Inteligência artificial

No artigo Obstáculos ocultos para carros autônomos do Google , podemos ler o seguinte: Os carros do Google podem detectar e responder a sinais de parada que não estão no mapa, um recurso que foi introduzido para lidar com sinais temporários usados ​​em canteiros de obras. O Google diz que …

19 object-recognition  decision-theory  autonomous-vehicles  google 

Estruturas como PyTorch e TensorFlow através do TensorFlow Fold suportam gráficos computacionais dinâmicos e estão recebendo atenção de cientistas de dados. No entanto, parece haver uma falta de recursos para ajudar no entendimento de Gráficos Computacionais Dinâmicos. A vantagem dos gráficos computacionais dinâmicos parece incluir a capacidade de se adaptar …

19 neural-networks 

Em outubro de 2014, o Dr. Mark Riedl publicou uma abordagem para testar a inteligência artificial, chamada de "Lovelace Test 2.0" , depois de se inspirar no teste original de Lovelace (publicado em 2001). Mark acreditava que o Teste Lovelace original seria impossível de passar e, portanto, sugeriu uma versão …

18 history  intelligence-testing 

Dado o problema comprovado de parada das máquinas de Turing , podemos inferir limites à capacidade de uma forte inteligência artificial?

18 halting-problem 

O ímpeto por trás da transição do século XX do circuito analógico para o digital foi impulsionado pelo desejo de maior precisão e menor ruído. Agora, estamos desenvolvendo software onde os resultados são aproximados e o ruído tem valor positivo. Em redes artificiais, usamos gradientes (jacobianos) ou modelos de segundo …

18 machine-learning  hardware  neuromorphic-engineering  analog-computing  spiking-networks 

Eu já vi esses termos lançados em torno deste site, especificamente nas tags convolutional-neural-networks e neural-networks . Eu sei que uma rede neural é um sistema baseado livremente no cérebro humano. Mas qual é a diferença entre uma Rede Neural Convolucional e uma Rede Neural regular? Um é muito mais …

18 neural-networks  convolutional-neural-networks  definitions  terminology 

Com a crescente complexidade do reCAPTCHA, eu me perguntava sobre a existência de algum problema, que apenas um humano seria capaz de resolver (ou que a IA não seria capaz de resolver contanto que não reproduz exatamente o cérebro humano) . Por exemplo, o texto distorcido costumava ser apenas possível …

17 agi  problem-solving  intelligence-testing  ai-complete 

Da Wikipedia: Um neurônio espelho é um neurônio que dispara quando um animal age e quando o animal observa a mesma ação executada por outro. Os neurônios-espelho estão relacionados à imitação de aprendizado, um recurso muito útil que está ausente nas implementações atuais de IA do mundo real. Em vez …

17 neural-networks  models 

A identificação do sarcasmo é considerada um dos problemas abertos mais difíceis no domínio da ML e da PNL. Então, houve alguma pesquisa considerável feita nessa frente? Se sim, qual é a precisão? Por favor, explique brevemente o modelo da PNL.

17 natural-language-processing  research  semantics 

Isso é de uma versão beta fechada para AI, com esta pergunta sendo postada pelo usuário número 47. Todo o crédito é para eles. De acordo com a Wikipedia , As máquinas Boltzmann podem ser vistas como a contraparte estocástica e generativa das redes Hopfield. Ambas são redes neurais recorrentes …

17 neural-networks  comparison  recurrent-neural-networks 

Na página da AI sobre a AI, podemos ler: O reconhecimento óptico de caracteres não é mais percebido como um exemplo de "inteligência artificial" que se tornou uma tecnologia de rotina. Por outro lado, o banco de dados MNIST de dígitos manuscritos foi especialmente projetado para treinar e testar redes …

17 ocr 

Estou lutando para entender a função de perda de GAN, conforme fornecido em Noções básicas sobre redes adversas generativas (uma postagem de blog escrita por Daniel Seita). Na perda padrão de entropia cruzada, temos uma saída que foi executada através de uma função sigmóide e uma classificação binária resultante. Estados …

17 neural-networks  machine-learning  deep-learning  loss-functions  generative-adversarial-networks 

Apenas por diversão, estou tentando desenvolver uma rede neural. Agora, para retropropagação, vi duas técnicas. O primeiro é usado aqui e em muitos outros lugares também. O que ele faz é: Ele calcula o erro para cada neurônio de saída. Ele o retropropõe na rede (calculando um erro para cada …

17 neural-networks  machine-learning  backpropagation 

Nos últimos 50 anos, o aumento / queda / aumento da popularidade das redes neurais tem agido como um 'barômetro' para a pesquisa em IA. Está claro nas perguntas deste site que as pessoas estão interessadas em aplicar o Deep Learning (DL) a uma ampla variedade de problemas difíceis. Portanto, …

17 deep-learning 

Suponha que um NN contenha nnn camadas ocultas, mmm exemplos de treinamento, xxx recursos e ninin_i nós em cada camada. Qual é a complexidade de tempo para treinar esse NN usando a propagação traseira? Eu tenho uma idéia básica sobre como eles encontram a complexidade do tempo dos algoritmos, mas …

17 neural-networks  machine-learning  backpropagation  time-complexity