人工知能

理論的には、AIはすべて学習し、自己認識になるように、すべてソースコードから知覚的になる可能性がありますか？

9 philosophy  strong-ai  sentience 

したがって、機械学習を使用すると、これまでに学習した内容に基づいて将来の状態を予測できるという意味で、システムを自動化できます。私の質問は次のとおりです。システムにドメイン知識を発展させる唯一の方法は機械学習技術ですか？

9 machine-learning  knowledge-representation 

DeepMindは、彼らのディープQネットワーク（DQN）が49のAtariゲームをプレイすることを学びながら、その動作を継続的に適応させることができたと述べています。 同じニューラルネットですべてのゲームを学習した後、エージェントはそれらをすべて「超人的」レベルで同時にプレイできましたか（ゲームの1つがランダムに提示された場合はいつでも）、切り替えたため、一度に1つのゲームだけが得意でした再学習が必要ですか？

9 neural-networks  deep-learning  deepmind 

人間が最終的に人間の脳に基づく最初のヒューマノイドAIを開発したと仮定すると、感情を感じるでしょうか？そうでない場合、それはまだ倫理および/または道徳を持っていますか？

9 philosophy  ethics  human-like  emotional-intelligence 

人工知能に興味があります。毎日の仕事で、ユーザーサブスクリプション、ファイルアップロード、データベースに保存されたフォームなどの基本的な機能を備えたWebサイトなどの標準アプリケーションを開発しています... 私は主に、ゲームやロボットの分野でAIが使用されていることを知っています。しかし、それは「標準」アプリケーション開発に役立つでしょうか？

9 applications 

人間のように、機械の知能の指標としてIQを使用した場合、現時点で最もインテリジェントなAIシステムのIQは何でしょうか。IQでない場合、インテリジェンスをマシンと、または1つのマシンを別のマシンとどのように比較するのが最善ですか？ この質問は、マシンのIQを測定できるかどうかを尋ねるものではありませんが、IQが最も好ましい、または一般的な知能の測定方法である場合、人工知能は、人間の知能を測定する最も一般的な方法とどのように比較されますか。多くの人は、新車のインテリジェント度や他のタイプのインテリジェントマシンに関するチューリングテストの関連性を理解していない可能性があります。

9 philosophy 

自動運転車は人工知能とどのように関連していますか？人工知能とは、人間の心の状態をコピーして、同じようにタスクを実行できるときだと思います。しかし、自動運転車は、その環境のために動作するルールベースのマシンだけではないのですか？彼らは自己を認識しておらず、これまで経験したことのない状況で行動するための良い方法を選択することはできません。 私は多くの人がAIについて話すときに自動運転車にしばしば言及することを知っていますが、これらが関連しているとは本当に確信していません。私はAIが何であるかについて非常に厳密な理解を持っているか、

9 philosophy  strong-ai  autonomous-vehicles  weak-ai 

計算のための総エネルギーバジェットが人間の脳のエネルギーバジェット（12.6ワット）と同等である場合、どのくらい大きな人工ニューラルネットワークを実行できますか（完全なtrain-backpropサイクルまたはネットワーク出力の評価のみ）。 1秒あたり1サイクルを想定します。これは、生体ニューロンの発火率にほぼ一致すると思われます。

9 neural-networks  human-like 

「人工または構築された言語（コンランと呼ばれることもある）は、文化の一部として自然に形成されるのではなく、人または小さなグループによって作成された言語です。」（ソース：単に英語のウィキペディア） 私の質問は、AIが単語、活用、文法規則を使用して、それを独自の自然言語で構築できるかどうかです。基本的に、人間が互いに話すために使用できる言語。（できれば、抽象的で高レベルの概念を伝えるために。） そのようなAIはどのようなテクニックを使用できますか？それは既存の自然言語に基づいているのでしょうか、それとも既存の自然言語とのつながりがほとんどないのでしょうか？既存の言語よりも学習しやすい言語（エスペラント語も含む）を設計できますか？

