Изображения, используемые в моих статьях, являются собственностью соответствующих организаций и используются здесь исключительно в справочных, иллюстративных и образовательных целях. (Источник изображений: Google [Кроме некоторых изображений, источник которых конкретно указан под изображением]) Нейросимволический ИИ — развивающийся класс рабочих нагрузок ИИ и новая область исследований. Что такое нейросимволический ИИ? «Нейросимволический ИИ — это новая область исследований ИИ,..

ИИ первого поколения, также известный как GOFAI, старый добрый ИИ, состоящий из простых вычислений, выполняемых в масштабе, например. с помощью калькулятора и назвал его умным. С 2012 года вычислительная мощность обеспечила более быстрые операции с матрицами, что сделало возможным машинное обучение/глубокое обучение на огромных наборах данных, открывая ИИ во втором поколении, где автономные автомобили, голосовые помощники, рекомендательные системы и системы обнаружения мошенничества могли..

Автор: Raphael Dang-Nhu Neurips 2020 Бумажная ссылка Github link Дополнительная ссылка Введение 기존의 인공지능 연구는 2가지의 подход가 있었다. 하나는 символический (на основе правил) 이며 나머지 하나는 신경망 (нейронная сеть) 이다. 근래의 연구는 대부분 신경망을 사용하고 있지만, символический метод 나은 일반화가 가능하다는 장점이 있다. 이러한 символический подход의 장점을 살려, программный синтез 를 위한 гибрид 모델인 PLANS를 본 논문에서는 제안하고 있다. Вклад Мы разрабатываем нейронную архитектуру для вывода спецификаций ввода-вывода из видео и кодирования задачи..

Мысли и теория Thrill-K: план нового поколения машинного интеллекта Переосмысление разделения и построения знаний для долгосрочного жизнеспособного ИИ Интеллект, будь то человеческий или машинный, основан на знаниях. Очень важно найти правильный баланс между эффективностью интеллекта (чего он может достичь) и его эффективностью (сколько он стоит в энергии или другой валюте). В своей основной презентации WAIC21 я представляю когнитивный ИИ и предлагаю людям и интеллектуальным..

Нандана Михиндукуласоория и Ибрагим Абдельазиз Ответы на вопросы базы знаний (KBQA) стали важной задачей обработки естественного языка для многих реальных приложений. Извлечение и связывание отношений (REL) - это важная подзадача KBQA, которая включает в себя идентификацию отношений в вопросах естественного языка и их привязку к их эквивалентным отношениям в базовой базе знаний. Эти отношения затем используются для построения запроса для получения ответов на вопросы. Например,..