人工智能研究的重要方向:确保AI的稳健和有益

版权申诉
5星 · 超过95%的资源 1 下载量 83 浏览量 更新于2024-06-25 收藏 60KB DOCX 举报
人工智能外文翻译文献 人工智能外文翻译文献是一个关于人工智能的研究论文,标题是“Research Priorities for Robust and Beneficial Artificial Intelligence”,由Stuart Russell, Daniel Dewey, Max Tegmark等国外作者撰写,发表于《Association for the Advancement of Artificial Intelligence》期刊,2015年,第36卷,第4期,页码105-114。该论文共16页,当前为第1页。 该论文的主要内容是讨论如何确保人工智能的发展对人类有益,并避免潜在的风险。论文提出了多个研究方向,以确保人工智能的发展是稳健和有益的。这些方向包括确保人工智能的安全性、可靠性和公平性等方面。 人工智能的研究有多方面,包括机器学习、统计学习、控制论、神经科学等领域。这些领域的交叉和融合,结合数据和计算能力的提高,已经取得了许多 성공的结果,如语音识别、图像分类、自动驾驶、机器翻译、腿部运动和问答系统等。 人工智能的发展有可能给人类带来无限的益处,但同时也存在潜在的风险,如job loss、隐私泄露、bias等。因此,论文强调了人工智能研究的重要性和紧迫性,旨在确保人工智能的发展是稳健和有益的。 该论文为人工智能的发展提供了一个重要的研究方向和思路,旨在确保人工智能的发展对人类有益。 知识点: 1. 人工智能的发展需要确保其稳健和有益性,以避免潜在的风险。 2. 人工智能的研究需要跨学科交叉,结合多个领域的知识和技术。 3. 人工智能的发展需要考虑社会和伦理因素,以确保其发展对人类有益。 4. 人工智能的安全性、可靠性和公平性是其发展的重要方面。 5. 人工智能的发展需要数据和计算能力的支持,以实现其潜力。 该论文为人工智能的发展提供了重要的研究方向和思路,旨在确保人工智能的发展对人类有益。
2023-06-02 上传
英文原文 Artificial Intelligence Advanced Idea ,Anticipating Incomparability on Artificial Intelligence. Artificial intelligence(AI) is the field of engineering that builds systems ,primarily computer systems ,to perform tasks requiring intelligence .This field of research has often set itself ambitious goals, seeking to build machines that can outlook humans in particular domains of skill and knowledge ,and has achieved some success in this.The key aspects of intelligence around which AI research is usually focused include expert system ,industrial robotics,systems and languages language understanding ,learning ,and game playing,etc. Expert System An expert system is a set of programs that manipulate encoded knowledge to solve problems in a specialized domain that normally requires human expertise . Typically,the user interacts with an expert system in a consultation dialogue,just as he would interact with a human who had some type of expertise,explaining his problem,performing suggested tests,and asking questions about proposed solutions. Current experimental systems have achieved high levels of performance in consultation tasks like chemical and geological data analysis,computer system configuration,structural engineering,and even medical diagnosis.Expert systems can be viewed as intermediaries between human experts,who interact with the systems in knowledge acquisition mode ,and human users who interact with the systems in consultation mode. Furthermore ,much research in this area of AI has focused on endowing these systems