足球滚球365

当前位置:主页 > 足球滚球365 >

为什么人工智能是一个图形网络?

发布时间:2019-03-14 点击量:
自动驾驶等应用使用深度学习导航,因此深度学习方法中的明显缺陷引起了研究人员和公众的关注。
人们开始说系统可能存在问题(深度学习)。
纽约大学的认知科学家Gary Marus说他是深度学习中最开放的怀疑论者之一。
他说:一年多以前,人们总觉得深度学习是神奇的。
人们现在意识到深度学习并不神奇。
然而,不能否认的是深度学习是一个非常强大的工具,是很常见的实现应用,如面部识别和语音识别是不可能在10年前。
所以现在研究人员无法想象深度学习会在这一点上消失。
在过去的2018年,深度学习的进展似乎并不能满足人们的期望,深度学习是最重要的,深度学习已经死亡。
深度学习仍然非常扎实,但人们倾向于纠正或改进它,并培养下一代继任者。
一开始就深入学习:大脑战争的起源
今天的严重学习革命,开始在大脑战争的20世纪80年代,有两种不同的方法,以人工智能的支持者之间相当多的讨论。
其中一种目前被称为优秀的人工智能(AI),自20世纪50年代以来一直占据着这一领域的主导地位。
此方法也称为符号AI,使用数学符号表示对象和对象之间的关系。
与人类建立的大型知识库一起,这些系统已被证明在医学等领域的推理和决策方面具有优势。
但是在20世纪80年代,人们发现在处理符号,概念和现实生活中的推论时,符号AI并不能很好地发挥作用。
基于这些缺点,一些研究人员开始提出人工神经网络,它是当今深度学习系统或连接主义的前身。
这种系统背后的想法是通过类似于人脑中神经元的模拟节点网络处理信号。
信号通过连接或链路从一个节点传递到另一个节点。它类似于神经元之间的突触连接。
像真正的大脑一样,学习是调整权重的问题,这些权重可以放大或衰减每个连接所承载的信号。
实际上,大多数网络将节点组织成一系列层,这些层大致类似于大脑皮层的不同处理中心。
因此,例如,图像识别专用网络,酒吧和锥体细胞对视网膜的光反应,将具有单个像素响应输入节点的层。
一旦激活,这些节点通过加权连接将其激活级别传播到下一级别的其他节点,这些节点组合输入信号并按顺序激活(或不激活)这是)。