人工知能

私はTensorflowの初心者で、チュートリアルに従っているだけです。私のコードには問題はありませんが、出力に関して質問があります accuracy: 0.95614034 accuracy_baseline: 0.6666666 auc: 0.97714674 auc_precision_recall: 0.97176754 average_loss: 0.23083039 global_step: 760 label/mean: 0.33333334 loss: 6.578666 prediction/mean: 0.3428335 「予測/平均」と「ラベル/平均」が何を表すのか知りたいのですが？

8 neural-networks  tensorflow  python  artificial-neuron 

私は最近、Googleが誰もがデータをアップロードできる新しいAIを開発し、それが即座にモデル、つまりそのデータに基づく画像認識モデルを生成することを読んだことを読みました。 誰かがこのAIがどのように機能するかを詳細かつ直感的な方法で私に説明できますか？

8 machine-learning  ai-design  research 

電子に興味の最近の景気改善がなされてきたX plainable A rtificial I ntelligence（XAI）。DARPAページに記載されているXAIの使命は次のとおりです。 Explainable AI（XAI）プログラムは、次のような機械学習手法のスイートを作成することを目的としています。 高レベルの学習パフォーマンス（予測精度）を維持しながら、より説明可能なモデルを作成します。そして 人間のユーザーが新世代の人工知能パートナーを理解し、適切に信頼し、効果的に管理できるようにします。 New York Timesの記事、AIにそれ自体を説明するように教えることはできますか？XAIの必要性を人間の関心の観点から説明するだけでなく、XAIのために開発されている技法について一目でわかる見通しを提供するのに優れています。XAIムーブメントの背後にある力は、説明の権利の概念（新登場？と述べた。 私たちがお互いに責任を負う現在の基準を考えると、説明の権利はどのように合理的ですか？

8 philosophy  ethics  explainable-ai 

私はニューラルネットを構築して、さまざまな入力（サイズ、アートメディアなど）で芸術作品の価値を予測し、著者も入力として含めたいと思います（多くの場合、膨大な1つの芸術作品の価値を考慮します）。 私の現在の懸念は、著者の名前がNNの理想的な数値入力ではないことです（つまり、増加する整数値で各著者をコーディングするだけで、リストのさらに下の著者に間接的により多くの値を割り当てます-_-） 。私の考えは、データセット内のすべての著者に対して個別の入力を作成し、1つのホットエンコーディングを使用してNNへの入力をより適切に表すことでした。 ただし、このアプローチは、私のトレーニングデータに含まれていない作成者がNNへの入力として使用されている場合（つまり、新しい作成者）に問題が発生します。「他の著者」入力フィールドでこれを回避できますが、この入力のNNをトレーニングしなかったため、これが正確ではないのではないかと心配しています（評価付きのすべての芸術作品には著者がいます）。 私はこれまで十分に考えていませんでしたが、おそらく著者がいない評価と、著者との評価の2つのNNをトレーニングして、「著者のない評価」が十分に正確であるために十分なトレーニングデータがあることを確認しました。 実装に取り​​掛かる前に、私はまだ最高のNNアーキテクチャを概念化しようとしています。そのため、誰かが提案やコメントを持っている場合は、とても感謝しています！ 前もって感謝します、ヴィンス PS私はこれを、友達との小さな競争として、NNと従来の商業的評価手法を比較するためにやっています。保険数理科学よりもコンピュータサイエンスで勝利を収めるのを手伝ってください。

8 neural-networks 

ルールベースはロジックベースAIと同義だといつも思っていました。ロジックには公理と推論のルールがありますが、ルールベースのaiには知識ベース（本質的に公理）とif-thenルールがあり、新しい知識を作成します（本質的に推論ルール）。 しかし、彼らの有名な記事「知識表現とは何ですか？」では、デービス、シュローブ、ソロビッツは、彼らがそうではないことを示唆しているようです： 論理、ルール、フレームなどはそれぞれ、世界で重要なものの種類に関する視点を具体化します。たとえば、ロジックには、個々のエンティティとそれらの間の関係の観点から世界を表示する（かなり最小限の）コミットメントが含まれます。ルールベースのシステムは、属性-オブジェクト-値のトリプル、およびそれらを接続するもっともらしい推論のルールの観点から世界を表示しますが、フレームは、典型的なオブジェクトの観点から考えます。 これは、ルールベースが命題であるのに対して、ロジックベースは通常、述語ロジックを意味することを意味しているだけですか？それともこれ以上のものはありますか？