with the ability to explain their reasoning,both to make the consultation more acceptable to the user and to help the human expert find errors in the system´s reasoning when they occur.Here are the features of expert systems: Expert systems use knowledge rather than data to control the solution process. The know is encoded and maintained as an entity separated from the control program.Furthermore,it is possible in some cases to use different know
2023-02-27 上传
希望对大家有所帮助,多谢您的浏览! 10.4并发神经模糊系统 模糊系统和神经网络可以为电厂没有相互合作并行工作在自己。例如,一些日本空调使用FS阻止压缩机从冰冷的冬天,使用神经网络估计指数参数的安慰, 被称为预测意味着投票(PMV)。结构可以被定义为一个函数的空间温度,平均辐射温度、相对气流速度、湿度、热阻用户的衣服,代谢率。有些结构各参数不能使用传感器测量,例如,热电阻的服装和代谢率。神经网络可以用来估计PMV指标从一组测量变量等房间温度、时间微分的房间温度、室外空气温度、空气流量、  设置温度和气流方向(齐藤et al .,1990)。传感器数据和PVM作为输入和输出 PVM = {房间温度、平均辐射温度、相对气流速度、潮湿  密度,热阻用户的服装、代谢率} 传感器数据= {房间温度、时间微分的房间温度、室外空气温度、空气流量、设定温度、气流方向} 神经网络进行非线性映射到结构各传感器测量值的索引。松下电气公司所使用的技术已经在他们的空 产品如图10.13所示。 10.5混合神经模糊系统 在任何模糊系统,推论使用规则库和使用不同的方法去模糊化如重心是最耗时的部分。混合方法的想法是解释一个模糊系统的神经网络。这里采用的策略神经模糊系统,首先,取代用神经网络的规则库推理处理简化其次,发现模糊系统的参数学习方法从神经网络的方法。一种常见方法应用学习算法模糊系统是代表在特殊neural-network-like架构,如反向传播学习算法可以用来训练系统。在第一种神经模糊系统,可以有三种类型的模糊神经网络只替换规则库,输入和输出 没有学习算法用于优化MFs或系统的参数。这些都是模糊的三种基本类型  系统。应用启发式或试错方法优化和调整参数: *与Mamdani-type模糊神经网络的模糊推理系统,   *与Takagi-Sugeno-Kang-type模糊神经网络的模糊推理系统,    *与Tsukamoto-type模糊神经网络的模糊推理系统。 在第二种神经模糊系统中,如反向传播或学习算法混合训练应用于系统的优化或调整参数。有不同的类神经模糊系统在1990年代的文献报道。其中的一些详细讨论在下面: *模糊自适应学习控制网络(FALCON),   *近似reasoning-based智能控制(ARIC), *广义近似reasoning-based智能控制(GARIC),   人工智能翻译全文共11页,当前为第1页。*模糊基函数网络(FBFN),   人工智能翻译全文共11页,当前为第1页。 *模糊净(有趣的), *自适应神经模糊推理系统(简称ANFIS),   * infuzzy模糊推理和神经网络推理软件(最好),   *神经模糊控制器(NEFCON),   * MANFIS CANFIS,   * Self-constructing神经模糊推理网络(SONFIN),   *模糊神经网络(NFN)。 10.5.1模糊神经网络的模糊推理系统与Mamdani-Type 在本节中讨论的模糊神经网络是一种Mamdani-type模糊系统规则库是一个神经网络所取代。的详细描述Mamdani-type模糊在第三章提供推理系统。为简单起见,一个简单的two-input single-output 系统如图10.14所示。图10.14所示的模糊神经网络组成五层,描述如下。 1层:本层的节点表示的模糊隶属度,{ }在X1和AJ,有两个输入。这些节点计算输入的会员等级的X2模糊化操作: 第2层:这一层的每个节点代表一个模糊系统的规则。每个节点的发射强度决定了规则,定义为 这个函数。表示推测操作使用该产品的规则或最小规则。例如,方程(10.4)定义了使用的发射强度产品规则: 人工智能翻译全文共11页,当前为第2页。 人工智能翻译全文共11页,当前为第2页。 归一化权重可以提供相对个人的发射强度的规则。归一化计算方程(10.5)。归一化权重不习惯在上面体系结构。 第三层:这一层中的每个节点表示模糊MF输出。MFs pre-defuzzified和去模糊化操作的输出是表示 去模糊化操作应用于MFsC是每个规则的顺向MFs值。不同类型的去模糊化操作,在第二章所讨论的,可以在这里申请 第四层:这一层中的单一节点产生最终的输出通过聚合解雇规则值,定义为 去模糊化操作应用于MFsC是每个规则的顺向值。不同类型的去模糊化操作,在第二章所讨论的,可以在这里申请 人工智能翻译全文共11页,当前为第3页。第四层:这一层中的单一节点产生最终的输出通过聚合解雇规则值,定义为 人工智能翻译全文共11页,当前为第3页。 10.5.2 Takagi-Sugeno-type模糊模糊神经网络推理系统 在本节讨论的模糊神经网络是一个关野型系统(又称asTakagi - 关野康型模糊系统)。