人工知能

AlphaGo Zeroには、以前のバージョンと比較していくつかの改善点があります。Alpha Go Zeroのアーキテクチャの詳細は、このチートシートで確認できます。 これらの改善点の1つは、移動確率と状態値を同時に計算する単一のニューラルネットワークを使用することですが、古いバージョンでは2つの別個のニューラルネットワークを使用していました。論文によると、マージされたニューラルネットワークはより効率的であることが示されています。 2つではなく1つのニューラルネットワークを使用します。AlphaGoの以前のバージョンでは、「ポリシーネットワーク」を使用して次にプレイする動きを選択し、「バリューネットワーク」を使用して各ポジションからゲームの勝者を予測していました。これらはAlphaGo Zeroで組み合わされており、トレーニングと評価をより効率的に行うことができます。 ソフトウェア設計の観点からすると、これは懸念の原則の分離に違反するため、これは私には直観に反しているようです。だからこそ、このマージが有益であることが証明されたのではないかと思います。 この手法-単一のニューラルネットワークでさまざまなタスクをマージして効率を向上させること-は、他のニューラルネットワーク全般に適用できますか、それとも、特定の条件が機能する必要がありますか？

10 neural-networks  comparison  architecture  alphago-zero  efficiency 

赤いピクセルと青いピクセルを除いた黒い画面のゲームを想像してみてください。このゲームを人間に与えると、矢印キーを押すと赤いピクセルが移動することが最初にわかります。次に試みるのは、赤のピクセルを青のピクセルに移動することです。 このゲームをAIに与えると、赤のピクセルがランダムに移動し、100万回試行すると青のピクセルに誤って移動して報酬を獲得します。AIに赤と青のピクセル間の距離の概念がある場合、この距離を最小化しようとする可能性があります。 距離の概念を実際にプログラミングせずに、ゲームのピクセルをとると、「エントロピー」などの数を計算できます。これは、ピクセルが互いに接近しているときよりも離れているときの方が低くなるでしょうか。ピクセルの他の構成で動作するはずです。1つは良いピクセルで、もう1つは悪いピクセルが3つあるゲームなど。画面がどのように見えるかについてニューラルネットワークにもっと感覚を与えるためだけですか？次に、NNに「ボードのエントロピーを最小限に抑え、報酬を獲得しようとする」などの目標を設定します。 現在の研究でこれに似ていることはありますか？

10 neural-networks  game-ai  path-planning  teaching-concepts 

長さのグラウンドトゥルースを備えた車両の大規模なデータセットがあります（10万サンプル以上）。車両の長さを測定/推定するために深いネットワークをトレーニングすることは可能ですか？ディープニューラルネットワークを使用したオブジェクトサイズの推定に関連する論文は見たことがありません。

10 machine-learning  deep-learning  computer-vision 

CADモデルの設計機能（スロット、ボス、穴、ポケット、ステップ）を識別できるニューラルネットワークを開発しようとしています。 ネットワークに使用する入力データは、axnマトリックスです（nはCADモデルの面の数です）。マトリックスの右上の三角形の「1」は、2つの面の間の凸関係を表し、左下の三角形の「1」は、凹関係を表します。両方の位置のゼロは、面が隣接していないことを意味します。以下の画像は、そのようなマトリックスの例を示しています。 ネットワークへの入力を一定のサイズにするために、最大モデルサイズを20面に設定し、それよりも小さいものにパディングを適用するとします。 5つの異なる設計機能を認識できるようにしたいので、5つの出力ニューロンを持ちます-[スロット、ポケット、穴、ボス、ステップ] これが一種の「パターン認識」問題になると言ってもいいでしょうか？たとえば、ネットワークに、モデルに存在する設計機能を説明するラベルとともにいくつかのトレーニングモデルを提供すると、ネットワークは、特定の設計機能に関連するマトリックスで表される特定の隣接パターンを認識することを学習しますか？ 私は機械学習の完全な初心者であり、このアプローチが機能するかどうかを把握しようとしています。問題を理解するためにさらに情報が必要な場合は、コメントを残してください。どんな入力やヘルプもありがとうございます。