8 knowledge-representation  logic 

話をして、素材を準備しています。会話の目的は、私の地域の企業に、日常のビジネス問題の解決に人工知能を適用できることを説得することです。 いくつかの例を提示できるようにしたいと思ったので、私は尋ねるためにここに来ました 人工知能を使用して職場での問題を解決しましたか？どんな種類の問題か？

8 applications 

休業。この質問は意見に基づいています。現在、回答を受け付けていません。 この質問を改善してみませんか？この投稿を編集して、事実と引用で回答できるように質問を更新してください。 14日前休業。 Lispは元々、コンピュータプログラムの実用的な数学表記として作成され、Alonzo Churchのラムダ計算の表記法に影響を受けました。ウィキペディアによれば、人工知能（AI）研究ですぐに好まれたプログラミング言語になりました。 LispがAIでまだ使用されている場合、特に機械学習とディープラーニングのコンテキストでは、それを学習する価値がありますか？

8 machine-learning  deep-learning  history  programming-languages  lisp 

関数のPR下の（有名なZilberstein）（uning）アルゴリズムはどのようLP-dominateに開始されD=∅ますか？最初に呼び出され、線形プログラムが劣化します（つまり、制約式がない）。 procedure POINTWISE-DOMINATE(w, U) ... 3. return false procedure LP-DOMINATE(w, U) 4. solve the following linear program variables: d, b(s) ∀s ∈ S maximize d subject to the constraints b · (w − u) ≥ d, ∀u ∈ U sum(b) = 1 5. if d ≥ 0 then return b …

8 decision-theory 

大学のクラスでAIについて教え、それを実証するために使用できる手頃なプログラム可能なデバイスの例を挙げていただけますか？ これらのデバイスは、何らかの形の自己学習、パターン認識、またはその他のAIの機能を実行し、プログラム可能またはカスタマイズ可能であることが期待されています。

8 programming-languages  education 

画像の認識と分解（国境の顔、自動車のストリートシーン、不確実な/複雑な状況での意思決定、または部分的なデータによる）など、NNベースのアプローチが多くのAI領域で非常に強力なツールになっていると言うことは、かなり議論の余地がないようです。ほとんどの場合必然的に、これらの使用の一部は、NNベースのAIが人間の負担の一部またはすべてを引き受ける状況に発展し、一般的に人々が一般的に行うよりも優れています。 例としては、自動運転車、医療診断、人間/身元の検証、回路/設計の検証、疑わしいトランザクションアラートのステップとして仮想的に使用されるNNが含まれる場合があります。次の10年かそこらでおそらく多くの分野。 これが発生し、一般的には成功していると見なされているとします（たとえば、人間の医師の65％などに対して診断が80％正しく行われるか、またはNNコンポーネントを含むAIを備えた車が人間が運転する車や代替車よりも8％少ないクラッシュ、または何でも）。 さて-これらの1つが異常にそして真剣に1つのケースで何か非常に間違っていると仮定します。どうすればそれに取り組むことができますか？正式な論理ステップを使用すると、正式な決定プロセスを追跡できますが、NNを使用すると、正式なロジックがない場合があります。特に、それが十分に複雑になると（数十年で）、200億のニューラルプロセッサとそのI / Oの重みしかありません。と接続、命が失われた場合でも、いくつかの事件の原因を特定することができない場合があります。また、システムが継続的に学習する以上のことを言うことは不可能であり、そのような事件はまれです。 私はまた、NNで「ブラックボックス」または同等のフライトレコーダーを実行する意味のある方法を聞いたことがありません。製品の欠陥に対する他の対応とは異なり、イベント後にこのようなケースを修正するためにNNをトレーニングできたとしても、新しいNN設定によって問題が修正されたか、またはそうすることにおける他の問題のリスクとバランス。非常に不透明です。それでも、明らかに、AIアプローチとしては非常に価値があります。 20年後、NNが飛行機の飛行または航空機の設計における（安全で成功したと認められた）コンポーネントであるか、緊急事態を監視するため、または銀行で詐欺を発見するために病院システムに組み込まれ、通常どおり規制および市場の要求が存在し、一般的な市場での年間の良い記録で行われ、可能性があると、その後1ケースでは、そのようなシステムいくつかの時間後に1つの機会にはっきりmisacts -それは危険な誤読道路、生活損傷薬または露骨に誤診を推奨していますか送金される前に偶然に捕まった清算銀行で、2億ポンドのあからさまな不正取引を清算します。 製造業者は、公衆または市場の懸念に対処するために、または事件を説明するために何ができますか？取締役会から「これはどのようにして起こり、修正されたことを確認したのですか」と言われたとき、技術チームは何をしますか？どのような意味のあるログを保持できますか？社会は、不確実性と時折の風変わりな行動が固有である可能性があることを受け入れなければならないでしょうか？または、NNにより適したロギング/デバッグ/決定アクティビティにアプローチするより良い方法はありますか？

