人工知能

昨年から、次のような機械学習の最も重要な論文を理解するために、さまざまな科目を研究しています。 S. Hochreiter、J。Schmidhuber。（1997）。長期短期記憶。Neural Computation、9（8）、1735-1780。 しかし、私には数学的なバックグラウンドがないため、次のような科目を学び始めました 微積分 多変量計算 数学的分析 線形代数 微分方程式 Real Anaylsis（測定理論） 初等確率と統計 数学的統計 今のところ、これらの科目を徹底的に研究したとは言えませんが、上記の科目をどのように処理したいのかはわかっています。現時点では、何をしなければならないのかわかりません。機械学習が多くの問題を解決するために使用する多くの主題があり、それらを正しく利用する方法がわかりません。 たとえば、強化学習は今や最も人気のあるトピックの1つであり、数十万人の研究者が現在、次元の呪いを突破するために研究を行っています。しかし、IT企業で働く将来の従業員として、机の上の仕事は私が行うことを期待したものではないでしょう。 自分の専門知識を持って現場で働くことは重要ですか？もしそうなら、私は今どんな種類の科目を勉強しなければなりませんか？ 便宜上、マルコフプロセスとマルコフ決定プロセスについて詳しく知りたいと思います。

9 machine-learning  getting-started 

アナロジーはコミュニケーションにおいて非常に強力です。既知のドメインにマッピングするだけで、ドメインの知識がない人々に複雑な概念を説明できます。ホフスタッターはそれらが重要であると言い、ダイクストラは彼らが危険だと言います。とにかく、アナロジーは人間のコミュニケーションの概念を伝達するための強力な方法と見なすことができます（伝達学習と言っていいでしょうか？）。 私はCase-Based Reasoningなどのレガシーな作業を知っていますが、AIのアナロジーメカニズムに関する最近の作業はありません。 AGIに類推が必要かどうか、およびそれらがどれほど重要かについてコンセンサスはありますか？ 具体的な作品や出版物で回答を裏付けることを検討してください。

9 ai-design  philosophy  agi 

ニューラルネットの進化（NEAT）を試してみたいと思います。私は90年代にC ++でいくつかのGAとニューラルネットコードをいじって書きましたが、DIYアプローチは労働集約型であることがわかったので、結局それを落としました。 それ以来、状況は大きく変化しており、興味のある人のために、非常に優れたオープンソースライブラリとツールがたくさんあります。私はさまざまなオープンソースライブラリ（DEAPなど）をグーグル化しましたが、適切なものを選択するのにいくつかの助けを借りることができます... 私はコードの作成に多くの時間を費やして、何が起こっているのか（ニューラルネットの状態、ポピュレーションフィットネス）または最終結果（グラフなど）を視覚化しました。たぶん、これは別のオープンソースライブラリで実行する必要がありますが、視覚化のサポートにより、問題や解決策により多くの時間を費やすことができ、実装の詳細に費やす時間を減らすことができます。 C / C ++、Java、C＃、Python、Javascriptなどを知っています。高級言語と家庭用ハードウェアでの優れたパフォーマンスとの間の適切なトレードオフである何かが良い選択でしょう。 経験のある人が優れたオープンソースライブラリまたはツールセットを提案できますか？

9 neural-networks  genetic-algorithms  neat 

冗談を言う際の仮想アシスタントのパフォーマンスに関する最近のWIREDビデオをちょうど見ました。それらは人間によって構成されていますが、AIがいくつかを書くのに十分なものになったかどうか知りたいです。

9 machine-learning 

最近ポーカープレーヤーのチャンピオンを破ったマシンはどれほど強力ですか？

9 neural-networks  machine-learning 

Winograd SHRDLUプログラムに出会いましたが、非常に興味深く、意欲的でした。 それに関するコンセンサスは何ですか？同様の試みはありますか？ 私はの本読んでいテリー・ウィノグラード 自然言語を理解し、彼はより多くのプログラム、LISP言語の機能について説明します。私はまた、言語学者のマイケル・ハリデーと、ウィノグラードの本で言及されている言語理論の体系的（機能的）文法を見つけました。 この理論をセマンティック機能の基礎として使用する他のai / NLPはありますか？ https://en.wikipedia.org/wiki/SHRDLU

9 natural-language-processing  computational-linguistics  lisp 

私は現在、Scikit-LearnとTensorFlowを使用したハンズオン機械学習というタイトルの本を読んでおり、この本の第10章で、著者は次のように書いています。 生物学的ニューラルネットワーク（BNN）4のアーキテクチャは依然として活発な研究の対象ですが、脳の一部がマッピングされており、図10-2に示すように、ニューロンはしばしば連続した層で構成されているようです。 しかしそこにはどんな研究へのリンクもないようです。そして、著者は「ニューロンはしばしば連続した層で組織化されているようだ」と言ったので断定的には言っていません。 これは本当ですか、それはどれほど強く信じられていますか？これはどの研究からのものですか？

9 artificial-neuron  biology 

私は、ディープニューラルネットワークが比較的簡単にだまされ（リンク）、信頼性の対象から完全に（または少なくとも大部分）除外されている合成/人工画像の認識に高い信頼を与えることができることを読みました。 個人的には、合成/人工画像に高い信頼性を与えるDNNの大きな問題は実際にはないと思いますが、これはカメラが見る可能性がある本当に自然な現象であるため、ホワイトノイズ（リンク）に高い信頼性を与えることは問題になると思います現実世界では。 DNNの実際の使用におけるホワイトノイズの問題はどのくらいですか？プレーンノイズからこのような誤検知を検出できますか？