10 neural-networks  machine-learning  convolutional-neural-networks  pattern-recognition  detecting-patterns 

私はディープラーニングに非常に慣れていませんが、それを使い始めるのにちょうど良い現実の状況を見つけたと思います。問題は、結果を予測するためにそのようなアルゴリズムのみを使用したことです。私の新しいプロジェクトでは、結果を最適化するためにマシンに供給するための情報が必要です。誰かが私がどのように進むべきかを簡単に説明できますか？行き詰まっています。 ここに状況があります： 私は、全長にわたってさまざまなグレードの木材を使用できる木の板を取り出し、それをカットリストにあるブロックに切断する機械を持っています。このマシンは、与えられた板から得られる最高のスコアを常に選択します。スコアは、各ブロックの乗じた面積をそのことにより、乗数。私が構築したいアルゴリズムは、カットリストにリストされている各ブロックの乗数をそのマシンに与える必要があります。このマシンからのすべての物理的な出力は、必要になるまでロボットによって棚にストックされます。それがより高いスコアに達するのを助けるならば、切断機は厚板の部分を格下げすることを許されます。 この値は、木材をあまりダウングレードせずに、最も必要なブロックをマシンに提供するインセンティブとして機能する必要があります。 最適化の目標 必要なときに各ブロックの在庫があることを確認する 可能な限り少ない木材のダウングレード（一部の種は非常に高価です） 入力ノード このブロックが必要になるまでの時間 このブロックの木材のグレード 必要なこのブロックの量 ブロックのエリア（たぶん？） アルゴリズムに提供されるフィードバック ブロックの準備ができている前の時間（可能な限り低くする必要があります） ダウングレードされた木材の面積*スキップされたグレードの数 期待される返品データ そのブロックに他のものに比べてその優先順位を最適にする乗数 私は持っていませんが収集することができなかった情報 木材の種類ごとの各グレードの平均比率 これまでにわかったことは、フィードバックを出力ノードにするために、フィードバックを1つの値にまとめる必要があるかもしれないということです。問題は、私が判断するために、このアルゴリズムを作成する方法を理解することができないということである乗数を。ディープラーニングによってこれを解決しようとするのは間違っていますか？

10 deep-learning 

ほとんどのプロジェクトは、AIに個別の特定の言語を学ぶように教えようとしているようです。 言語全体で、書き言葉と話し言葉の関係があることに気づきました。ほとんどの場合、第2言語を学習した後は、より多くの言語を学習する方がはるかに楽になり、異なる言語の言葉とフレーズの関係を理解し​​始めます。 誰かがAIをトレーニングしてすべての言語を学ぶことを試みましたか？ これは、AIに単一の特定の言語を、その特定の言語のすべての詳細と詳細で教えようとするよりもはるかに単純な問題ではないでしょうか？実際には、トレーニングセットから他の言語の多くの関連データを省略していますか？

10 natural-language-processing 

人工知能の文脈では、特異性とは、再帰的な自己改善が可能な人工的な一般的な知能の出現を指し、技術的特異性が達成された直後に、その限界は不明である人工超知能（ASI）の急速な出現につながります。したがって、これらのスーパーインテリジェンスは、おそらく解決できない問題を解決することができます。 人工知能の将来の進歩で報告された世論調査によると：専門家の意見の調査（2014） 回答者の推定中央値は、高レベルのマシンインテリジェンスが2040〜2050年頃に開発されるという2分の1のチャンスでした それほど遠くないです AIが多くの問題を解決することで私たちに利益をもたらす可能性があることを考えると、AIは全知に対応できるという考えの何が問題になっていますか？