8 neural-networks  machine-learning  philosophy  security  explainable-ai 

ベイズの定理は人工知能と機械学習でどのように使用されますか？高校生としてエッセイを書いているので、ベイズの定理、その一般的な使用法、AIまたはMLでの使用法について説明したいと思います。

8 machine-learning 

OpenAIのユニバースはRLアルゴリズムを利用しており、Qラーニングを使用したいくつかのゲームトレーニングプロジェクトについて聞いたことがありますが、ゲームをマスター/勝利するために使用される他のプロジェクトはありますか？遺伝的アルゴリズムを使用してゲームで勝つことはできますか？

8 machine-learning  reinforcement-learning  genetic-algorithms  game-theory 

AIとマージして（たとえば、ニューラルレースを介して）、希釈されて（たとえば、1：10000）、元の自己を効果的に死に至らしめるための用語（ある場合）は何ですか？ それはまだ「デジタルアセンション」ではありません。私が考えているのは、10000分の1のAIがあなたではないということです。AIはあなたの価値観や思い出などを持っているかもしれませんが、それはあなたではなく、あなたと呼ばれるためにそれと別に存在することはありません。基本的に-あなたは死んでいます。あなたはAIに溶けて死にました。 この件について読みたいのですが、何も見つかりません。

8 strong-ai  terminology  control-problem 

約半年間ニューラルネットワークを使用してきたので、主な欠点としてよく主張されていること、つまり過剰適合と局所的な最小値での行き詰まりを直接体験しました。ただし、ハイパーパラメーターの最適化と新しく発明されたいくつかのアプローチにより、これらは私のシナリオで克服されました。私自身の実験から： ドロップアウトは非常に優れた正則化方法のようです（これも疑似アンサンブラーですか？）、 バッチ正規化は、トレーニングを容易にし、多くのレイヤーにわたって信号強度を一定に保ちます。 Adadeltaは常に非常に良いオプティマに到達します SVMのSciKit-learns実装をニューラルネットワークでの実験と一緒に実験しましたが、ハイパーパラメーターのグリッド検索を行った後でも、パフォーマンスが比較して非常に悪いことがわかりました。他にも無数の方法があり、SVMはNNのサブクラスと見なすことができますが、それでもそうです。 だから、私の質問に： ニューラルネットワークのために研究されたすべての新しい方法で、ゆっくりと（または、それらは）他の方法よりも「優れた」ものになりますか？ニューラルネットワークには、他のネットワークと同様に欠点がありますが、すべての新しい方法で、これらの欠点は軽微な状態にまで軽減されていますか？ 多くの場合、モデルの複雑さの点で「少ないほど多く」ですが、それもニューラルネットワーク用に設計することができます。「無料の昼食なし」という考えは、1つのアプローチが常に優れていると考えることを禁じています。私自身の実験-さまざまなNNの素晴らしいパフォーマンスに関する無数の論文と合わせて-少なくとも、非常に安いランチがあるかもしれないことを示しています。

8 neural-networks 

ウィキペディアによると： AIは、機械によって示されるインテリジェンスです。 最近の生物学的進歩により、次のように動作できるように人間によってプログラムされた非電気ベースの「機械」がすでに存在するのかどうか疑問に思っています。 環境を認識し、ある目標で成功する可能性を最大化するアクションを実行する柔軟な合理的エージェント 特にウイルスやバクテリアについて考えていました。これらは、柔軟な合理的なエージェント（つまり、AIエンティティ）として動作するように人間によってプログラムされていますか？ この目的のためにすでに使用されている他の生物はありますか？

8 history  comparison  biology