9 neural-networks  deep-network  image-recognition  convolutional-neural-networks  signal-processing 

データマイニング手法を研究していると、主に2つのカテゴリがあることがわかりました。 予測方法： 分類 回帰 説明的な方法： クラスタリング 相関ルール 場所、アクティビティ、バッテリーレベル（トレーニングモデルの入力）に基づいてユーザーの可用性（出力）を予測したいので、「予測方法」を選択するのは明らかだと思いますが、今はどちらを選択するように思えません。分類と回帰。これまでに理解したことから、出力は「利用可能」または「利用不可能」であるため、分類によって問題を解決できます。 分類により、ユーザーが利用可能または利用不可能になる確率（または可能性）を提供できますか？ 出力のように、0（使用不可）または1（使用可能）だけではなく、次のようになります。 80 ％80％80\%利用可能 20 ％20％20\%は利用できません この問題は、回帰を使用しても解決できますか？ 80808080 ％80％80\%20 ％20％20\%

9 machine-learning  ai-design  classification  prediction  regression 

私は最初に「AIは苦しむ可能性があるか？」ということを念頭に置いていました。苦しみは人間にとって重要です。かかとにダメージを与えていると想像してください。痛みがなければ、あなたはそれを害し続けます。AIについても同様です。しかし、私は自分に「ちょっと待ってください。すでに存在しています。表示されるのはエラーと警告です」と言いました。苦しみと同じ目的があると言えます。しかし、何か足りないものを感じました。痛みを感じる。エラーとバグは単なるデータです。ロボットが進化するために機械学習と遺伝的プログラミングを使用できるとしましょう。 AIは苦しむことを学ぶことができますか？単なる情報として知っているだけではありません。

9 philosophy  emotional-intelligence 

私は、しばらくの間、知識ベースのAIシステムとベイジアン推論の間の接続に苦労しています。私は文献を調べ続けていますが、誰かがこれらの質問に直接答えることができれば幸いです- ベイズ推論ベースの方法は推論またはQ / Aシステムで使用されていますか？回答が知識ベースに直接存在しない質問についての結論に到達するためですか？ つまり、Q / Aシステムがナレッジベースで回答を見つけられない場合、ベイジアン推論を使用して、利用可能なファクトを使用して、さまざまな可能性で回答を提案できますか？ はいの場合、いくつかの実装を教えていただけますか？

9 knowledge-representation  reasoning 

機械学習に関するAdam Geitgeyのブログに出会ってからずっと、ニューラルネットワークを理解しようと努めてきました。私はできる限り多くのことを読んで（把握できる）、幅広い概念といくつかの仕組み（数学は非常に弱いにもかかわらず）、ニューロン、シナプス、重み、コスト関数、逆伝播を理解していると信じていますしかし、実際の問題をニューラルネットワークソリューションに変換する方法を理解することはできませんでした。 ポイントのケースは、アダムGeitgeyは、使用例、を含むデータセット所与住宅価格予測システムとして与える寝室の特許、スクエアを。フィート、近隣、および販売価格では、ニューラルネットワークをトレーニングして家の価格を予測できます。ただし、コードで可能なソリューションを実際に実装するまでには至っていません。例として、彼に最も近いのは、重みを実装する方法を示す基本的な関数です。 def estimate_house_sales_price(num_of_bedrooms, sqft, neighborhood): price = 0 # a little pinch of this price += num_of_bedrooms * 1.0 # and a big pinch of that price += sqft * 1.0 # maybe a handful of this price += neighborhood * 1.0 # and finally, just a little …

9 neural-networks  machine-learning 

意識的なAIが可能である場合、AIを拷問（または傷つけ）するために何をしているのかを知っている人も可能ですか？これは回避できますか？どうやって？ この質問は、人間と同じくらい意識的なロボットではなく、コンピュータベースのAIを扱います（これは質問の前提です）。質問は、違法ダウンロードと同じくらい追跡が困難であるが、倫理的にははるかに悪い犯罪をどのように防ぐことができるのか疑問に思います。ほとんどの人がロボットに親切で共感しているにもかかわらず、常に悪い人がいるので、一般的な良心に頼ることはうまくいかないことに注意してください。

9 philosophy  ethics 

私たちは研究を行っており、実際のAIソフトウェア（インテリジェントエージェント）をより効果的に機能させる方法を理解するために何時間も費やしています。また、AIテクノロジーを使用して、ビジネス、健康、教育などの一部のアプリケーションを実装しようとしています。 それにもかかわらず、これまでのところ、私たちのほとんどは人工知能の「暗い」側面を無視しています。たとえば、「非倫理的」な人は、何千もの安価なドローンを購入し、それらを銃で武装し、一般に発砲することができます。これはAIの「非倫理的な」アプリケーションです。 AIが原因で人類に存在する脅威が（将来的に）存在する可能性はありますか？

9 human-like  applications  cyberterrorism 

たとえば、AIは不動産の所有、テナントの立ち退き、借金の取得、雇用、投票、または結婚ができるでしょうか。強力なAIを社会に導入するための法的構造はどのようなものですか？

9 strong-ai  control-problem  legal