10 machine-learning  philosophy  singularity  cognitive-science 

私は開発中の人工知能エージェントであるVivを調査しています。私の理解に基づいて、このAIは新しいコードを生成し、ユーザーからのクエリに基づいてそれを実行できます。私が知りたいのは、このAIがクエリに基づいてコードを生成する方法を学ぶ方法です。このプロセスにはどのような機械学習アルゴリズムが関係していますか？私が検討したことの1つは、プログラムのデータセットを段階的に分解することです。例えば： 5項の平均を取るコード 1-5 つの用語をすべて一緒に追加2-5で除算 次に、テキストをコードに変換するアルゴリズムをトレーニングします。それは私が理解した限りです。どこから始めればいいかわからないので、何も試していません。誰かがVivを実装する方法について何かアイデアがありますか？これはVivのデモです。

10 neural-networks  machine-learning  deep-learning  ai-design  natural-language-processing 

人工一般知能に関してすでにどのような規制が設けられていますか？公式の政府当局によって作成されたどのレポートまたは推奨事項がすでに公開されていますか？ これまでのところ、英国政府のために行われたデイビッドキング卿の報告を知っています。

10 agi  legal 

まず、MCTSのパフォーマンスを考えさせるシナリオから始めたいと思います。検索ツリーにまだ追加されていない移動があるとしましょう。一部のレイヤー/移動が深すぎます。しかし、私たちがこの動きをするならば、ゲームは基本的に勝ちます。ただし、所定のゲーム状態で代わりに取ることができるすべての動きが非常に悪いと仮定します。議論のために、1000の可能な動きがあり、そのうちの1つだけが良い（しかし非常に良い）で、残りは非常に悪いとしましょう。MCTSはこれを認識できず、この動きに向かって検索ツリーを拡大し、このサブツリーを非常にひどく評価しますか？MCTSは最終的にミニマックスに収束することを知っています（十分なメモリがある場合、最終的にはツリー全体を構築します）。次に、悪い可能性がたくさんあるとしても、その動きが良いことを知っているはずです。しかし、実際には、これは信頼できるものではないと思います。多分誰かがこれが私の側の正しい評価であるかどうか私に言うことができます。 この特別なシナリオとは別に、MCTSのパフォーマンスが悪い（または並外れた）他のシナリオがあるかどうかも知りたいです。

10 gaming  monte-carlo-tree-search 

私の知識によると、現在の人工知能研究のほとんどは、ある種のニューラルネットワークまたはそのバリアントを使用しています。良い例としては、DeepMindのalphagoがあります。これは、ビジョンCNN、テキスト、音楽、その他の順序付けされた機能RNNなどのディープニューラルネットワークです。ただし、機械学習アプリケーションには、ニューラルネットワーク、サポートベクターマシン、ランダムフォレスト、回帰法があります。用途等にご利用頂けます。 では、ニューラルネットワークとそのバリアントが「真の」人工知能に到達する唯一の方法なのでしょうか。

10 neural-networks 

ではこの動画の専門家は、「知性が[特に人工知能に関して]であるかについての考え方の一つの方法は、最適化プロセスとしてである。」、と言います インテリジェンスは常に最適化プロセスと見なすことができ、人工知能は常に最適化問題としてモデル化できますか？パターン認識はどうですか？それとも彼は誤解しているのですか？

10 optimization  agi 

人工知能という用語を最初に作り出したのは誰ですか？その用語を最初に使用した公開された研究論文はありますか？

10 terminology  history 

いつ人工知能の研究が始まったのですか？それは人工知能と呼ばれていましたか、それとも別の名前がありましたか？

10 history 

大学に戻ったとき、私には複雑性理論の教師がいて、人工知能は言葉で矛盾していると述べていました。機械的に計算できるとすれば、それは知性ではなく、数学でした。 これは、チャイニーズルームの主張の変形と思われます。この議論は比喩であり、人は中国の本でいっぱいの部屋に置かれます。この人は中国語の単語を理解していませんが、ドアの下に中国語のメッセージが入っています。人はこれらのメッセージに答えるために変換ルールを含む本を使わなければなりません。人は変換規則を適用できますが、何を通信しているのか理解していません。 中国の部屋の議論は成立しますか？人工知能は賢いアルゴリズムにすぎないと主張できますか？

10 philosophy  chinese-room-argument