Я многому научился! Спасибо. С нетерпением жду второго поста. Я пытался объяснить это своим коллегам по машинному обучению, и было непросто заставить их выслушать или прокомментировать нелинейное уменьшение размерности или моделирование нелинейной динамической системы. Единственный ответ, который я получаю, это когда я упоминаю Иерархическую Временную Память… но потом они говорят, что это уже делается в Нументе, и на этом разговор заканчивается.
Возможно, этот новый подход к ИИ нужно включить в одну из многочисленных карт алгоритма машинного обучения, например https://goo.gl/ipCZVE, другим цветом или отобразить на другой оси :-)
Один из моих друзей-гуру машинного обучения говорит, что у него есть новый подход, который он называет «подход неравновесной информационной динамики к глубокому обучению». И я в шутку спросил, похоже ли это на что-то подобное, и я отбарабанил «прикладная математика нелинейных динамических систем… Системы, соответствующие мощности современных алгоритмов глубокого обучения… сети и иерархии простых взаимодействующих динамических систем, каждая из которых адаптивно обучается». прогнозировать его эволюцию, способны автоматически строить сенсомоторные модели внешнего и внутреннего мира. Я читаю статьи, в которых говорится, что теория детерминированного хаоса «строит основу для новой технологии искусственного интеллекта… новых архитектур для машинного интеллекта».
Он ответил: «Информационная динамика также известна как вычислительная механика. Не уверен, как это связано с вашими исследованиями сенсомоторных моделей.