9 natural-language-processing 

英語は人工知能について話すのにあまり適していません。そのため、AIが実際に「何をしているのか」について人間が互いに通信することは困難です。したがって、機械の内部特性が人類の内部特性に似ていない場合でも、機械の動作を説明するために「人間に似た」用語を使用する方が理にかなっています。 擬人化言語はテクノロジーで多く使用されていましたが（コンピュータープログラマーがテクノロジーを説明するときに擬人化用語を使用することを正当化しようとするハッカーの辞書の定義である擬人化を参照してください）、AIが進歩し続けるにつれて、技術的な聴衆と非技術的な聴衆の両方とのコミュニケーションに擬人化言語を使用する。私たちが何をしているのか説明できない場合、どうすればAIをうまく活用できますか？ 関連記事のリストを表示するアルゴリズムを開発したいとします。アルゴリズムが素人にどのように機能するかを説明する方法は2つあります。 非常に擬人化 -アルゴリズムはWebサイト上のすべての記事を読み取り、見ている記事に非常に類似している記事を表示します。 非常に技術的 -アルゴリズムは各記事を「単語のバッグ」に変換し、各記事の「単語のバッグ」を比較して、どの記事が最も一般的な単語を共有しているかを判断します。バッグの中で最も多くの単語を共有する記事は、ユーザーに表示されるものです。 明らかに、＃2は＃1より「技術的に正しい」かもしれません。アルゴリズムの実装を詳しく説明することにより、私たちが大きく同意しない出力を生成した場合に、アルゴリズムを修正する方法を誰かが理解しやすくなります。 しかし、＃1はより読みやすく、エレガントで、理解しやすいです。アルゴリズムが実行する方法ではなく、アルゴリズムが実行していることの一般的な意味を提供します。コンピューターが記事を「読み取る」方法の実装の詳細を抽象化することで、アルゴリズムを実際のシナリオで使用することに集中できます。 したがって、ステートメント1で強調されている擬人化言語を使用したほうがよいでしょうか。そうでない場合、なぜでしょうか？ PS：答えが私が話している対象者に依存する場合（非技術者は＃1を好むかもしれませんが、技術者は＃2を好むかもしれません）、それも私に知らせてください。

9 philosophy 

私はテンソルフローの遊び場をいじり回しています。入力データセットの1つはスパイラルです。どの入力パラメーターを選択しても、ニューラルネットワークをどれほど広く深いものにしても、スパイラルに適合できません。データサイエンティストはこの形状のデータにどのように適合しますか？

9 neural-networks  classification  tensorflow 

ユーザーがいくつかの症状を入力し、いくつかの選択された症状がシステムに存在する症状と関連付けられる可能性をシステムが予測または決定する必要があるシステムに適したアルゴリズムを考え出そうとしています。次に、それらを関連付けた後、結果または出力は症状の特定の疾患になるはずです。 システムは一連の疾患で構成されており、それぞれが特定の症状に割り当てられており、システムにも存在します。 ユーザーが次の入力を行ったと仮定します。 A, B, C, and D システムが最初に行うべきことは、各症状（この場合はアルファベット文字で表される）を個別にチェックして、既存の症状のデータテーブルに対して個別に関連付けることです。そして、入力が存在しない場合、システムはそれについて報告またはフィードバックを送信する必要があります。 また、それA and Bがデータテーブルにあったとしましょう。そのため、それらが有効であるか、または存在し、システムが入力に基づいて疾患を提供できることを100％確信しています。次に、入力がデータテーブルに存在しないC and D場所であるとCしますが、存在する可能性がDあります。 D100％のスコアは与えませんが、おそらくそれよりも低いスコア（90％としましょう）を与えます。そのC場合、データテーブルにはまったく存在しません。したがって、Cスコアは0％になります。 したがって、システムには、ユーザーの入力を判断して結果を出力するための、何らかの関連付けと予測の手法またはルールが必要です。 出力の生成の要約： If A and B were entered and exist, then output = 100% If D was entered and existed but C was not, then output = 90% If all entered don't exist, then output …

9 algorithm  machine-learning  prediction 

AIエージェントは、多くの場合、「センサー」、「メモリ」、「機械学習プロセッサ」、「反応」コンポーネントを備えていると考えられています。ただし、これらを備えたマシンが必ずしもセルフプログラミングAIエージェントになるわけではありません。上記のパーツ以外に、マシンを自己プログラミングAIエージェントとして機能させるために必要なその他の要素や詳細はありますか？ たとえば、2011年の論文では、インテリジェンスを最大化する最適化問題を解決することは、以下に引用するように、自己プログラミングプロセスに不可欠な機能であると宣言しました。 システムは、その「認知インフラストラクチャ」の一部の要素に関する学習を受けると、自己プログラミングのインスタンスを実行すると言われています。システム機能のインテリジェンスクリティカル性は、「機能品質」として定義され、マルチ機能システムのインテリジェンスを最大化するという最適化問題を解決するという観点から検討されます。 ただし、この「インテリジェンスの最適化」の説明は曖昧です。セルフプログラミングエージェントに必要なコンポーネントの明確な定義またはより良い要約を誰かが提供できますか？ この質問は2014年のクローズドベータ版のもので、質問者のUIDは23です。

9 machine-learning  computer-programming 

実際にマシンを殺すことはできますか？人生の定義に問題があるだけでなく、死の定義にも問題があります。これは人工生命や人工知能にも当てはまりますか？

9 philosophy  death 

私たちは、上で読むことができますWikipediaのページ、Googleが機械学習のためのカスタムASICチップを構築し、AIを加速するのに役立ちますTensorFlowに合わせていること。 ASICチップは、その回路を変更することができない特定の用途に合わせて特別にカスタマイズされているため、呼び出される固定アルゴリズムが必要です。 では、アルゴリズムを変更できない場合、ASICチップを使用したAIの加速はどのように正確に機能するのでしょうか。それのどの部分が正確に加速していますか？

9 neural-networks  machine-learning  hardware  neuromorphic-engineering