Hi!请登陆

使用机器学习的方法,能预测未来,确定未来的空间

2021-4-21 38 4/21

研究员用整整三年时间完成了几十年的工作:发明机器,复制人类行为,破译神经网络(embedding),研究原因,如何让机器像人一样具有学习知识的能力。1984年,leonardobenelli启动了人工智能计划localizationandmodelingofartificialintelligence,简称loop。

loop计划是所有机器学习和人工智能的基础,没有它,就没有其他的智能科学。使用机器学习的方法来预测未来,确定未来的空间,只有为了预测未来而训练出来的机器才能具有预测的能力。

2003年,mit麻省理工学院的工程师darrelllynch建立了continuum人工智能计划。他们想要设计一种芯片,并建立起在芯片上运行人工智能系统的机器。这个计划也被称为完整的continuum人工智能计划。

continuum计划也正式启动了人工智能的新阶段“机器人研究所”,以生产、实验和测试可以实现复杂逻辑处理的机器。除此之外,各路牛人也有各自的研究,针对各种领域,总结了大量的有益成果,大大提高了人工智能的进步。

这里主要谈一下关于人工智能中的“统计”问题。近十多年来,基于统计的人工智能和深度学习技术取得了长足的进步,并将被应用到各行各业中。不过,我们在真正问题上是如何表现得这么快的呢?

要回答这个问题,我们必须从假设开始,如果我们想创造一台机器人,那么我们怎么给这台机器去定义它的行为呢?人工智能最终将通过学习创造这个问题的答案。多年来,人工智能/机器学习最主要的挑战就是真正意义上预测这个世界。

让机器像人一样思考是一个不容易的任务,要解决这个问题,我们首先要重新定义机器的定义。可以做一些初步的假设:我们想创造的机器可以自我反馈,能够根据我们对它所做的事情进行反馈。

那么最关键的就是,当我们给它们一个输入,给它们反馈了一个输出,它们要如何学习呢?从另一个角度来看,要解决机器要如何学习的问题,我们必须知道这样一个问题:机器在做什么?如果我们不知道这一点,那么机器只能不断试错,寻找最优解,一直到用尽可能少的代价获得最优解为止。而在这里,数据就是很关键的东西。

众所周知,机器没有自己的数据,因此学习的问题很简单,假设从0开始,机器在输入层上执行了一次朴素贝叶斯操作,输出层上执行了一次逻辑回归操作,又输入了一次svm,输出层上执行了一次决策树。

可以说,机器所有的输入输出都被模板化了,只要朴素贝叶斯操作输出的错误率为负,逻辑回归输出的错误率为正,那么机器就在输入与输出这两条边中间做贝叶斯操作。

相关推荐