言中,存在一组语法规则,它们控制有效的语句和表达式的构造。这些规则有助于解析用户编写的程序。 在功能上是否存在完整的语法规则集,可以准确地解析英语(特定于语言环境)的任何语句,并且可以在基于AI的项目中实现? 我知道在线上有很多NLP工具包,但是效果不那么理想。他们中的大多数人都是使用特定的语料库训练的,这些语料库有时无法推断出表达式各个部分之间的某些复杂关联。 换句话说,我要问的是,一台计算机是否可以解析一个熟练的英语句子,好像它是由一个成年的讲英语的人解析的一样? 编辑:如果不能使用简单的语法规则来表示它,可以使用哪种语义结构来概括它? 编辑2:本文证明自然语言中没有上下文无关性。我正在寻找解决方案,即使它太复杂。

1
类比对人工智能是必需的吗?
类比在交流中非常强大。通过映射到已知领域,他们可以向没有领域知识的人解释复杂的概念。霍夫施塔特说他们很重要,而迪克斯特拉说他们很危险。无论如何,类比可视为在人类交流中传递概念的一种有效方式(敢于说是转移学习吗?)。 我知道一些传统的工作,例如基于案例的推理,但是没有关于AI中的类比机制的最新工作。 对于AGI是否需要类比是否存在共识,它们的重要性如何? 请考虑以具体的工作或出版物来支持您的答案。

3
是否需要分类或回归来预测给定某些功能的用户的可用性?
在研究数据挖掘方法时,我已经了解到有两个主要类别: 预测方法: 分类 回归 描述方法: 聚类 关联规则 由于我想根据位置,活动,电池电量(培训模型的输入)来预测用户的可用性(输出),因此我认为很明显我会选择“预测方法”,但是现在我似乎无法选择分类和回归。从到目前为止的理解,分类可以解决我的问题,因为输出是“可用”或“不可用”。 分类能否为我提供用户可用或不可用的概率(或可能性)? 在输出中,不仅仅是0(不可用)或1(可用),还可以是: 80%80%80\%可用 20%20%20\%不可用 也可以使用回归来解决此问题吗? 我知道回归用于连续输出(不仅是0或1个输出),但是输出不能是用户可用性的连续值(例如输出为表示用户为可用,则用户是无法使用)。80808080%80%80\%20%20%20\%
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.